OpenBI

工具介绍

## 这是什么 传统开源 BI 往往逼你写 SQL、养数据团队，或者把库连到别人的云。OpenBI 想走另一条路：Docker 一键自托管，把库接上后，用大白话提问，背后用 text-to-SQL 跑查询，再把结果变成图表和仪表盘——数据全程留在你自己的机器上。 它把自己定位成「AI-native」BI：聊天、知识库、看板、导出、定时推送、甚至 Telegram 机器人串在一条链上，而不是「先做完传统 BI 再贴一个 Chat 插件」。 ## 能打的地方 - **对话查数 + 可审计 SQL**：用自然语言提问，经 MindsDB 转成 SQL 打到在线库，并回显实际执行的 SQL，方便核对「AI 到底查了什么」。 - **结构化 + 文档一起问**：除了 Postgres/MySQL 等库，还可上传 PDF、CSV、Excel、Markdown 做向量检索；同一条回答里可以混活数据与制度/纪要类文档（RAG）。 - **结果直接变看板**：聊天结果可自动生成 AntV G2 图表或透视表，Gridstack 拖拽排布，WebSocket 实时同步，团队同屏看变化。 - **导出与分发一条龙**：一键 PDF（带版本历史，存 MongoDB GridFS）；PPTX 走自托管 Presenton，按看板上下文生成可编辑幻灯片；Cron 定时刷新看板，经邮件 / Telegram / Webhook 推送。 - **移动端与连接面**：完整 Telegram Bot（浏览看板、提问、收 PDF/PPTX、切项目与 agent）；宣称 90+ 数据源（含 Snowflake、BigQuery、Stripe、HubSpot、Shopify、GitHub、Notion 等），凭据 Fernet 加密落盘。 ## 适合谁 · 谁不用碰 **适合**：有 Docker 运维能力、数据敏感不愿上 SaaS BI 的小团队；业务同学想先「问一句出一张图」，分析师愿意盯 SQL 是否靠谱；需要把销售库和 PDF 纪要、制度文档放在同一套问答里的场景。 **先别碰**：要开箱即用、零运维的团队（这是 6 服务 Docker Compose，不是点一下注册）；强合规的商业产品要二次分发/改代码的（许可是 **CC BY-NC-ND**，非商业、禁止衍生，和常见 MIT 差很多）；需要成熟中文文档、大厂 SLA、复杂权限与数据治理的中大型数仓团队——项目仍很早期，GitHub 关注度也极低，当实验可以，当核心报表平台风险偏高。 ## 上手门槛 代码与说明主要在 GitHub / Product Hunt 英文语境，**未宣称中文界面**，大陆拉镜像/读文档通常要过网络门槛。部署形态是 Docker Compose 多服务，还要自备 LLM 与各数据源连接；免费体现在「软件本身开源可自建」，算力、API 和运维成本在你这边。注册学习曲线中等偏高：会 Docker 能跑起来，但要把 text-to-SQL、agent、知识库和定时任务调稳，需要一点耐心和排错能力。许可务必自行核对：非商业限制可能卡死公司内部规模化使用。 ## 和同类怎么选 | 维度 | OpenBI | Metabase | Apache Superset | | --- | --- | --- | --- | | 核心定位 | AI 对话优先的自托管 BI（text-to-SQL + RAG + 导出/机器人） | 成熟开源 BI，问数与看板并重 | 重量级开源可视化/SQL 实验室 | | 价格模式 | 开源自托管（CC BY-NC-ND） | 开源 + 商业版 | 纯开源（Apache） | | 易用性 | 对话门槛低，部署与调参偏重 | 业务向友好，生态成熟 | 灵活但学习曲线陡 | | 大陆可用性 | 自托管可控；获取与文档偏海外 | 社区与资料多，自托管常见 | 同上，企业实践多 | 具体以各家官网为准。 一句话：要「稳、合规商用、社区大」选 Metabase/Superset；要「全栈 AI 聊天 + RAG + Telegram/PPT 导出」且能接受早期项目与 NC 许可，再试 OpenBI。 ## 值不值得试 **小众才需要试**——方向清楚，功能拼图也全，但成熟度与许可都还没到「直接上生产」那一档。有自托管硬需求、又想验证「全员用中文/英文问库」的团队，用测试库跑一周 Docker 最划算；已经有人在用 Metabase 且只差一个 Chat 插件的，不必为了概念整体搬家。