📄 工具详情 ⚙️ 安装教程 📚 使用教程
能力标签
🤖 Agent🐳 Docker🔗 REST API
pg_sage
⚙️
Agent工作流

pg_sage

基于 Go · 无代码搭建完整 AI 自动化流程
⭐ 11 Stars 🍴 5 Forks 💻 Go 📄 AGPL-3.0 🏷 AI 7.5分
7.5AI 综合评分
workflowai-agentalloydbauroracloud-sqldatabase-monitoringgo
⬇ 下载源码（GPL） ⚙️ 配置说明 📺 TG 频道
✦ AI Skill Hub 推荐

AI Skill Hub 推荐使用：pg_sage 是一款优质的Agent工作流。AI 综合评分 7.5 分，在同类工具中表现稳健。如果你正在寻找可靠的Agent工作流解决方案，这是一个值得深入了解的选择。

📚 深度解析

pg_sage 是一套完整的 AI Agent 自动化工作流方案。随着 AI 能力的不断提升，基于 Agent 的自动化工作流正在成为提升个人和团队效率的核心方式。区别于传统的 RPA 自动化（模拟鼠标键盘操作），AI Agent 工作流通过理解任务意图、动态规划执行路径，能够处理更复杂的非结构化任务。

pg_sage 工作流的设计遵循"最小配置，最大复用"原则：核心逻辑已经封装好，用户只需配置自己的 API Key 和业务参数即可快速上手。工作流内置错误处理和重试机制，在网络波动或 API 限速等情况下仍能稳定运行，适合作为生产环境的自动化基础设施。

在实际部署时，建议先在测试环境中运行 3-5 次，验证各个环节的输出结果符合预期，再部署到生产环境。AI Skill Hub 评分 7.5 分，是同类 Agent 工作流中的精选推荐。

📋 工具概览

pg_sage：开源AI工作流，监控、分析和优化PostgreSQL 14-1，提高数据库性能和安全性。

pg_sage 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。

GitHub Stars
⭐ 11
开发语言
Go
支持平台
Windows / macOS / Linux（跨平台）
维护状态
轻量级项目，按需更新
开源协议
AGPL-3.0
AI 综合评分
7.5 分
工具类型
Agent工作流
Forks
5

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

pg_sage：开源AI工作流，监控、分析和优化PostgreSQL 14-1，提高数据库性能和安全性。

pg_sage 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。

📌 核心特色
  • 可视化 Agent 工作流编排，无需编写复杂代码
  • 支持多步骤自动化任务链，实现全流程无人值守
  • 与外部 API、数据库和第三方服务无缝集成
  • 内置错误处理与自动重试机制，保障稳定运行
  • 提供可复用的自动化模板，快速在同类场景部署
🎯 主要使用场景
  • 自动化日常重复性工作，将精力集中于创造性任务
  • 构建数据采集 → 处理 → 输出的完整自动化管线
  • 实现跨平台、跨系统的数据流转和业务协同
以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。
安装命令
# 方式一：go install（推荐）
go install github.com/jasonmassie01/pg_sage@latest

# 方式二：从源码编译
git clone https://github.com/jasonmassie01/pg_sage
cd pg_sage
go build -o pg_sage .

# 方式三：下载预编译二进制
# 访问 Releases 页面下载对应平台二进制文件
# https://github.com/jasonmassie01/pg_sage/releases
📋 安装步骤说明
  1. 访问 GitHub 仓库获取工作流文件
  2. 在对应平台（Dify / Flowise / Make 等）中找到「导入工作流」功能
  3. 上传工作流文件
  4. 按照提示配置必要的环境变量和 API Key
  5. 运行测试确认流程正常后投入使用
以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。
常用命令 / 代码示例
# 查看帮助
pg_sage --help

# 基本运行
pg_sage [options] <input>

# 详细使用说明请查阅文档
# https://github.com/jasonmassie01/pg_sage
以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。
配置示例
# pg_sage 配置说明
# 查看配置选项
pg_sage --config-example > config.yml

# 常见配置项
# output_dir: ./output
# log_level: info
# workers: 4

# 环境变量（覆盖配置文件）
export PG_SAGE_CONFIG="/path/to/config.yml"
📑 README 深度解析 真实文档 完整度 44/100 查看 GitHub 原文 →
以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

pg_sage

License: AGPL-3.0 Go PostgreSQL

Agentic Postgres DBA. No extension required.

