在 Claude Code 中通过 Skills 快速安装与配置 Wren AI从 discovery stub 到端到端 onboarding【免费下载链接】WrenAIGenBI (Generative BI) for AI agents, an open-source, governed text-to-SQL through an open context layer that turns natural-language questions into trusted dashboards, charts, and SQL across 20 data sources, such as BigQuery, Snowflake, PostgreSQL, ClickHouse, Amazon Redshift, Databricks and more.项目地址: https://gitcode.com/GitHub_Trending/wr/WrenAI导读本文讲解如何基于 Anthropic 官方终端编程助手Claude Code安装并驱动 Wren AI一条npx skills命令装入 skill 发现桩一句自然语言触发 onboarding 技能Claude Code 便会按序完成环境检查、profile 创建、项目脚手架搭建和首次数据查询。读完本文你将掌握 Wren AI 的技能分发模型、onboarding 技能的完整执行流程以及从零到首次查询的落地路径。为什么用 Claude Code 来操作 Wren AIWren AI 是一个面向 AI Agent 的开源语义 SQL 层通过开放上下文层把自然语言问题转成可信的 SQL、图表与仪表盘覆盖 20 数据源PostgreSQL、MySQL、BigQuery、Snowflake、ClickHouse、Redshift、Databricks 等。它的日常操作不是靠记忆手册而是依赖skills技能——一套可复用的 AI Agent 工作流指南教 Claude Code 等编程 Agent 如何分步调用wrenCLI 完成多步任务。Claude Code 是 Anthropic 官方的终端编程助手也是 Wren AI 官方文档中演示 CLI 工作流的首选 Agent。两者结合后安装、建模、查询、部署 GenBI 应用都可以用一句自然语言驱动而非记忆一串命令。前置条件安装前只需满足一条硬性要求Claude Code 已安装并完成认证安装与认证指引见 Anthropic 官方 Claude Code 文档。其余依赖Python 3.11、Node.js/npm、Git会在具体使用场景如连接自有数据库、运行示例数据中按需出现可参考 Quickstart with sample data 中的完整前置清单。安装 Wren skills一条命令装入发现桩在终端中执行npx skills add Canner/WrenAI --agent claude-code--agent claude-code显式指定目标 Agent让安装器把技能写入 Claude Code 的 skills 目录例如~/.claude/skills/。安装器本身支持自动检测当前 Agent不加该参数也能识别 Claude Code、Cursor、Cline、Codex 等常见客户端。这一条命令安装的并不是一大堆文档而是一个discovery stub发现桩。仓库中的 skills/wren/SKILL.md 就是它的实体约 50 行的 markdown 文件带 YAML frontmattername: wren、description触发词清单、license: Apache-2.0、allowed-tools: Bash(wren:*)正文明确写着 This is a discovery stub真正的工作流指南与提示词助手全部存放在wrenCLI 内部按需下发。这种设计解决了两类历史问题详见 Skills 参考版本漂移早先每个 skill 是独立 markdown 文件夹内容与已安装的 CLI 版本容易脱节现在内容随wrenaiwheel 一起发布wren skills get name输出的指南永远与本地 CLI 版本一致。按需加载Agent 不必启动时全量读入所有指南只在需要时用wren skills get name拉取。skills/install.sh提供了等价的手工安装方式支持--force覆盖Claude Code 插件市场方式/plugin marketplace add Canner/WrenAI --path skills与/plugin install wrenwren也在 skills/README.md 中列出可任选其一。验证安装安装完成后在 Claude Code 中可要求 Agent 读取技能并确认可用也可先在普通终端直接验证 CLI 侧内容源是否就绪wren skills list # 列出全部工作流指南从 core/wren/src/wren/skills_cli.py 的源码可以看到wren skills list实际调用skills_delivery.list_skills()并按名 摘要 引用/脚本逐项打印wren skills get name则支持--full内联全部 references 文档与--script stem打印某个捆绑脚本源码对应skills_delivery.get_skill(name, fullfull)与get_script(name, script)两个入口。运行 onboarding一句自然语言启动端到端设置安装完成并开启新的会话发现桩在会话启动时加载后在终端启动 Claude Codeclaude然后在对话中发出请求Use the /wren skill to install and set up Wren AI.wren发现桩会把这条请求路由到onboarding 技能。onboarding 技能会引导 Agent 依次完成环境检查 → profile 创建 → 项目脚手架搭建 → 首次查询。仓库中 core/wren/src/wren/skills_content/onboarding/SKILL.md 就是该技能的实体其核心执行流程如下预检只读检查python3 --version要求 3.11、虚拟环境是否激活、wren --version是否已安装、记录当前工作目录此阶段不问任何项目问题。早期分支询问先用内置 jaffle_shop 演示约 30 秒、无需数据库还是连接自己的数据库。演示分支直接指向 Quickstart自有数据库则继续。