WrenAI

面向业务数据的 AI Agent 开源上下文层。

你的 Agent 不理解你的数据含义，我们来解决这个问题。

文档 · Discord · 愿景 · 博客

📣 2026-05-07 — Wren Engine 已合并至此仓库的 core/ 目录下。之前的 Canner/wren-engine 仓库现已归档。之前的 WrenAI GenBI 应用保留在 legacy/v1 分支（标签 v1-final）。阅读公告 →

---

什么是 WrenAI

WrenAI 是一个开源上下文层，它为你的 Agent 提供了 Schema 之外的补充信息：业务语义、示例、记忆、治理，以及——即将推出的——存在于文档、Wiki 和聊天记录中的非结构化企业知识。专为现有的 Agent 框架构建。

为什么 Agent 构建者选择 WrenAI

• 默认开源 — 通过 Apache-2.0 许可协议提供开源核心、SDK 和技能。
• 专为 AI Agent 构建 — 将技能、Agent 架构和上下文检索作为核心功能。以 SDK 形式提供给工程师现有的 Agent 框架。
• 准确性作为原语 — 提供丰富的 Schema 检索、Dry-run 计划验证、带有提示的结构化错误、数据画像及评估运行器。由 Agent 进行调度，追踪记录保留在 Agent 的推理过程中。
• 可审查、可复现的上下文 — 每个定义、示例和映射都是可版本化的，且与证据关联。对 Git 非常友好。
• 兼容现有技术栈 — 可部署在数据仓库、转换管道及现有的语义层之上。无需维护额外的工具。

有无 Wren AI 的对比

Agent 无处不在：Claude Code、Cursor、ChatGPT、Aider、LangChain 管道、Pydantic AI 流程、内部 Copilot 以及面向客户的应用程序。它们都不应该被迫从零开始重新发掘你的业务逻辑。有了作为“上下文层”的 Wren AI，它们可以通过一个独立的、共享的接口进行查询。该接口可供所有 Agent 和人员使用，不再被单一供应商的 UI 和架构所束缚。

快速开始

WrenAI 采用以 Agent 为中心的设计：你只需安装一次技能包，然后让你的 AI 编程 Agent（如 Claude Code、Openclaw、Hermes、Codex 等）来驱动后续流程——包括 Python 依赖、数据库连接、项目搭建以及首次查询。

1. 安装技能包

技能是工作流指南，用于指导 AI 编程 Agent（如 Claude Code、Openclaw、Hermes、Codex 等）如何为你驱动 Wren CLI。

npx skills add Canner/WrenAI --skill '*'

如果你安装了多个 AI 编程 Agent，并希望在所有 Agent 中使用这些技能，请使用 --agent '*' 参数：

npx skills add Canner/WrenAI --skill '*' --agent '*'

或者通过安装脚本：

curl -fsSL https://raw.githubusercontent.com/Canner/WrenAI/main/skills/install.sh | bash

查看 Skills 参考手册 以获取已安装技能的完整列表及其功能。

2. 让你的 Agent 进行配置

在项目目录中打开你的 Agent 并执行指令：

使用 /wren-onboarding 技能来安装和配置 Wren AI。

Agent 将检查你的环境、安装 wrenai、创建连接配置文件、搭建项目骨架并运行第一次查询——所有操作在一个流程中完成。

3. (可选) 丰富项目内容

在完成入职流程后，为你的项目提供 Schema 无法承载的业务上下文：

在“烤制模式”（grill mode）下使用 /wren-enrich-context 技能。

提供两种模式：烤制模式 (grill)（一次一个问题，你在流程中参与）或 自动驾驶模式 (auto-pilot)（Agent 读取 /raw/ 目录并提供建议）。两种模式都会写入 MDL、指令、查询和记忆——所有内容均可审查，且对 Git 友好。

4. 提问

# 提出任何问题
"who are our top 10 customers by sales this quarter?"

或者直接用自然语言向你的 Agent 提问——它会利用上下文层来解析 Schema、回顾过往相似查询并编写受控的 SQL。