DataFoundry：把 AI 变成可信的数据分析师，而不是 SQL 复读机

图1：DataFoundry Web 工作台界面

当 AI 走进企业数据库：信任危机才是真正的拦路虎

某天晚上，电商公司的数据分析师小林收到老板的消息：「能不能让 AI 帮我们查一下上个月各区域的复购率？」他打开了某款 AI SQL 工具，输入：「上个月各区域复购率是多少？」

AI 秒回了一段 SQL 和答案。小林照着在数据库里跑了一遍，发现数据跑飞了——原来 AI 根本不知道公司的「复购率」口径是「30天内有二次购买的用户」，它按字面意思理解成了「有购买记录的用户」。更糟糕的是，这段 SQL 在测试环境跑没问题，但如果直接在生产库跑，涉及的字段和表关联完全可能引发数据事故。

这个场景揭示了企业数据场景中 AI 落地的真实困境：团队最担心的从来不是「模型会不会写 SQL」，而是：它懂不懂业务口径？会不会误改生产数据？凭据会不会漏进上下文？结论出了问题能不能复盘？ 大多数工具把问题简化成 prompt → SQL → answer，demo 惊艳，进企业就卡死。

DataFoundry 正是为解决这个问题而生。它由 DataGallery 实验室开源，是一个企业级 Data Agent 工作台——把 AI Agent 放进一个有语义层、有权限管控、有证据链的数据任务系统里，让自然语言查询升级成可控、可信、可验证的数据工作。

从 AG-UI 生态里生长出来的数据工作台

DataFoundry 站在三个成熟开源技术的肩膀上：

• Mastra（@mastra/core）—— Agent runtime 引擎，处理多步推理、工具调用和记忆管理
• AG-UI（ag-ui-protocol/ag-ui）—— 前后端通信协议，基于 SSE 传输结构化事件流，Web UI 和 TUI 共用同一套 Agent 交互逻辑
• Ink（vadimdemedes/ink）—— 构建 TUI（终端用户界面），同一个 Agent runtime 在终端里也能工作

整个项目采用 TypeScript monorepo 架构（npm workspaces），分为 apps/（API、Web、TUI 三端）和 packages/（10个内部包）两大部分。这种架构让 Agent runtime 与 UI 层完全解耦：同一个后端可同时服务 Web 页面、终端界面和第三方产品的 CopilotKit/AG-UI 嵌入。

核心能力：五条链路撑起可信数据任务

DataFoundry 将一次数据查询拆解为一条完整链路：提出问题 → 对齐语义 → 受控执行 → 沉淀产出 → 回放复盘

语义对齐：从「猜字段」到「懂业务」

传统 NL2SQL 的核心痛点是 AI 不知道企业的「GMV」对应哪张表、哪个字段、口径是什么。DataFoundry 通过 Data Gateway 强制 schema-first：在 Agent 执行查询前，先让它检查数据源的 schema 和可用上下文，把「复购率」落到真实表和字段上。这大幅减少了字段猜测和错误关联，从根上提升分析准确性。

在 v0.2.0 中，团队引入了自研的 Data Link 技术——将表和字段连接到业务概念、实体、可 JOIN 路径和带置信度的关系，为 Agent 提供更强的语义支撑。

受控执行：只读边界 + SQL 审计

Data Gateway 是整个系统的安全中枢。所有数据源访问都经过这个适配层，默认只读查询，附带 SQL guard（防止危险 SQL 模式）、行数限制、超时控制和字段脱敏。每一条 SQL 都留下审计日志，可在运行历史中完整回放。模型 API Key、数据库凭据和 MCP Token 不会进入 Agent 的 messages 或 context，真正实现了凭据隔离。

28 类数据源，开箱即用

DataFoundry 原生支持 28 种数据源类型，覆盖主流关系型数据库（PostgreSQL、MySQL、Snowflake、BigQuery、ClickHouse）、NoSQL（MongoDB、Redis、Elasticsearch）和文件型数据（CSV、Excel、DuckDB、SQLite）。内置 DTC 增长经营复盘案例，开箱即用，无需准备业务数据即可体验完整流程。

