conar
用自然语言对话操作数据库，AI 自动生成 SQL，覆盖 Web/桌面/CLI/MCP 全平台
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
用自然语言对话操作数据库，AI 自动生成 SQL，覆盖 Web/桌面/CLI/MCP 全平台
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
图1：Conar 官方 Logo
凌晨三点，你被一条慢查询惊醒。生产数据库里跑了一条涉及 7 张表关联的 SQL，执行时间超过 30 秒，但你根本不认识这套业务逻辑——这是上个月离职同事留下的遗产。你该怎么办？
大多数人的选择是：打开 Navicat，对着一堆表名发呆，翻文档，问同事，折腾半天才能定位问题。
Conar 想改变这一切。只需打开聊天窗口，输入「帮我找一下最近 7 天没下单的用户」，AI 直接生成 SQL，点击执行，问题解决。这就是 Conar——一个能「听懂人话」的数据库客户端。
Conar 由 Wannabe Space, LLC 开发，GitHub 仓库创建于 2024 年 11 月，截至 2026 年 6 月已获得 1,394 个 Star 和 106 个 Fork，项目处于积极维护状态（最近一次提交于 2026 年 6 月 12 日）。
项目的核心理念是降低数据库操作的技术门槛。传统的数据库客户端（如 Navicat、DBeaver、pgAdmin）要求用户具备一定的 SQL 编写能力，而 Conar 通过集成多模型 AI（Claude、GPT-4o、Gemini），让任何人都可以用自然语言与数据库「对话」。
作者团队在文档中直接表明了产品定位：「Tamery（Conar 的 Web 版）是专门为数据库工作设计的 AI 客户端——无论你是检查生产数据的后端工程师、运行即席查询的数据分析师，还是与同事一起审查 schema 的团队负责人，Tamery 都能让你在统一的界面中连接、探索和查询数据库。」
Conar 的 AI 助手并非通用聊天机器人，而是具备数据库 Schema 感知的专业助手。它能够：
SELECT 查询，INSERT、UPDATE、DELETE、DROP 等写操作必须用户手动确认Conar 支持 Claude（Anthropic）、GPT（OpenAI）、Gemini（Google）、XAI 四大模型，用户可根据需求切换。模型选择属于订阅功能，免费用户模型选择有限。
可视化浏览数据库 schema 和表数据，支持行过滤、列排序、内联编辑单元格，无需写 SQL 即可对数据进行增删改查操作。
基于 Monaco Editor（VS Code 同款），提供完整的语法高亮、键盘快捷键、多标签页，查询结果以丰富的数据网格呈现。
交互式 ER 图，帮助理解数据库结构，支持浏览 enum、索引、约束、函数、触发器、行级安全策略等定义。
图2：Conar Web 版界面（来源：conar.app/github-demo.png）
Conar 提供四种使用形态，适应不同场景：
| 平台 | 技术栈 | 适用场景 |
|---|---|---|
| Web App（tamery.app） | React + Vite + TypeScript | 浏览器即用，免安装 |
| Desktop App | Electron + ToDesktop | 离线优先，数据本地优先 |
| CLI | Node.js >= 20 + TypeScript | 终端用户，无 GUI 环境 |
| MCP Server | Hono + oRPC | 接入 AI 编程工具（如 Cursor、Claude Code） |
项目还提供 AUR 包（Arch Linux），可通过 yay -S conar-bin 一键安装。
项目采用 pnpm workspace + Turbo 管理多包结构，目录分层清晰：
apps/
├── api/ # 后端 API（Hono + oRPC + Drizzle ORM）
├── app/ # Web 前端（React + TanStack 套件）
├── main/ # 主站前端（ToDesktop 桌面入口）
├── desktop/ # Electron 桌面渲染进程
├── cli/ # 命令行工具（Node.js >= 20）
└── proxy/ # 代理服务
packages/
├── ai/ # AI SDK 封装（ai-sdk + Context7）
