← Découvrir
GitHub · Canner/WrenAI↑ +121 aujourd'hui

Intelligence économique automatisée avec intelligence artificielle

Développé par Canner, WrenAI est un outil open source de business intelligence générative (BI générative) qui exporte automatiquement les données dans des panneaux et des graphiques en convertissant le langage naturel en requêtes de base de données (texte vers SQL). La plateforme fournit des processus d'analyse de données fiables pour les agents d'IA via une couche contextuelle gérable qui prend en charge plus de vingt sources de données.

Mises à jour

  • 30 octobre 2026: Étoiles 17,985 → 18,013, dernière version wren-v0.17.1 (30 octobre 2026).
  • 27 octobre 2026: Étoiles 17,954 → 17,985, dernière version wren-v0.17.0 (27 octobre 2026).
  • 23 octobre 2026: Étoiles 17,913 → 17,954, dernière version wren-core-py-v0.8.2 (23 octobre 2026).
  • 20 octobre 2026: Étoiles 17,901 → 17,913, dernière version wren-pydantic-v0.3.1 (20 octobre 2026).

Ce que ça vous apporte

  • Génère des requêtes SQL fiables à partir du langage naturel
  • Convertit automatiquement les données en panneaux
  • Prend en charge plus de 22 sources de données

Installation

Installation de la CLI
pip install wrenai                      # core (DuckDB included)
pip install "wrenai[postgres,memory]"   # add per-datasource and memory extras as needed
Configuration du stub pour le client AI
npx skills add Canner/WrenAI            # auto-detects Claude Code, Cursor, Cline, Codex, …

Si vous ne codez pas

Collez ceci dans votre agent (Claude Code · Codex · Antigravity)

Configurez ma connexion à la base de données à l'aide de WrenAI, créez le squelette du projet et exécutez ma première requête. Enrichissez ensuite le contexte en incluant les données de logique métier du dossier brut dans mon projet.

Dépôt : https://github.com/Canner/WrenAI. Base-toi sur les instructions officielles du fichier README de ce dépôt pour l'installation et l'exécution.

Avant de commencer, vérifie quel système d'exploitation nous utilisons et si les outils nécessaires (ex: Python, Node.js, Git, Docker) sont installés. Installe ceux qui manquent étape par étape selon ce système.

Crée un nouveau dossier vide pour travailler. Ne touche pas aux fichiers en dehors de ce dossier et ne supprime rien. Avant chaque commande, décris ce que tu vas faire en une phrase.

Dis-moi ce que je devrais voir à l'écran à la fin de chaque étape. Si une erreur survient, je te copierai le message d'erreur tel quel et nous la corrigerons ensemble.

Termes liés du glossaire

BICLIArtificial Intelligence
Pour quiIl s'adresse aux professionnels qui souhaitent automatiser leurs processus d'analyse de données via des agents IA et créer des tableaux de bord fiables et partageables.

Liens

TreScout n'a pas développé cet outil · nous l'avons repéré dans les tendances GitHub et présenté. Cette page décrit le dépôt tel qu'il était le 2026-07-20 : Le nombre d'étoiles et notre texte datent de ce jour, le dépôt a pu changer depuis. Consultez le lien du dépôt pour l'état actuel. Le texte de présentation a été préparé avec l’IA à partir de la propre documentation du dépôt et cette page a été traduite automatiquement depuis l’original turc · la version turque fait foi.