分析场景为什么要用 Chatbot？
不是每个业务方都想用 SQL 编辑器或 BI 看板。他们只想在已经在用的地方问一句，然后拿到一个可信的答案。
到用户干活的地方去
可信、可追溯的答案
业务方零安装
--web 就够了。同事打开一个网址就能提问——不用 pip、不用 Docker，也不用记一个周二就会忘的账号。全公司范围的 Chatbot 使用场景
四类原本要走工单的对话——现在就发生在提问的那个会话里。
在 Slack 里回答产品经理的问题，不用提工单
产品经理在 #growth 里问「上周那次上线效果怎么样」。机器人直接回上受治理的 SQL、一张小图和血缘——不用提工单，数据团队也不用切换上下文。这个机器人包的是一个 在 Studio 里打包好的子代理，把 分析师本来就信任的自助入口交到业务方手里。
在 Slack 私聊里做值班数据诊断
早上八点营收数字看着不对。在 Slack 里问一下机器人，它会拉出新鲜度检查、找到跑晚了的作业，并 @ 上负责人——赶在老板的私信到达之前。线索更深时，可以 回到 CLI 继续做根因分析，用的还是 分析师那套异常排查流程。
Slack 里的自助运营 Runbook
把一个子代理包成 Slack 机器人，指向运营团队的 Skills 库。运营用大白话问「哪些发货延迟了」，Runbook 每次都用同一套受治理的 SQL 作答——当调用方是定时任务而不是人时，可以 通过 API 触发同一个子代理。
把对话里的反馈闭环回上下文
分析师给管用的答案点赞，给不对的答案打标。每一次点赞和问题反馈——都附带会话链接——都会流回 Studio 的评审队列，交给 调优这个子代理的数据工程师，让明天的问题得到更好的答案。
chatbot:
channels:
- kind: slack
workspace: T0123ABCD
allowed_channels: [growth, exec]
- kind: web
port: 8501
auth: sso
agent:
context: growth
skills: [mrr, funnel, cohort]
policy: read_only部署到 Slack、Web，或者两者都要
一份配置，两个渠道。把 Slack 应用指向你的工作区，启动 Streamlit Web UI，或者让两者都跑在同一个 Agent 和同一份上下文上——每条消息都会经过同一层策略校验。
Chatbot 闭环：对话、回溯、分享
Datus Chatbot 能做而通用大模型对话界面做不到的三件事。
带上下文的对话
会话可回溯
受治理的分享
一分钟内把 Chatbot 跑起来
和 CLI 一样的安装方式。指向 Slack 或浏览器，然后把网址交给同事。
- 01
安装 Agent
从 PyPI 或 Homebrew 装上 Datus——CLI、Chatbot 与 API 用的是同一个二进制。
- 02
开启一个渠道
打开 Streamlit Web UI 或注册 Slack 应用——一个开关搞定，不用额外装依赖。
- 03
把网址发出去
把工作区网址发给同事，或者把机器人拉进 Slack 频道。他们用大白话就能开始提问。
挑一个适合你团队的入口
四种入口，同一个 Agent。挑最适合你团队的那个。
CLI
在终端里探索数据、构建上下文并交付 SQL。
Web Chatbot
在浏览器里和子代理对话——零安装。
API Server
通过 REST 调用数据服务——与语言无关。
MCP Server
接入 Claude Desktop、Cursor 及任意 MCP 客户端。
常见问题
Datus Web Chatbot 是给谁用的？
面向分析师、产品经理和业务用户——他们想在浏览器里用大白话查数仓，而不必学 SQL 或安装 CLI。
它和 ChatGPT 这类通用 AI 聊天机器人有什么不同？
Datus Chatbot 通过可演进的上下文引擎锚定在你的数仓、数据目录、指标与团队已认可的答案上，因此产出的是受治理的 SQL 和可追溯的结果，而不是幻觉。
它是免费且开源的吗？
是的。Web Chatbot 与 CLI 共用同一份 Apache 2.0 代码——用 `datus-cli --web` 就能在本地启动，也可以直接用托管的 Datus Studio。
对话可以分享给团队吗？
可以。每个会话都有稳定的网址，携带子代理、数据源与完整上下文，团队里任何人都能重新打开并继续这段对话。