简介
大多数”用嘴查数据库”的工具失败在一个地方：模型不知道你公司的指标到底怎么算。Wren AI 的做法是先让你把语义层（表关系、指标口径、维度）沉淀下来，再基于它做自然语言问答。这样问”上个月华东区复购率”时，它用的是你定义的复购口径，而不是自己脑补。
适用场景
- 业务自助取数：把常见分析需求从数据团队手里释放出去。
- 口径统一：指标定义集中在一个语义层里，避免各部门各算各的。
- 数据探索：先看到图表再决定要不要深入。
使用建议
上线前先把 20～30 个最常被问的问题跑一遍，把答错的场景补进语义层和示例问题库——这一步决定了后续的准确率上限。对外发布时保留 SQL 展示，让使用者能验证口径，比”只给图不给来源”更容易建立信任。
