Datasette Agent
TL;DR · AI 摘要
Datasette Agent是首个结合LLM与Datasette的AI助手，支持通过对话查询数据并生成图表，基于Gemini 3.1 Flash-Lite模型运行，提供插件扩展能力。
核心要点
- Datasette Agent通过Gemini 3.1 Flash-Lite模型实现低成本快速SQL查询，支持对话式数据检索
- 提供三个插件扩展，包括图表生成、图像生成和代码执行，基于Observable Plot和OpenAI等工具
- 支持本地模型运行，如Gemma-4-26B-A4B，要求模型具备SQL生成和工具调用能力
结构提纲
按章节快速跳转。
介绍Datasette Agent作为首个结合LLM与Datasette的AI助手，支持对话式数据查询和图表生成
展示基于Gemini 3.1 Flash-Lite模型的实时演示实例，包含SQL查询生成与执行过程
介绍三个核心插件：图表生成、图像生成和代码执行沙箱，强调插件开发的灵活性
提供使用Gemma-4-26B-A4B等本地模型的运行命令示例及技术要求说明
阐述对LLM库的重构计划及Claude Artifacts插件开发进展
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- Datasette Agent
- 核心功能
- 对话式数据查询
- SQL自动生成
- 插件生态
- 图表生成
- 图像生成
- 代码执行
- 技术基础
- Gemini 3.1模型
- SQLite数据库
金句 / Highlights
值得收藏与分享的关键句。
实时演示基于Gemini 3.1 Flash-Lite模型运行，成本低速度快且能轻松生成SQLite查询。
已发布三个插件：基于Observable Plot的图表生成、使用ChatGPT Images 2.0的图像生成和Fly Sprites代码执行沙箱。
Datasette Agent需要可靠的工具调用能力和生成可执行SQLite查询的模型支持。
2026年5月21日
我们刚刚发布了Datasette Agent的首个版本，这是一个为Datasette设计的可扩展AI助手。我开发我的LLM Python库已有三年多时间，而Datasette Agent标志着LLM与Datasette终于结合在一起。我对此感到非常兴奋！
Datasette Agent提供了一个对话式接口，可以向存储在Datasette中的数据提问。添加datasette-agent-charts插件后，它还能生成数据图表。
#### 演示
公告文章（发布在新的Datasette项目博客）包含这段demo视频：
视频3 该视频录制于新的agent.datasette.io实时演示实例，它运行着针对示例数据库的Datasette Agent，包括经典的WRI的global-power-plants，以及我的博客Datasette备份的副本。
实时演示运行在Gemini 3.1 Flash-Lite上——它成本低、速度快，且能轻松编写SQLite查询。
演示中我提出的问题是：
Simon最近一次看到鹈鹕是什么时候？
这触发了这个SQL查询：
SELECT title, commentary, created FROM blog_beat WHERE beat_type = 'sighting' AND (title LIKE '%pelican%' OR commentary LIKE '%pelican%') ORDER BY created DESC LIMIT 5
回答内容为：
Simon最近一次记录的鹈鹕目击事件发生在2026年5月20日。
这次观察到的包括加利福尼亚棕色鹈鹕、普通潜鸟、加拿大鹅、条纹岸蟹和加利福尼亚海狮。
这是博客中的目击记录，以及完整对话记录的Markdown导出。
#### 插件
我最喜欢的Datasette Agent特性是它延续了Datasette的插件扩展能力。
我们已发布三个插件：
- datasette-agent-charts（视频中展示的插件），通过Observable Plot为Datasette Agent添加图表功能。
- datasette-agent-openai-imagegen使用ChatGPT Images 2.0为Datasette Agent添加图像生成工具。
- datasette-agent-sprites通过Fly Sprites的持久化沙箱提供代码执行工具。
开发插件非常有趣。我还有很多原型正在开发中，尚未达到测试版质量。
Claude Code和OpenAI Codex在编写插件方面表现出色——只需将它们指向datasette-agent仓库的代码库，说明你要构建的内容即可！
#### 运行本地模型
我还尝试在本地模型上运行新插件。以下是使用Mac上的LM Studio运行gemma-4-26b-a4b的uv单行命令示例：
uvx --prerelease=allow \ --with datasette-agent --with llm-lmstudio \ datasette --internal internal.db --root \ -s plugins.datasette-llm.default_model lmstudio/google/gemma-4-26b-a4b \ data.db
Datasette Agent需要可靠的工具调用能力，以及模型生成可执行SQLite查询的能力。过去六个月发布的开源模型越来越能胜任这些任务。
#### 未来计划
Datasette Agent为LLM和Datasette生态开辟了大量可能性。
它已推动LLM 0.32a0重大重构的进展，我即将将其合并到稳定版本中，可能还会提取Datasette Agent中的"LLM代理"抽象功能。
我正在开发自己的Claude Artifacts实现，作为插件形式进展顺利。
我计划用Datasette Agent构建自己的Claw——一个基于从数字生活中导入数据构建的个人AI助手，这让我有机会重新审视我早期的Dogsheep工具系列。
我们也将为Datasette Cloud用户提供Datasette Agent支持。
如想讨论该项目，请加入我们的#datasette-agent Discord频道。