企业官网建设流程全解析

👾nao是一个开源的数据分析智能体（Analytics Agent）框架：用pip install nao-core一条命令安装 CLI，再执行nao init初始化项目，5分钟就能拥有属于自己的 AI 数据分析师。它能理解你的数据库表结构和业务规则，让业务同事用自然语言提问，直接得到图表和分析结论——而且完全自托管，数据不出内网。

🧠 为什么需要 nao 数据分析智能体？

传统 BI 工具要求用户自己拖拽报表，而 nao 的思路是"把问数据变成聊天"：

它不绑定特定技术栈：支持 PostgreSQL、Snowflake、BigQuery、DuckDB 等 12+ 种数据仓库，也能搭配 OpenAI、Anthropic、Gemini 等任意 LLM。

📦 第1步：30秒准备环境

只需一个 Python 环境（建议 3.10+）：

python --version # 确认版本

🚀 第2步：pip install 一键安装 nao-core

在终端执行：

pip install nao-core

安装完成即获得nao命令。按需追加数据库驱动和LLM 提供商，例如连接 PostgreSQL 并使用 OpenAI：

pip install 'nao-core[postgres,openai]'

常用 extras 速查（更多见 cli/README.md）：

• 数据库：postgres、bigquery、snowflake、duckdb、clickhouse、databricks、mysql等
• LLM：openai、anthropic、mistral、gemini、ollama（本地模型）
• 全家桶：pip install 'nao-core[all]'

⚙️ 第3步：nao init 初始化你的第一个项目

nao init

交互式向导会依次询问：

1. 项目名（必填）
2. 数据库连接（可选）
3. 同步 Git 仓库到上下文（可选）
4. LLM API Key（可选）
5. Slack 集成（可选）

💡 所有可选项都可以跳过，之后随时在nao_config.yaml中补配。

执行后会生成标准项目骨架：nao_config.yaml配置文件、RULES.md 业务规则文件，以及databases/、docs/、semantics/、agent/、tests/等目录。

🔄 第4步：nao sync 同步数据上下文

nao sync

这一步是 nao 的"灵魂"：它会自动把你数据库里的每张表生成为 Markdown 文档（列定义 + 数据预览），放进databases/目录，智能体靠这些文档理解你的数据。参考项目内置的完整示例，其配置见 example/nao_config.yaml（连接了一个本地 DuckDB 的 jaffle_shop 电商库），每张表的文档结构可参考 example/databases/。

🚪 第5步：nao chat 启动聊天界面

nao debug # 先验证数据库和LLM连通性 nao chat # 启动聊天服务

浏览器自动打开http://localhost:5005，输入你的第一个问题，比如「上个月哪个渠道收入最高？」——智能体会自己写 SQL、执行查询并返回带图表的答案。

✅ 加分项：nao test 单元测试你的智能体

上线前如何保证回答质量？nao 自带评估框架：在tests/目录写 YAML 文件，包含问题和期望 SQL，例如项目示例 example/tests/total_revenue.yml：

nao test # 批量跑测试 nao test server # 浏览器中查看通过率、token用量、成本

这让智能体性能可量化、可回归，是数据团队上线前的"安全网"。

🐳 不想用 pip？Docker 两条命令也能跑

docker pull getnao/nao:latest docker run -d --name nao -p 5005:5005 \ -e BETTER_AUTH_URL=http://localhost:5005 getnao/nao:latest

镜像自带示例项目，打开浏览器即可体验。

🗺️ 接下来去哪里

• 完整功能与项目介绍：README.md
• CLI 全部命令详解：cli/README.md
• 可运行的示例项目（含 DuckDB 电商库 + 语义层 + 测试用例）：example/
• 用技能包让 AI Agent 帮你创建 nao 项目：skills/README.md

从pip install到第一个智能体问答，5分钟足够。现在，去问问你的数据吧 🚀