├── db/ # Drizzle ORM schema 定义
├── connection/# 数据库连接管理（pg/mysql2/mssql/clickhouse）
├── shared/ # 共享类型与工具
├── ui/ # UI 组件库（shadcn/ui）
├── infisical/ # 密钥管理集成
└── query-proxy/# 查询代理服务
engines.bun >= 1.3.0，明确约束）Conar 的安全设计值得称道。数据库连接字符串使用用户级密钥加密存储，支持两种同步模式：
底层使用 Infisical 管理所有敏感配置，支持自托管，企业可用。
packages/ai 模块整合了多个 AI 能力来源：
@upstash/context7-tools-ai-sdk 获取最新库文档，解决 LLM 训练数据过时问题AI 助手的 Schema 感知能力来自 @conar/connection 包——它能读取数据库元数据并注入 AI 上下文，使模型生成的 SQL 准确率大幅提升。
Web 版（tamery.app）零配置即可使用，桌面版下载即装。对于 Linux 用户，可通过 AUR 安装 conar-bin。
CLI 版需 Node.js >= 20：npx conar 或 npm install -g conar。
本地开发环境配置复杂度较高，需要：
# 1. 安装依赖（Bun + pnpm）
bun >= 1.3.0
pnpm install
# 2. 启动基础设施（PostgreSQL + Redis + Infisical）
pnpm run docker:start
# 3. 运行数据库迁移
pnpm run drizzle:migrate
# 4. 启动所有服务（通过 Portless 提供本地 HTTPS）
pnpm run dev
服务地址通过 Portless 提供本地 HTTPS 域名（.local.conar.app），绕过了本地开发 HTTPS 证书问题。
开发依赖较重：需要同时运行 PostgreSQL + Redis + Infisical 三个基础设施，且 Infisical 配置有硬编码的 dev key（安全风险，不适合生产直接参考）。
项目缺少生产环境 Dockerfile 和 docker-compose.yml。docker-compose.dev.yml 仅用于本地开发，包含 Infisical 等服务，直接用于生产存在密钥泄露风险。需要在生产环境自行构建部署方案。
AI 助手的效果高度依赖模型能力，非付费用户可用的模型有限。部分复杂查询（如涉及递归 CTE、窗口函数）的生成质量不稳定。用户反馈仓库中有 45 个 open issues，其中不乏关于 AI 生成 SQL 准确性的讨论。
仓库名为 conar，文档网站为 tamery.app，产品 Logo 图为 conar.app。主站 conar.app 重定向到 tamery.app。这种多品牌混淆对开源社区传播造成一定障碍。
engines.bun >= 1.3.0 的硬约束限制了 Node.js 生态的通用兼容性。虽然 Node.js >= 20 对 CLI 是宽松的，但 monorepo 主体必须使用 Bun，对于不熟悉 Bun 的团队有一定学习曲线。
项目使用 AGPL-3.0 许可证，但核心 AI 功能属于订阅付费。这种「核心功能闭源，服务端在线」的模型与 AGPL 的开源精神存在张力——本地运行的代码是开源的，但最有价值的 AI 能力需要付费。
Conar 代表了一个新兴趋势：AI Native Database Client。在此之前，数据库客户端的进化路线是：性能优化（Navicat）→ 跨平台（DBeaver）→ 云端化（PlanetScale、Neon）。Conar 开辟了第四条路：对话化。
类似的竞品包括：
但 Conar 的差异化在于平台覆盖最全面——从 Web 到桌面到 CLI 再到 MCP Server，提供了完整的端到端体验，而非单一工具。
项目 2024 年 11 月才创建，半年内 Star 突破 1300，说明市场对「AI + 数据库」工具有真实需求。2025-2026 年随着 LLM 推理成本下降和上下文窗口扩大，这类工具的实用价值将进一步提升。
Conar 是一款产品定位清晰、技术选型现代、用户体验优先的 AI 数据库客户端。它用自然语言弥合了 SQL 门槛与真实业务需求之间的鸿沟，四端覆盖（Web/Desktop/CLI/MCP）让不同技术背景的用户都能受益。
优势：
劣势：