
微信

飞书
选择您喜欢的方式加入群聊


通过 AskTable CLI / Skill,Codex、Claude Code、OpenClaw 等 AI 助手可以在权限范围内调用企业数据分析能力。
使用 npm i -g @datamini/asktable-cli 安装工具,然后执行 asktable get-skill 获取并安装 skill连接数据库、数据仓库、国产库、Excel / CSV、飞书多维表格,也可以用 AskTable AI 数据表保存轻量业务数据。
沉淀表字段备注、指标口径、业务文档、分析偏好和行级 / 字段级权限,让 AI 先理解边界,再生成答案。
业务同事可以在 Web、飞书、MCP、API、CLI 中提问;每个答案都带来源、过程和可核查的查询逻辑。
连接 MySQL、PostgreSQL、ClickHouse、StarRocks、达梦、GBase、Excel / CSV、飞书多维表格等 30+ 数据源。
把轻量业务表直接存入 AskTable,由系统完成存储、结构建模和 AI 可分析化处理。
每个答案都能回到真实查询、来源表和过滤条件,不依赖模型“凭感觉”解释数据。
把表备注、字段备注、指标口径、业务文档和领域知识沉淀成 AI 能理解的上下文。
通过字段值索引、分析偏好、领域知识和问法样例,让 AI 更懂企业自己的业务语言。
同一套知识层服务 Web、飞书、API 和 Agent,避免不同入口给出不同口径。
用户身份、角色、行级和字段级权限在查询前生效;同一个问题,不同人问,答案可以不同。
把问数放进团队日常工作流:网页对话、飞书群 @ 机器人、MCP、OpenAPI 和 AskTable CLI。
面向门店经营、电商盯盘、财务分析、用户增长、高管助手等场景,快速创建业务数据智能体。
把业务专家的分析路径、追问方式和判断逻辑沉淀为可复用技能,让组织能力持续积累。
高频指标和复盘问题可以沉淀为定时任务,把异常、日报和结论推送到业务团队。
答案包含计算口径、结果表、关键洞察和可视化,业务团队可以继续追问。

AskTable 基于真实数据生成可核查的问数结果和业务解释
企业 AI 问数,不是把数据复制进聊天框。
它需要先连接真实数据,再理解企业自己的业务语言、指标口径、权限边界和使用入口。
所有入口共享同一套业务知识层——答案口径一致,权限边界一致。
这不是再做一个报表工具。
这是企业数据智能的基础层。
从一个可信数据源和一组高频业务问题开始,把 AskTable 接进真实经营流程。
开始使用 AskTable