MCPcopy Create free account
hub / github.com/antvis/AVA

github.com/antvis/AVA

Chat with this repo
repository ↗ · DeepWiki ↗ · release v4.0.4 ↗ · + Follow · compare 3 versions
1,007 symbols 3,397 edges 401 files 97 documented · 10% ● updated 50d ago4.0.0-alpha.1 · 2026-06-09★ 1,5811 open issues

Browse by type

⨍ Functions 902◇ Types & classes 105
What it actually does AI analysis from the code graph — generated when you open this
loading…
README

English | 简体中文

AVA,AI 原生数据分析与可视化框架

AVA 标志

官网 文档 AI 智能体 体验 Sive GitHub llms

AVA(AVA 示例 Visual Analytics)是一个面向应用和 AI 智能体的数据分析与可视化框架。A 代表 AI 原生(AI-native)、自动化(Automated)和增强(Augmented);VA 代表数据分析与可视化(Visual Analytics)。

AVA 智能体分析流程:接入数据、识别字段、检查质量、读取业务口径、执行分析、生成图表与推荐后续问题,并展示可核验的 SQL 和结果。

[!NOTE] 可以把 AVA 理解为 JavaScript 生态中的 PandasAI。💬📊🤖

它让应用和 AI 智能体能够通过自然语言完成数据分析与可视化。

✨ 为什么选择 AVA?

🔌 多源异构数据分析

在同一次查询中关联文件和数据库里的数据。 接入多个数据源 →

🔎 有据可查的分析

查看每个回答背后的查询语句和执行结果。 可信分析 →

📊 智能可视化

根据问题和数据生成合适的图表。 可视化 →

💻 本地执行

自主选择分析的运行环境和使用的模型服务。 执行引擎 →

🎯 公开评测

在公开的测试条件下,对照参考答案检验准确率。 基准评测 →

🤖 智能体集成

智能体负责推理,AVA 负责执行数据分析流程。 智能体集成 →

🚀 快速开始

使用 Node.js 22.13+ 安装 AVA:

npm install @antv/ava

💻 使用示例

下载 sales.csv,并配置模型:

import { AVA } from '@antv/ava';

const ava = new AVA({
  llm: {
    model: '<your-model>',
    apiKey: '<your-api-key>',
    // baseURL: '<your-provider-api-url>',
  },
});

1. 接入数据

await ava.source({ type: 'csv-file', options: { path: './sales.csv' } });

[!NOTE] 数据预览

共 240 行,以下展示前 3 行的部分字段:

order_date product sales
2025-01-01 Monitor 224.10
2025-01-02 Office Chair 680.20
2025-01-04 Monitor 2,191.20

2. 探索数据

检查数据结构和质量,并补充业务口径:

const schema = await ava.schema();
const profile = await ava.profile({ metrics: ['row_count', 'null_count'] });
await ava.semantic(undefined, () => ({
  description: 'sales 字段表示折后销售额,月度比较使用 order_date 字段。',
}));

[!NOTE] 分析上下文

上下文 内容
字段结构 data:12 列
数据质量 共 240 行;region 和 quantity 各有 1 个缺失值
业务语义 sales 为折后销售额;月度比较使用 order_date

3. 推荐分析方向

const suggestions = await ava.suggest(3);

[!NOTE] 建议分析的问题(示例)

  • 2025 年 1 月到 2 月的销售额如何变化?
  • 哪些产品对销售额下降的影响最大?
  • 不同地区的销售额和利润有何差异?

4. 执行分析

const result = await ava.analyze(
  '按产品比较 2025 年 1 月和 2 月的销售额。展示两个月的销售额及变化,按降幅从大到小排序。'
);

[!NOTE] 分析结果

总销售额下降了 43.94%,其中笔记本电脑(Laptop)的销售额减少了 16,092.10,对下降的影响最大。

共 9 类产品,以下展示前 3 类:

产品 1 月销售额 2 月销售额 变化
Laptop 19,688.10 3,596.00 −16,092.10
Standing Desk 9,655.80 5,546.10 −4,109.70
Monitor 6,536.25 4,731.00 −1,805.25

