Vanna AI
的使用方法、功能与可解决的业务课题

使用方法

1. 安装

   将 Vanna 作为 Python 包引入（通过 pip 安装）。可根据使用场景集成到 Jupyter、Flask（FastAPI）、Streamlit、Slack 等环境中。

2. 选择 LLM 和向量存储

   配置所使用的 LLM（如 OpenAI、Anthropic、Google Gemini、Ollama 本地模型等）以及用于保存学习内容的向量存储。

3. 训练

   输入数据库的 DDL（表定义）、业务知识文档、问题与 SQL 的配对样本等进行训练。这些训练数据将作为 RAG 的检索来源，从而提升生成 SQL 的准确性。

4. 用自然语言提问

   以自然语言提问（例如"上个月销量最高的 10 款产品是什么？"），Vanna 会通过 Agentic Retrieval 检索相关信息并生成对应的 SQL。

5. 执行与可视化

   将生成的 SQL 在数据库中执行，获取结果表格、图表和摘要。可通过内置的 Web 聊天组件或 UI 进行交互式使用。

功能

• 自然语言转 SQL（Text-to-SQL）

  根据自然语言问题，生成适用于目标数据库的精准 SQL。借助 RAG（检索增强生成），可结合已训练的表结构和业务知识进行生成。

• RAG 训练（DDL、文档、SQL 示例）

  通过提供表定义（DDL）、业务文档、问题与 SQL 配对样本作为训练数据，可实现针对自有数据的优化生成。

• 多数据库支持

  支持 PostgreSQL、MySQL、Snowflake、BigQuery、Redshift、SQLite、Oracle、SQL Server、DuckDB、ClickHouse 等主流数据库。

• 多 LLM 与向量存储支持

  支持 OpenAI、Anthropic、Google Gemini、Azure、AWS Bedrock、Mistral、Ollama（本地）等多种 LLM，以及各类向量存储，可灵活替换组合。

• 多轮对话与可视化

  支持多轮对话，并以表格、图表、摘要等形式返回结果。同时提供内置的 Web 聊天组件。

• 访问控制与审计（高级功能）

  具备行级安全性（按用户限制查询范围）、审计日志、速率限制等面向生产环境的功能（云端/企业版）。

价格

以下价格信息截至 2026 年 6 月。Vanna 的核心框架采用 MIT 许可证开源，自托管完全免费（使用的 LLM API 费用另计）。云端/企业版价格可能变动，请以官网最新信息为准。

※OSS 框架本身免费，但生成时使用的 LLM（如 OpenAI）API 费用需另行支付。此外，官方 GitHub 仓库已于 2026 年 3 月 29 日归档（设为只读）。使用前请在官网确认最新的提供状态。

优点与缺点

优点

• 可用自然语言查询内部数据，即便不熟悉 SQL 的人员也能轻松进行数据分析
• 采用 MIT 许可证的开源框架，自托管即可免费集成到自有环境
• 可自由组合主流数据库、主流 LLM 及各类向量存储
• 通过训练 DDL 和业务知识，可实现针对自有数据的优化生成

缺点

• 部署和运维需要具备 Python 及 RAG 的基础知识
• 生成 SQL 的准确性依赖于训练数据的质量，需以验证和防护机制为前提
• UI 和文档以英文为主
• 官方仓库已归档，后续更新方向需以官方说明为准

用户评价

• 工程师和数据负责人评价称"训练了 DDL 和业务知识后，能以较高精度生成符合自有数据的 SQL"。
• 有用户表示"可以开源自托管，还能自由组合喜欢的 LLM 和数据库，灵活性很好"。
• 另一方面，也有"以英文为主""必须验证生成的 SQL""训练数据的质量决定成败"等反馈。

常见问题（FAQ）

Q. Vanna AI 可以免费使用吗？

核心框架采用 MIT 许可证开源，自托管完全免费。但生成时使用的 LLM（如 OpenAI）API 费用需另行支付。此外还提供具备运营功能的云端/企业版。

Q. 支持哪些数据库？

支持 PostgreSQL、MySQL、Snowflake、BigQuery、Redshift、SQLite、Oracle、SQL Server、DuckDB、ClickHouse 等主流数据库。

Q. 不懂 SQL 也能使用吗？

用自然语言提问即可获得 SQL 和结果（表格、图表、摘要），即便不熟悉 SQL 的人员也能用于内部数据分析。但对于重要的分析，建议验证生成的 SQL。

Q. 支持中文吗？

UI 和文档以英文为主，未提供中文界面。

Vanna AI 与其他开发及数据支持工具的区别

如需更详细的对比，请参阅相关服务的各页面。