开源AI工作流
AI Skill Hub 推荐使用：开源AI工作流 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
开源AI工作流 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
专门为 AI Agent 设计的本地数据分析与处理技能包，解决日常办公场景下的高频、复杂数据分析任务
开源AI工作流 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。
📖 中文文档
专门为 AI Agent 设计的本地数据分析与处理技能包，解决日常办公场景下的高频、复杂数据分析任务
开源AI工作流 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。
- 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
- 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
# 方式一：pip 安装（推荐）
pip install echart-skill
# 方式二：虚拟环境安装（推荐生产环境）
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install echart-skill
# 方式三：从源码安装（获取最新功能）
git clone https://github.com/lgwanai/echart-skill
cd echart-skill
pip install -e .
# 验证安装
python -c "import echart_skill; print('安装成功')"
- 访问 GitHub 仓库获取工作流文件
- 在对应平台（Dify / Flowise / Make 等）中找到「导入工作流」功能
- 上传工作流文件
- 按照提示配置必要的环境变量和 API Key
- 运行测试确认流程正常后投入使用
# 命令行使用
echart-skill --help
# 基本用法
echart-skill input_file -o output_file
# Python 代码中调用
import echart_skill
# 示例
result = echart_skill.process("input")
print(result)
# echart-skill 配置文件示例（config.yml） app: name: "echart-skill" debug: false log_level: "INFO" # 运行时指定配置文件 echart-skill --config config.yml # 或通过环境变量配置 export ECHART_SKILL_API_KEY="your-key" export ECHART_SKILL_OUTPUT_DIR="./output"
Echart Skill — Enterprise Agent BI
<p align="center"> <strong>本地优先 · 安全合规 · 企业级数据分析 Agent</strong> </p>
<p align="center"> <a href="README_EN.md">🇬🇧 English</a> | <b>🇨🇳 中文</b> </p>
<p align="center"> <img src="https://img.shields.io/badge/version-2.1.0-blue" alt="Version"> <img src="https://img.shields.io/badge/python-3.10+-green" alt="Python"> <img src="https://img.shields.io/badge/license-MIT-yellow" alt="License"> <img src="https://img.shields.io/badge/charts-27_types-orange" alt="Charts"> <img src="https://img.shields.io/badge/recipes-354-purple" alt="Recipes"> </p>
---
Echart Skill 不是单纯的图表生成器，而是一套面向企业数据分析全流程的 本地 Agent BI 能力包——将专业数据分析师的工作流（导入→清洗→口径定义→质量评估→分析→可视化→报告→审计）压缩为一个可复用的 AI Agent Skill。
核心主张：让企业在不引入重型 BI 平台、不上传业务数据、不把敏感数据交给大模型的前提下，用 AI Agent 完成专业、可审计、可交付的数据分析。
---
核心能力图谱
┌──────────────────────────────┐
│ 企业决策与交付层 │
│ Dashboard │ Report │ 导出 │
└────────────┬─────────────────┘
│
┌──────────────────────┼──────────────────────┐
│ │ │
┌─────────▼─────────┐ ┌────────▼────────┐ ┌─────────▼─────────┐
│ 分析与洞察层 │ │ 预测与归因层 │ │ 可视化引擎层 │
│ Insight Engine │ │ Forecast/Attrib │ │ 27类 · 354配方 │
│ 7 种洞察模式 │ │ 4 种方法 · 钻取 │ │ 地图 · 3D · 关系 │
└─────────┬─────────┘ └────────┬────────┘ └─────────┬─────────┘
│ │ │
└──────────────────────┼──────────────────────┘
│
┌────────────▼────────────┐
│ 数据治理层 │
│ 口径 │ 质量 │ 血缘 │
│ 审计 │ 隐私 │ 脱敏 │
└────────────┬────────────┘
│
┌────────────▼────────────┐
│ 数据基础层 │
│ Import │ Clean │ DB │
│ DuckDB │ 外部数据库 │
└─────────────────────────┘---
环境要求
- Python 3.10+
- Windows / macOS / Linux
2. 安装依赖
pip install -r requirements.txt # 完整安装（~100 MB）
快速开始
安装
```bash
4. 开始使用
🏢 企业级工作流集成
Echart Skill 深度融入企业数据管理体系，不只是查询工具：
- 自定义统计口径：通过
/scope定义全局/项目级业务指标（如 GMV、客单价、转化率），保证不同报告和 Dashboard 使用同一口径。项目级口径仅在项目目录及子目录生效，互不干扰。 - 自定义表结构数据描述：通过
/schema管理表结构定义（列名、类型、含义、主外键），Agent 生成 SQL 时自动引用精确的字段描述，避免猜测字段含义导致的查询错误。 - 三级配置体系：全局 → 项目级 → 运行时配置，数据库连接、表结构定义、统计口径均可按级别管理。