5. 生成可视化

const chart = await ava.visualize({
  query: '用柱状图展示各产品在 2025 年 1 月到 2 月之间的销售额变化。',
  data: result.data,
});

[!NOTE] 图表预览

各产品在 2025 年 1 月到 2 月之间的销售额变化,红色表示下降,绿色表示增长。

由 GPT-Vis 提供图表渲染支持。

🔌 连接你的数据

CSV CSV JSON JSON Parquet Parquet Excel Excel Text Text 飞书多维表格 飞书多维表格 腾讯文档 腾讯文档 GitHub GitHub
SQLite SQLite MySQL MySQL PostgreSQL PostgreSQL SQL Server SQL Server MongoDB MongoDB Supabase Supabase ClickHouse ClickHouse Snowflake Snowflake

[!TIP] 还缺少你需要的数据源?💡🛠️

💬 提交 Issue · 🛠️ 提交 Pull Request

🎯 基准评测

我们使用已有的基准数据集评估 AVA,衡量数据分析的准确性和效率。

DataBench 和 Spider2-Lite 评测结果:比较原始数据、字段结构与数据概况,以及业务语义上下文。

评测设置与报告 →

🧩 更多使用方式

与智能体配合使用

告诉你的 AI 智能体:

使用 `npx skills add antvis/AVA` 安装 AVA 技能,并按技能中的说明完成配置。

智能体配置指南 →

通过 CLI 使用

在终端中接入和分析数据:

ava source ./sales.csv
ava analyze '<dataset-id>' '按产品比较 2025 年 1 月和 2 月的销售额。'

配置方法和命令用法请参阅 CLI 指南。

📚 相关资源

🤝🛠️ 参与贡献

欢迎参与贡献。新增功能时,请一并补充测试、示例和文档。

运行 npm test 检查改动。对于需要调用模型的测试,请将 .env.example 复制为 .env,并填写模型配置。

📑 相关论文

VizLinter - Chen, Q., Sun, F., Xu, X., Chen, Z., Wang, J. and Cao, N., 2021. VizLinter: A Linter and Fixer Framework for Data Visualization. IEEE transactions on visualization and computer graphics, 28(1), pp.206-216.

《数据可视化设计的类型学实践》(Exploring the Typology of Visualization Design) - 蓝星宇, 王嘉喆. 数据可视化设计的类型学实践, 《美术大观》, 2022(3), 149-152.

⚖️ 许可证

MIT

Extension points exported contracts — how you extend this code

browse all types & interfaces →

Core symbols most depended-on inside this repo

browse all functions →

Shape

Function 757
Method 145
Class 53
Interface 49
Enum 3

Languages

TypeScript98%
Python2%

Modules by API surface

src/duckdb/loaders/feishu/convert.ts31 symbols
src/types.ts21 symbols
src/remote/snowflake/engine.ts19 symbols
src/ava.ts19 symbols
skills/ava/scripts/report.mjs18 symbols
src/duckdb/loaders/github/client.ts16 symbols
src/duckdb/engine.ts15 symbols
src/remote/supabase/engine.ts13 symbols
src/duckdb/loaders/tencent-smartsheet/client.ts13 symbols
src/remote/sqlserver/engine.ts12 symbols
src/remote/clickhouse/engine.ts12 symbols
evals/ava-agent/scripts/test_skill_discovery.py12 symbols

Dependencies from manifests, versioned

@ai-sdk/openai4.0.73 · 1×
@ai-sdk/react4.0.154 · 1×
@antv/avafile:.. · 1×
@antv/event-emitter0.1.3 · 1×
@antv/gpt-vis1.3.1 · 1×
@clickhouse/client1.23.1 · 1×
@clickhouse/parser0.3.0 · 1×
@duckdb/node-api2.0.0-r.1 · 1×
@mdx-js/loader3.1.1 · 1×
@mdx-js/react3.1.1 · 1×
@next/mdx16.1.6 · 1×
@supabase/pg-parser0.1.7 · 1×

Datastores touched

(mongodb)Database · 1 repos
analyticsDatabase · 1 repos
customdbDatabase · 1 repos

For agents

$ claude mcp add AVA \
  -- python -m otcore.mcp_server <graph>

⬇ download graph artifact

Ask about this repo answers extend the page