图2：DataFoundry 支持的丰富数据源生态

可分支并发分析

v0.2.0 引入了一个关键能力：可分支的并发分析。多个会话可同时运行，恢复历史后可以从任意 checkpoint 创建新分支，不覆盖原分析路径。这解决了 AI 分析中「想对比不同假设」的真实需求——你可以从同一个起点出发，探索两条不同的分析路径。

三种界面形态

DataFoundry 提供了三种交互方式：Web 工作台（Next.js，适合日常分析）、TUI（Ink 终端，适合远程服务器）和 REST API + CopilotKit/AG-UI（嵌入自己的产品）。

图3：DataFoundry TUI 终端界面

图4：DataFoundry 数据任务运行全流程

技术架构：monorepo 里的职责分离

datafoundry/
├── apps/
│   ├── api/      # REST API 服务（Node.js，端口 8787）
│   ├── web/      # Next.js Web UI（端口 3000）
│   └── tui/      # Ink 终端界面
├── packages/
│   ├── agent-runtime/   # 核心，基于 Mastra 的 Agent runtime
│   ├── providers/       # LLM provider 适配（OpenAI-compatible）
│   ├── data-gateway/    # 数据源适配层 + 安全管控
│   ├── skills/          # 技能包（builtin/data-analysis 等）
│   ├── knowledge/       # 知识库支持
│   ├── artifacts/       # 产出物管理（表格、图表、报告）
│   ├── files/          # 文件管理
│   ├── metadata/       # 元数据管理
│   └── contracts/      # 类型协议
├── deploy/              # 部署配置（nginx）
└── docs/                # 完整文档（英文 + 中文）

核心依赖：@mastra/core（v1.46.0）Agent 编排引擎、@ag-ui/core（v0.0.57）AG-UI 协议、@mastra/memory Agent 记忆管理、@ai-sdk/openai 模型调用、zod（v4.2.1）运行时类型验证。100% TypeScript，Zod 做严格类型校验，整体质量评分较高。

部署体验：npm 起步，内置 demo 省去数据准备

部署难度为中等（3/5），需要 Node.js >= 22 环境且需配置 LLM API Key。但内置 DTC 案例数据无需额外准备：

git clone https://github.com/datagallery-lab/datafoundry.git
cd datafoundry
npm install
cp .env.example .env
# 编辑 .env，填入 LLM API Key（支持 OpenAI-compatible，qwen/deepseek/gpt 均可）
npm run build
npm run start:api    # 端口 8787
npm run start:web    # 端口 3000

打开 http://127.0.0.1:3000/login 注册登录，进入 /data-tasks，直接提问即可体验。局限：目前没有 Dockerfile 或 docker-compose，生产环境需要自己写部署脚本或使用 PM2/Supervisor 管理进程。

争议与局限：早期项目的真实状态

v0.2.0，仍在进化中：项目明确标注状态为「early but usable」，部分功能尚不完整：

1. 路线图功能尚未完成：统一语义层（指标、实体、血缘）、自主分析循环、评测基准和企业控制平面（RBAC、审批）仍在规划中。
2. 多租户和审计导出待完善：当前为基础密码认证模式，多租户鉴权和审计日志导出需按自身部署方案单独设计。
3. NLP 精度依赖语义层建设：企业语义层（业务口径定义）需要团队自行维护，是一笔不小的知识管理工作。

行业意义：重新定义企业 AI 数据分析的信任边界

NL2SQL 赛道已经非常拥挤。从开源的 Vanna.ai、SQLCoder，到各路 SQL Chatbot，都在解决「让非技术人员查数据库」的问题。但大多数产品停留在「demo 好用」阶段，原因是缺少三个关键能力：

1. 语义层：知道「业务口径」是什么，而不只是「字段名」是什么
2. 安全管控：凭据隔离、只读边界、审计回放，让 IT 部门敢放行
3. 任务化产出：不是一段 SQL，而是可沉淀、可复盘的数据资产

DataFoundry 在这三个维度上都做了系统性设计。它代表了企业 AI 数据分析工具的一个新方向：不是让 AI 替代数据分析师，而是给数据分析师一个可信的 AI 协作环境。对于需要私有化部署、对数据安全有要求的企业，DataFoundry 值得重点关注。