Features

AreaWhat You Get
**Cases Work Queue**Findings, incidents, migration risks, and action history are projected into ranked DBA cases with why-now context and next actions
**Incident Playbooks**Runaway queries, lock blockers, connection exhaustion, WAL/replication risk, and sequence exhaustion become typed diagnostics or reviewed action scripts
**Vacuum/Bloat/Freeze Autopilot**Table bloat, dead tuples, XID runway, freeze blockers, and per-table autovacuum tuning produce guarded candidates with verification plans
**Query Tuning Beyond Hints**Query rewrites, broken-hint retirement, CREATE STATISTICS, parameterization, and repeated role-level work_mem patterns become reviewable actions with verification steps
**Provider Capability Adapters**Cloud SQL, AlloyDB, RDS, Aurora, and self-managed Postgres expose provider-specific extension paths, log access, limitations, and action readiness
**Agent DB Deployments**Provision local agent schemas/databases, run gated cloud provisioning for RDS/Cloud SQL/Lakebase, track pings, cost, backups, cleanup, blueprints, Terraform, and agent-facing query recommendations
**DDL Safety + PR/CI Output**Migration-risk cases include lock/rewrite/live-risk preflight, guarded migration SQL, rollback or forward-fix guidance, verification SQL, and PR-ready metadata
**Rules Engine**20+ deterministic checks: duplicate/unused/missing indexes, slow queries, regressions, seq scans, vacuum & bloat, dead tuples, sequence exhaustion, replication lag, security audit, config drift
**Index Optimizer**LLM-powered recommendations validated through 8 checks + HypoPG cost estimation, confidence scored 0.0--1.0
**Config Advisors**6 LLM advisors: vacuum tuning, WAL/checkpoint, connections, memory, query rewrite, bloat remediation
**Health Briefings**Periodic LLM-generated summaries of database state; interactive diagnose via ReAct loop
**Trust-Ramped Executor**Observation -> Advisory -> Autonomous. Typed actions carry risk tier, guardrails, expiration, rollback/mitigation, and verification state. HIGH-risk actions always require approval.
**Shadow Mode**Shows avoided toil and proof rows for actions pg_sage would have handled under auto-safe policy before teams turn on autonomous execution
**Fleet Mode**Monitor N databases from one binary with per-database trust levels, token budgets, and health scores
**Per-Query Tuner**EXPLAIN plan analysis with pg_hint_plan directives for disk sorts, hash spills, bad joins, missed index scans
**Workload Forecaster**Predicts disk growth, connection saturation, cache pressure, sequence exhaustion, query volume spikes, checkpoint pressure
**Alerting**Slack, PagerDuty, and webhook channels with per-severity routing, cooldown, and quiet hours
**Dashboard & API**React SPA + REST API embedded in the binary -- Overview, Cases, Actions, Fleet, Settings, authenticated by default
**Prometheus**Standard /metrics endpoint with findings, collector, LLM, executor, and database size gauges

Docker

docker run --name pg_sage \ -e SAGE_DATABASE_URL="postgres://sage_agent:pw@host:5432/mydb" \ -p 8080:8080 -p 9187:9187 ghcr.io/jasonmassie01/pg_sage:latest 


Dashboard at `http://localhost:8080` -- API and Prometheus metrics at `:8080/api/v1/` and `:9187/metrics`.

On first start, pg_sage creates `admin@pg-sage.local` and prints a one-time
initial admin password to stderr. The dashboard and JSON API use the
`sage_session` login cookie; unauthenticated API calls return `401`.

For Docker, retrieve the password with:
bash docker logs pg_sage 2>&1 | grep 'INITIAL ADMIN PASSWORD' ```

Building from Source

Requires Go 1.24+ and Node.js 20+. See docs/installation.md for details.

cd sidecar
cd web && npm ci && npm run build && cd ..
go build -o pg_sage ./cmd/pg_sage_sidecar/

