# DataAI：本地运行的 AI 数据库客户端，让「说清楚需求」就能查库、改表

**DataAI**（仓库与发行版常用名 **DB-AI**）是一款面向开发者、数据同学和 DBA 的 **Windows 桌面端**数据库工具：在本地连接 MySQL、PostgreSQL、Oracle、SQL Server、SQLite、MariaDB 等库，用 **自然语言或 SQL** 完成查询、建表、改表与结果导出，并内置 **AI Agent（LangGraph）** 与 **长期记忆**，同一套业务库用得越久，生成 SQL 越贴你的表结构与习惯。

---

## 获取方式

- **Gitee 仓库**：https://gitee.com/CodeYG/db-ai-pro
- **发行版下载（安装包 / 更新说明）**：https://gitee.com/CodeYG/db-ai-pro/releases

欢迎 Star、提 Issue 反馈问题或功能建议。

---

## 为什么值得试？

### 1. 自然语言 → 可执行 SQL，且懂你的库

- 用中文描述需求，AI 自动 **选表、拉表结构、必要时查枚举值**，多步推理后给出 SQL。
- **按数据库类型生成语法**（MySQL / PostgreSQL / Oracle 等），减少「方言写错」的摩擦。
- 编辑器里已有 SQL 时，简短指令（如「只保留 active」「按时间倒序」）可 **基于当前上下文** 续写，而不是从零乱猜表名。

### 2. AI 建表 / 改表：对齐现有库的「风格」

- **多轮对话** 澄清需求，输出 `CREATE TABLE` / `ALTER TABLE`。
- 会参考库内已有表，尽量保持 **命名、字段类型、主键与索引习惯** 一致，适合在「已有系统」里增量加表、改表。

### 3. 长期记忆：越用越省沟通成本

- 按 **连接 + 数据库** 隔离存储：命名规范样例、相似历史查询、**表级摘要**（历史 pattern 压缩后的规律描述）等。
- 后续查询会在提示词中带上 **「该库各表使用规律」** 等片段，减少重复说明业务口径。
- 提供 **「AI 记忆」** 可视化界面，可查看、清空或 **手动触发表级摘要生成**（适合沉淀团队常用查数模式）。

### 4. 不只是「AI 玩具」，也是日常客户端

- **SQL 编辑器**：语法高亮、格式化、基于表结构的补全；支持多语句、多结果标签页。
- **结果集**：排序、筛选、编辑行并生成 UPDATE、导出 CSV / Excel / JSON 等（以当前版本为准）。
- **连接管理**：测试连接、加密存储敏感信息；支持 **从 Navicat 导入连接**（注册表 / `.ncx`），降低迁移成本。
- **表结构同步、Redis 相关能力** 等可在新版中按文档体验（详见项目 README 与发行说明）。

### 5. 本地优先，数据更可控

- 默认 **本地运行**，连接与记忆配置在本地；适合对数据出境敏感的环境（AI 调用仍取决于你所配置的 API 或本地模型）。
- 支持 **OpenAI 兼容接口**，可对接云端大模型或 **Ollama 等本地模型**，按团队规范选型。

---

## 适合谁？

| 角色 | 典型用法 |
|------|-----------|
| 后端 / 全栈 | 日常查数、联调、复杂 JOIN 与聚合让 AI 起草再手工微调 |
| 数据分析 | 不熟 SQL 语法也能用自然语言探索库表与指标 |
| DBA / 运维 | 多库连接统一管理、结构浏览、脚本与同步类工作流 |
| 技术负责人 | 统一工具链 + 可选本地模型，平衡效率与合规 |

---

## 技术栈速览

Python 3.8+、**PyQt6**、**SQLAlchemy**、**LangGraph** 查询 Agent、OpenAI 兼容 API；详细架构见仓库内 `docs/` 说明文档。

---

## 小结

如果你希望 **少写重复 SQL、少记每张表的细节**，又不想把库结构交给纯网页工具，**DataAI** 把「客户端的专业性」和「大模型的表达能力」放在同一台机器上，值得一装一试。

**仓库**：https://gitee.com/CodeYG/db-ai-pro
**下载**：https://gitee.com/CodeYG/db-ai-pro/releases

---

*本文用于技术社区转载时，请保留项目链接；欢迎反馈真实使用场景，帮助项目持续迭代。*