收集项目名 数据库类型这是 Step 2 仅需的两项信息一次问完绝不在此阶段索取任何凭据。工作区与.env搭建批量创建~/project/、执行pip install wrenai[ds,main]、用wren docs connection-info ds --format md内省连接器真实字段并生成空.env模板凭据只由用户在编辑器中填写Agent 全程看不到值。创建连接 profile用户填完.env回复 done 后以${VAR}占位符写入/tmp/conn.yml执行wren profile add project --from-file /tmp/conn.yml自动校验静默覆盖。脚手架wren context init --empty生成项目结构models/、views/、relationships.yml、knowledge/、AGENTS.mdwren context set-profile project把 profile 与数据源写入wren_project.yml锁定项目与连接的关系。生成 MDL交接先wren skills get generate-mdl完成建表内省、类型归一化、YAML 生成再wren context validatewren context build。Agent 被强制要求MDL 构建完成前不得查询数据库。首次查询交接基于发现的表给出 2–3 个自然语言示例问题日常查询随后切换到 usage 技能。onboarding 技能还强制几条 Agent 侧铁律对应 Skills 参考 中Agent-side rules enforced表格每轮只做一个步骤、凭据永不进聊天、连接字段名绝不凭空捏造必须wren docs connection-info ds内省、报错时把 connect.md 排障手册 的对应小节呈现给用户而不是自行携带副本。幕后技能内容从哪里来onboarding 指南描述了一次完整安装但你可能已经注意到技能正文本身并不携带这些步骤的细节。这正是 Wren AI 0.8 以来的内容交付模型Agent 侧只有发现桩skills/wren/SKILL.md它教 Agent 调用wren skills list、wren skills get name、wren ask q --guided|--direct真实工作流指南按需从 CLI 打印例如wren skills get onboarding、wren skills get usage、wren skills get generate-mdl、wren skills get dlt-connector、wren skills get enrich-context、wren skills get genbi提示词模板同样按需提供wren ask question --guided面向较弱 LLM 的严格任务流与wren ask question --direct面向较强 LLM 的最小包装。在 wheel 内每个技能是 core/wren/src/wren/skills_content/ 下的一个目录SKILL.md 可选references/ 可选scripts/通过 Hatchling 的 wheel artifacts 打包随wrenai发布。仓库还内置了 CI 守卫 tests/unit/test_served_content_guard.py扫描技能内容与 ask 模板中的每条wren cmd调用对照真实 CLI 命令树校验防止指南教 Agent 执行不存在的命令或参数。下一步两条进阶路径完成 onboarding 后官方文档给出两条主要路径Quickstart with sample data使用 dbt 官方示例数据集jaffle_shop走一遍端到端流程——克隆jaffle_shop_duckdb并dbt build生成 DuckDB 数据库、pip install wrenai[memory,main]、wren profile add jaffle-shop建立连接、wren context initset-profile初始化项目再回到 Claude Code 用/wren技能驱动generate-mdl技能探索数据库并生成 MDL完成后即可用自然语言提问How many customers placed more than one order?Claude Code 会按 usage 技能的流程抓取上下文、召回历史查询、写 SQL、执行并存回记忆。整个过程无需云数据库与 Docker约 15 分钟。Connect your data跳过示例数据把 Wren AI 指向真实数据库其中包含每种数据源的设置说明与完整的排障手册wren: command not found、PEP 668 的 externally-managed-environment、MissingSecretError、驱动认证失败、PydanticValidationError、连接拒绝/防火墙/IP 白名单等。小结Wren AI × Claude Code 的组合把安装配置变成了一段可复现的对话式工作流npx skills add Canner/WrenAI --agent claude-code装入发现桩 → 新会话中请求Use the /wren skill to install and set up Wren AI.→ onboarding 技能按每轮一步的节奏完成环境预检、profile 创建、项目脚手架与首次查询。由于技能内容随wrenai包同版本发布、按需下发且有 CI 守卫校验命令合法性Agent 拿到的操作指引始终与本地 CLI 一致——这正是 Wren AI 面向 Agent 的工程化设计核心。【免费下载链接】WrenAIGenBI (Generative BI) for AI agents, an open-source, governed text-to-SQL through an open context layer that turns natural-language questions into trusted dashboards, charts, and SQL across 20 data sources, such as BigQuery, Snowflake, PostgreSQL, ClickHouse, Amazon Redshift, Databricks and more.项目地址: https://gitcode.com/GitHub_Trending/wr/WrenAI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考