DbRheo CLI

一个数据库/数据分析 CLI Agent，用自然语言探索 schema、生成安全 SQL、执行查询，并可运行 Python 分析和导出数据。

这个能力解决什么问题

它解决的是非数据库专家需要用自然语言查询 PostgreSQL、MySQL 或 SQLite，并进一步做数据分析的问题。输入是用户的自然语言数据库问题、数据库连接配置和可选数据文件；输出是 SQL、查询结果、风险提示、Python 分析结果、图表文件或 CSV/JSON/Excel 导出。

核心逻辑

DbRheo 先通过 adapter 自动连接数据库并探索 schema，再根据用户问题生成 SQL。执行前有风险评估，识别危险操作并提示；查询后可以把结果交给 Python 代码执行模块做统计、可视化或自动化脚本。CLI 支持异步处理、多行粘贴、流式输出和操作日志。

技术结构

• 关键模块：packages/core 提供数据库适配、SQL 生成、风险评估和执行；packages/cli/cli.py 提供交互入口；packages/web 是可选 Web UI；testdata/ 提供 Adult Census 数据集。
• 调用链路：自然语言 -> schema discovery -> SQL generation -> risk assessment -> database execution -> optional Python analysis/export。
• 输入输出：输入是 DB 连接、问题、样本数据；输出是 SQL、表格结果、图表或导出文件。
• 核心依赖：FastAPI、SQLAlchemy async、asyncpg、aiomysql、aiosqlite、Google Generative AI/OpenAI、Pydantic、Rich、OpenTelemetry。

为什么值得参考

它把 Text-to-SQL 扩展成“数据库操作台”：schema 探索、风险评估、查询、Python 分析和导出都在一个 CLI loop 里。对数据分析 Skill 来说，风险评估和多数据库 adapter 是比单纯生成 SQL 更值得借鉴的部分。

为什么不建议直接套用

自然语言 SQL 直接连真实数据库风险很高。即使有 risk assessment，也不能保证不会生成高成本查询、读取敏感字段或误操作。README 提到 Claude 模型因 prompt caching 未应用暂不推荐，说明模型适配还在变化。企业环境需要只读账号、查询白名单、审计日志和限流。

如何改造成自己的版本

先做只读 SQL Agent，只开放 SELECT 和 schema introspection。把风险评估结果变成强制确认，不允许 LLM 自动执行写操作。Python 分析模块单独沙箱运行，并限制文件写入位置。给每条查询记录保存自然语言问题、生成 SQL、执行耗时、行数和人工确认状态。

适用场景

• 内部数据探索和临时报表。
• 多数据库 schema 快速理解。
• 数据分析 CLI 原型。

不适用场景

• 生产库写操作或无审计查询。
• 涉及敏感字段、客户隐私或财务数据的裸连。
• 用户不懂 SQL 且没有人工复核机制。

参考信息

• 原项目：DbRheo-CLI
• 作者：Din829
• 相关概念：[[Text-to-SQL]]、[[数据库权限边界]]
• 相关卡片：保守留空