Quick Start

```bash

🎯 aiskill88 AI 点评 A 级 2026-06-13

pg_sage是一个开源的AI工作流，使用Go语言编写，提供了监控、分析和优化PostgreSQL 14-1的功能，适合数据库管理员和开发者使用，评分7.5分，推荐使用。

📚 实用指南（长尾问题）
适合谁
  • 构建多智能体协作系统的 Agent 开发者
最佳实践
  • 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
  • Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
常见错误
  • API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
  • 容器内无法访问宿主机 localhost — 使用 host.docker.internal
部署方案
  • Docker：pg_sage 提供官方镜像，docker compose up 一键启动
  • 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
相关搜索
pg_sage 中文教程pg_sage 安装报错怎么办pg_sage Docker 部署pg_sage Agent 工作流pg_sage 与同类工具对比pg_sage 最佳实践pg_sage 适合谁用

⚡ 核心功能

👥 适合谁
  • 构建多智能体协作系统的 Agent 开发者
⭐ 最佳实践
  • 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
  • Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
⚠️ 常见错误
  • API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
  • 容器内无法访问宿主机 localhost — 使用 host.docker.internal

👥 适合人群

自动化工程师和运维人员项目经理和业务分析师希望减少重复性工作的专业人士数字化转型团队

🎯 使用场景

  • 自动化日常重复性工作，将精力集中于创造性任务
  • 构建数据采集 → 处理 → 输出的完整自动化管线
  • 实现跨平台、跨系统的数据流转和业务协同

⚖️ 优点与不足

✅ 优点
  • +大幅减少重复性人工操作
  • +可视化流程，清晰直观
  • +可扩展性强，支持复杂场景
⚠️ 不足
  • −初始配置和调试需投入一定时间
  • −强依赖外部服务的稳定性
  • −复杂场景需具备一定技术基础
⚠️ 使用须知

该工具使用 AGPL-3.0 协议，商用场景请仔细阅读协议条款，必要时咨询法律意见。

AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。

📄 License 说明

⚠️ AGPL 3.0 — 最严格的 Copyleft，网络服务端使用也需开源，SaaS 使用受限。

🔗 相关工具推荐

LangChain AI开发框架
Agent工作流
ai-agents-for-beginners Agent工作流
微软官方开源项目，提供12堂系统课程学习AI智能体框架。涵盖工作流设计、RAG检索增强、多智能体协作等核心技能。适合AI
n8n AI工作流自动化
Agent工作流
LangFlow 可视化AI开发
Agent工作流
📚 相关教程推荐
天涯社区重启：一个时代结束后，AI社区时代正在开始
帮助中心 · AI Skill Hub
📰 相关 AI 新闻
AI Agent 自主化能力最新进展
AI 资讯 · 知识关联
AI Agent 自主化能力最新进展
AI 资讯 · 知识关联
AI Agent 自主化能力最新进展
AI 资讯 · 知识关联
AI 前沿资讯：The Future of Software is Besp…
AI 资讯 · 知识关联
🍿 AI 圈相关吃瓜
设计 Agent 说能生成 71 个系统，我的 Figma 还在加载
AI 圈观察
设计 Agent 说能生成视频，我信了
AI 圈观察
设计 Agent 说能生成视频，我的显卡表示有话说
AI 圈观察
🗺️ 相关解决方案
agent
ai-agent-workflow
docker
docker-deploy
🧩 你可能还需要
基于当前 Skill 的能力图谱，自动补全的工具组合
CrewAI 多代理协作平台
MCP · Agent · 工作流
gptme Agent工作流
MCP · Agent · 工作流
技能寻求者
MCP · Agent · 工作流
LEANN AI技能包
MCP · Agent · 工作流
Synthadoc
MCP · Agent · 工作流
total-agent-memory MCP工具
为Claude Code和Codex CLI提供持久化记忆功能的开源MCP工具。自动提取知识图谱，支持多轮对话上下文保留，适合需要长期记忆和

❓ 常见问题 FAQ

pg_sage 是一款Go开发的AI辅助工具。开源AI工作流：An Agentic PostgreSQL DBA— monitors, analyzes, and optimizes any PostgreSQL 14-1。⭐11 · Go 主要应用场景包括：pg_sage适用于需要监控和优化PostgreSQL 14-1的数据库管理员和开发者。。
💡 AI Skill Hub 点评

总体来看，pg_sage 是一款质量良好的Agent工作流，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。

⬇️ 获取与下载
⬇ 下载源码（GPL）
⚠️ 本工具使用 AGPL-3.0 协议。您可以自由下载和使用，但衍生作品必须以相同协议开源，不可商业闭源。使用前请确认符合协议要求。
📚 深入学习 pg_sage
查看分步骤安装教程和完整使用指南，快速上手这款工具
⚙️ 安装教程 📚 使用教程
🌐 原始信息
原始名称 pg_sage
原始描述 开源AI工作流：An Agentic PostgreSQL DBA— monitors, analyzes, and optimizes any PostgreSQL 14-1。⭐11 · Go
Topics workflowai-agentalloydbauroracloud-sqldatabase-monitoringgo
GitHub https://github.com/jasonmassie01/pg_sage
License AGPL-3.0
语言 Go
🔗 原始来源
🐙 GitHub 仓库  https://github.com/jasonmassie01/pg_sage

收录时间：2026-06-13 · 更新时间：2026-06-13 · License：AGPL-3.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。

📺 订阅 AI Skill Hub Daily Telegram 频道
每天 8 条精选 AI Skill、MCP、Agent 与自动化工具推送
加入频道 →