摘要
1) 一句话总结
Data Formulator 是微软开源的一款 AI 驱动的数据可视化与探索工具，允许用户通过结合自然语言和 UI 拖拽交互的方式，从多种数据源中提取、分析数据并生成交互式图表与报告。
2) 核心要点
- 项目基础：该项目是微软研究院的原型产品（基于其 2023/2024 年相关论文），主要使用 TypeScript 开发，采用 MIT 开源协议，目前在 GitHub 上拥有近 1.5 万 Stars。
- 多源数据接入：支持加载结构化文件（CSV/Excel）、通过 AI 从截图或复杂文本中提取数据，以及连接多种外部数据库（如 MySQL、Postgres、MongoDB、Google BigQuery 等）。
- 实时数据支持：最新 0.6 版本引入了实时数据连接功能，支持连接 URL 和数据库并设置自动刷新间隔，图表会随数据变化自动更新。
- 分级探索模式：提供从“高控制度”到“高自由度”的四种探索级别，包括纯 UI 拖拽建图、自然语言结合 UI 生成新字段、AI 推荐图表，以及完全由 AI Agent 自动规划和多轮探索的模式。
- 大数据与复杂操作：底层集成 DuckDB 以支持大型数据集的快速处理，支持多数据表的自动关联（Join），并提供数据集锚定（Anchoring）功能以便在清理后的子集上进行深度分析。
- 广泛的模型兼容：支持 OpenAI、Azure、Ollama 以及通过 LiteLLM 接入的 Anthropic 等多种大语言模型（推荐使用具备强代码生成和推理能力的模型）。
- 结果验证与报告生成：用户可以检查 AI 生成的图表背后的数据、公式、解释和代码，并能使用 Chartifact 将选定的图表组合成 Markdown 风格的可编辑、可分享的数据报告。
- 便捷部署：支持通过 Python 包管理器（
pip install data_formulator）在本地快速安装运行，或使用预配置的 GitHub Codespaces 在云端启动。
3) 风险/不足
(注：以下为开发者指南中明确指出的待完善缺口)
- 非结构化数据提取限制：目前在处理混乱数据（Messy data）提取时，支持的文档类型和可处理的文件大小仍需进一步扩展（Scaling up）。
- 连接器与模板欠缺：数据库连接器的种类以及图表模板（例如地图类型）目前仍不够完善，官方正寻求社区协助添加。
功能与定位
🪄 Create rich visualizations with AI
典型使用场景
- 作为通用开发工具用于工程协作与效率提升。
- 适用于个人与团队的日常研发流程。
核心功能
- 提供稳定的通用工程能力。
- 支持跨平台或多环境使用。
- 依赖开源社区持续迭代。
特色与差异点
- 仓库长期活跃，最近更新时间为 2026-02-22T12:50:50Z。
- 项目创建于 2024-06-07T23:01:51Z，具备持续迭代与社区沉淀。
- 以
TypeScript为主语言，聚焦该技术栈的工程实践。
使用方式概览
- 阅读仓库 README 与官方文档，确认适配场景与依赖条件。
- 按项目推荐方式完成安装与初始化，再从示例或最小流程开始验证。
- 在生产使用前补齐权限控制、日志监控和版本固定策略。
限制与注意事项
- 使用前应先核对许可证、项目维护状态与安全边界。
链接
- 仓库：https://github.com/microsoft/data-formulator
- 官网：https://arxiv.org/abs/2408.16119
- README：https://raw.githubusercontent.com/microsoft/data-formulator/main/README.md
- Releases：https://github.com/microsoft/data-formulator/releases