Datasette Agent

# Datasette Agent 来源：https://simonwillison.net/2026/May/21/datasette-agent/ 2026年5月21日 我们刚刚宣布了 Datasette Agent (https://datasette.io/blog/2026/datasette-agent/) 的首个版本，这是一个为 Datasette 打造的可扩展 AI 助手。我已经在开发我的 LLM (https://llm.datasette.io/) Python 库上花了三年多时间，而 Datasette Agent 标志着 LLM 和 Datasette (https://datasette.io/) 终于结合在了一起。对此我感到非常兴奋！ Datasette Agent 提供了一个对话式界面，用于查询存储在 Datasette 中的数据。添加 datasette-agent-charts (https://github.com/datasette/datasette-agent-charts) 插件后，它还能生成数据的图表。 #### 演示 公告文章（发布在新的 Datasette 项目博客上）包含了这个演示视频 (https://www.youtube.com/watch?v=AFZKp6hbFjI)： 我录制的视频针对的是新的 agent.datasette.io (https://agent.datasette.io/) 在线演示实例，该实例使用了一些示例数据库来运行 Datasette Agent，其中包括经典的 global-power-plants (https://datasette.io/global-power-plants)（来自 WRI (https://www.wri.org/research/global-database-power-plants)）以及我博客的 Datasette 备份 (https://datasette.simonwillison.net/) 副本。 在线演示运行在 Gemini 3.1 Flash-Lite (https://ai.google.dev/gemini-api/docs/models/gemini-3.1-flash-lite) 上——这个模型成本低廉、速度快，并且编写 SQLite 查询毫无问题。 我在演示中问了一个问题： > Simon 最近一次看到鹈鹕是什么时候？ 该问题执行了以下 SQL 查询 (https://datasette.simonwillison.net/simonwillisonblog?sql=SELECT+title%2C+commentary%2C+created+FROM+blog_beat+WHERE+beat_type+%3D+%27sighting%27+AND+%28title+LIKE+%27%25pelican%25%27+OR+commentary+LIKE+%27%25pelican%25%27%29+ORDER+BY+created+DESC+LIMIT+5)： ``sql SELECT title, commentary, created FROM blog_beat WHERE beat_type = 'sighting' AND (title LIKE '%pelican%' OR commentary LIKE '%pelican%') ORDER BY created DESC LIMIT 5 `` 并回复道： > Simon 最近一次观察到鹈鹕是在 **2026 年 5 月 20 日**。该观察记录中包括一只加州褐鹈鹕，以及一只普通潜鸟、一只加拿大雁、一只条纹岸蟹和一只加州海狮。 这是我在博客上的那条观察记录 (https://simonwillison.net/2026/May/20/sighting-363395265/)，以及完整对话记录的 Markdown 导出文件 (https://gist.github.com/simonw/a46d17b69659a4866adb1d868280091d)。 #### 插件 我最喜欢的 Datasette Agent 特性是，像 Datasette 的其他部分一样，它可以通过插件进行扩展。 我们迄今已经发布了三个插件： - datasette-agent-charts (https://github.com/datasette/datasette-agent-charts)，如视频所示，为 Datasette Agent 添加了图表功能，底层由 Observable Plot (https://observablehq.com/plot/) 驱动。 - datasette-agent-openai-imagegen (https://github.com/datasette/datasette-agent-openai-imagegen) 使用 ChatGPT Images 2.0 (https://openai.com/index/introducing-chatgpt-images-2-0/) 为 Datasette Agent 添加了图像生成工具。 - datasette-agent-sprites (https://github.com/datasette/datasette-agent-sprites) 提供了在 Fly Sprites (https://sprites.dev/) 持久化沙箱中执行代码的工具。 构建插件 **真的很有趣**。我还有一些原型尚未达到 alpha 质量。 Claude Code 和 OpenAI Codex 在编写插件方面表现出色——只需指向 datasette-agent 仓库 (https://github.com/datasette/datasette-agent) 的检出代码作为参考，并告诉它们你想要构建什么即可。 #### 在本地模型上运行 我也很享受在新的插件上运行本地模型。以下是一个 `uv` 单行命令，用于在 Mac 上的 LM Studio (https://lmstudio.ai/) 中运行 gemma-4-26b-a4b (https://huggingface.co/google/gemma-4-26B-A4B) 插件： `` uvx --prerelease=allow \ --with datasette-agent --with llm-lmstudio \ datasette --internal internal.db --root \ -s plugins.datasette-llm.default_model lmstudio/google/gemma-4-26b-a4b \ data.db `` Datasette Agent 需要可靠的工具调用能力，以及模型生成可针对 SQLite 执行的 SQL 查询的能力。过去六个月发布的开放权重模型正在逐步胜任这一任务。 #### 接下来的计划 Datasette Agent 为整个 LLM 和 Datasette 生态系统开辟了 **无限可能**。 它已经推动了主要的 LLM 0.32a0 重构 (https://simonwillison.net/2026/Apr/29/llm/)，我即将将其整合到一个稳定版本中，可能还会从 Datasette Agent 本身提取一些额外的“LLM 代理”抽象。 我一直在探索自己对 Claude Artifacts 的见解，并正在将其开发成一个不错的插件。 我很期待使用 Datasette Agent 来构建我自己的 Claw (https://simonwillison.net/2026/May/19/5-minute-llms/#5-minutes-llms.013.jpeg)——一个围绕我数字生活中不同部分导入的数据构建的个人 AI 助手，这也是重拾我较早的 Dogsheep (https://dogsheep.github.io/) 工具系列的好借口。 我们还将为 Datasette Cloud (https://datasette.cloud/) 的用户推出 Datasette Agent。 如果您想讨论该项目，请加入我们的 #datasette-agent Discord 频道 (https://discord.gg/hdxyusUFv)。