- 外部数据库直连：支持 MySQL / PostgreSQL / MongoDB 直连查询，无需预先导入 DuckDB；连接密码使用
${ENV_VAR}环境变量占位符，SQL 执行统一走scripts/sql_runner.py/scripts/db_cli.py，杜绝硬编码和临时 Python 片段。 - 企业级输出门禁：任何查询、导出、报告、图表和 Dashboard 都必须具备统计口径、数据血缘/来源、生成时间、证据引用和专业版式；查询/导出自动生成
.meta.json旁路元数据，HTML 产物通过静态质量门拦截坏布局。 - 图表数据可核验：每个图表区域必须提供“查看数据”按钮，默认隐藏对应数据表，点击后可查看该图实际使用的汇总数据或明细样本。
- 数据轮询刷新：支持 HTTP API / 外部数据库定时轮询，自动刷新本地分析表。
- 非破坏式操作：所有数据修改创建新表或视图，支持任意步骤回退（Undo）。
FAQ
Q: 数据安全如何保证？ A: 原始数据仅存在于本地 DuckDB，大模型只接收 schema 和聚合结果。PII 自动检测脱敏，支持按列标记敏感级别。详见安全架构。
Q: 和传统 BI 工具（Tableau、Power BI）的区别？ A: Echart Skill 是 Agent BI——通过自然语言与 AI 交互完成分析，无需手动拖拽配置。同时它无需部署服务端、可离线运行、数据不出本地。适合需要专业分析但不想引入重型 BI 平台的场景。
Q: 如何定义我们公司的业务指标口径？ A: 使用 /scope set --level global --name "指标名" --desc "计算规则" 定义全局口径；不同项目可用 /scope set --level project 覆盖。Agent 在生成报告和 Dashboard 时自动引用当前生效口径。
Q: 如何让 Agent 准确理解我们数据库表的字段含义？ A: 使用 /schema add 为表的每个列提供中文描述、数据类型、合法值范围和主外键关系。Agent 会在生成 SQL 时精确引用，显著提升查询准确率。
Q: 支持连接公司已有的数据库吗？ A: 支持。/dbconn 管理 PostgreSQL/MySQL/MongoDB 连接，密码通过 ${ENV_VAR} 环境变量传入。SQL 查询使用 scripts/sql_runner.py --profile <name>，导入本地分析库使用 scripts/db_cli.py import，避免临时 Python 造成连接泄露、审计缺失和 SQL 拼接错误。
Q: 生成的报告和图表能否直接交付给客户？ A: 可以。Dashboard 和 Report 使用企业级 HTML 骨架，支持深色/亮色主题、PDF 导出、打印优化，图表为 ECharts 交互式可视化，可直接作为交付物。
Q: 分析过程是否可审计？ A: 完全可审计。/audit-report --date YYYY-MM-DD 按天输出指令、查询表、列、行数、脱敏状态、分类级别和 query hash。/lineage 追踪产物完整数据血缘。
---
Echart Skill v2.0.0 是一个专门为 AI Agent 设计的本地数据分析与处理技能包（Skill），它从图表生成器进化为 AI 分析助手，能够自动发现规律、生成报告、理解业务语义、维护对话上下文、预测趋势、解释变化。
Echart Skill v2.0.0 的亮点包括：绝对安全的数据隐私、AI 分析助手、27 种图表 + 356 官方案例、自包含单文件 HTML、Dashboard 自然语言生成、专业 Dashboard UI/UX 等。
Echart Skill v2.0.0 需要 Python 3.10+ 和支持的操作系统：Windows、macOS、Linux。
安装 Echart Skill v2.0.0 的步骤包括：下载并解压 Skill 包、安装 Python 依赖、配置环境变量等。
使用 Echart Skill v2.0.0 的示例输出包括：导入数据、生成图表、查看支持的图表类型、生成仪表盘等。
Echart Skill v2.0.0 的配置说明包括：地图配置、应用配置（echart_config.txt）、环境变量等。
Echart Skill v2.0.0 的 API/接口说明包括：创建符号链接、直接复制等。
Echart Skill v2.0.0 的工作流 / 模块说明包括：ECharts 图表生成工作流、硬性约束等。
Echart Skill v2.0.0 的常见问题（FAQ）包括：为什么导入大 Excel 时有点慢？、我发现 Agent 修改错数据了，怎么恢复？、支持连接外部的 MySQL 或 PostgreSQL 吗？等。
该项目提供了一个开源的 AI 工作流，适合 AI Agent 的数据分析和处理需求，但需要进一步优化和完善
- 构建多智能体协作系统的 Agent 开发者
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- Python 依赖冲突：建议用 venv / uv 隔离环境
- CLI：直接 npm install -g / pip install，命令行调用
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 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
- 构建多智能体协作系统的 Agent 开发者
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- Python 依赖冲突：建议用 venv / uv 隔离环境
👥 适合人群
🎯 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
- +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
- −未明确开源协议，商用场景需谨慎评估
- −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
该工具未明确声明开源协议，商业使用前请联系原作者确认授权范围，避免侵权风险。
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。
🔗 相关工具推荐
❓ 常见问题 FAQ
总体来看，开源AI工作流 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。
| 原始名称 | echart-skill |
| 原始描述 | 开源AI工作流：专门为 AI Agent 设计的本地数据分析与处理技能包（Skill），旨在解决日常办公场景下的高频、复杂数据分析任务。。⭐15 · Python |
| Topics | workflowpython |
| GitHub | https://github.com/lgwanai/echart-skill |
| 语言 | Python |
收录时间：2026-06-13 · 更新时间：2026-06-16 · License：未公布 · AI Skill Hub 不对第三方内容的准确性作法律背书。