← Descobrir
GitHub · Canner/WrenAI↑ +121 hoje

Inteligência de negócios automatizada com inteligência artificial

Desenvolvido por Canner, WrenAI é uma ferramenta de business intelligence generativa (BI generativo) de código aberto que exporta automaticamente dados para painéis e gráficos, convertendo linguagem natural em consultas de banco de dados (texto para SQL). A plataforma fornece processos confiáveis ​​de análise de dados para agentes de IA por meio de uma camada de contexto gerenciável que suporta mais de vinte fontes de dados.

Atualizações

  • 23 de outubro de 2026: Estrelas 17,913 → 17,954, versão mais recente wren-core-py-v0.8.2 (23 de outubro de 2026).
  • 20 de outubro de 2026: Estrelas 17,901 → 17,913, versão mais recente wren-pydantic-v0.3.1 (20 de outubro de 2026).
  • 19 de outubro de 2026: Estrelas 17,879 → 17,901, versão mais recente wren-langchain-v0.2.3 (19 de outubro de 2026).
  • 16 de outubro de 2026: Estrelas 17,874 → 17,879, versão mais recente wren-v0.16.0 (16 de outubro de 2026).

O que você ganha

  • Gera consultas SQL confiáveis a partir de linguagem natural
  • Converte dados automaticamente em painéis
  • Suporta mais de 22 fontes de dados

Instalação

Instalação CLI
pip install wrenai                      # core (DuckDB included)
pip install "wrenai[postgres,memory]"   # add per-datasource and memory extras as needed
Configuração de stub para cliente AI
npx skills add Canner/WrenAI            # auto-detects Claude Code, Cursor, Cline, Codex, …

Se você não programa

Cole isto no seu agente (Claude Code · Codex · Antigravity)

Configure minha conexão com o banco de dados usando WrenAI, crie o esqueleto do projeto e execute minha primeira consulta. Em seguida, enriqueça o contexto incluindo os dados da lógica de negócios na pasta bruta em meu projeto.

Repositório: https://github.com/Canner/WrenAI. Baseie-se nas instruções oficiais no arquivo README deste repositório para a instalação e execução.

Antes de começar, verifique em qual sistema operacional estamos e se as ferramentas necessárias (ex: Python, Node.js, Git, Docker) estão instaladas. Instale as que faltarem passo a passo de acordo com este sistema.

Crie uma pasta nova e vazia para trabalhar. Não toque em arquivos fora desta pasta e não exclua nada. Antes de executar cada comando, diga o que você vai fazer em uma frase.

Diga-me o que devo ver na tela ao final de cada etapa. Se ocorrer um erro, colarei a mensagem de erro para você exatamente como ela é, e vamos corrigi-la juntos.

Termos relacionados do glossário

Para quem éDestina-se a profissionais que desejam automatizar seus processos de análise de dados por meio de agentes de IA e criar painéis confiáveis ​​e compartilháveis.

Links

A TreScout não desenvolveu esta ferramenta · nós a encontramos nas tendências do GitHub e a apresentamos. Esta página descreve o repositório em 2026-07-20: A contagem de estrelas e o nosso texto são daquele dia, o repositório pode ter mudado desde então. Consulte o link do repositório para ver o estado atual. O texto de apresentação foi preparado com IA a partir da própria documentação do repositório e esta página foi traduzida automaticamente do original em turco · a versão turca é a que vale.