为数据工程师打造的更好的 Claude Code。
你喜欢 Claude Code 的一切——Skills、MCP、自我演进的记忆——统统为数据栈重做了一遍。模型中立、可治理，从第一条命令起就接进你的数仓。
更喜欢用同一家？Claude Haiku、Sonnet、Opus、Fable 也可以在同一批 Agent 里混搭，你说了算。
数据栈真正需要的安全护栏。
Agent 会碰到生产数据。Datus 在模型与你的数仓之间放了三层真正起作用的控制。
工具权限模式
Agent 能拿到多大权限，可以按会话或按子代理设置：
normal只读只做探索、查询与规划，不写入任何东西。auto可编辑在自己的范围内修改并交付，不用逐步确认。dangerous数据沙箱全权限操作，但被限制在沙箱之内。查询期范围收敛
子代理运行时能看到什么，可以精确收敛到：
数据访问策略
在模型之外强制执行，作用于 Agent 跑的每一条查询：
为大数据生态而建。
数仓、语义层、调度、BI——Datus 接得进你已经在跑的技术栈，内置的 Skills 与子代理覆盖整个开发生命周期。
接入你的技术栈
Snowflake、Databricks、StarRocks、ClickHouse、MetricFlow、Airflow、Superset、Grafana 等等。
覆盖全生命周期的 Skills
内置的 Skills 与子代理，带你从探索到指标再到生产 ETL，端到端跑完。
一份可演进的上下文
表结构、语义与经过校验的 SQL 都会沉淀成可迁移的记忆，为每一个集成供能。
常见问题
安装、模型、子代理，以及 CLI 与 Studio 之间的关系。
安装 Datus CLI 需要什么？
需要 Python 3.12 或更高版本以及 pip。执行 pip install datus-agent 安装，然后运行 datus-agent 启动交互式 CLI。在 agent.yml 中配置你的大模型 API Key 和数据库连接。Datus CLI 目前支持 macOS 与 Linux；Windows 可以通过 Python 运行，但尚未正式认证。完整步骤见 docs.datus.ai 的 Quickstart。
Datus CLI 能接我现有的数仓吗？
可以。所有数据库都通过 Datus 原生适配器接入：SQLite 与 DuckDB 是内置的，Snowflake、PostgreSQL、MySQL、ClickZetta、StarRocks、Apache Doris、ClickHouse、Hive、Spark 与 Trino 则以可安装的适配器包形式提供（datus-snowflake、datus-trino 等）。你只需把 CLI 指向自己的数据目录或 JDBC 连接，不需要迁移数据。自定义数据库适配器可以按 GitHub 仓库中的插件架构自行扩展。
Datus CLI 和 Datus Studio 有什么区别？
Datus CLI 是面向工程师的完整开源 Agent：构建上下文、创建子代理、使用 MCP 工具，一切都在本地掌控。Datus Studio 则是托管的 Web 体验，适合快速试用和对话式探索。两者共享同一套上下文引擎概念；很多团队在 Studio 里做原型，在 CLI 或企业版里跑生产工作流。
CLI 可以用我自己的大模型 API Key 吗？
可以。Datus CLI 就是自带 Key 的模式。你可以在 agent.yml 中配置 OpenAI、Claude、Qwen、DeepSeek、Kimi、Gemini 等，还能给每个子代理单独指定模型。用量和费用都记在你自己的厂商账号上。云端个人版可能提供托管 Key；开源 CLI 从不强制使用 Datus 托管的模型。
用 CLI 的子代理能做出什么？
一个子代理就是围绕某个业务域收敛的聊天机器人，背后大约挂着十张表、二十个指标和三十条参考 SQL。用 .subagent add 创建，通过反馈循环打磨上下文，成熟之后还能导出成 HTTP API 或 MCP Server，供其他 Agent 调用。
好吧，我们知道你还是爱 Claude Code——你完全可以在它里面直接用 datus-mcp。 了解怎么做 ↗