最近一直在摸索如何用AI解决实际的业务问题，发现AI在调用数据库和处理数据上有些发挥的空间，于是我做了一个自动化数据处理的智能体，名叫“数分神器”，有以下3个核心功能：
1、支持连接SQLite数据库，并实现抽取、写入的功能
2、支持SQL、Python处理数据，按要求进行数据清洗、转换、透视等
3、支持导出数据报告，并生成matplotlib图表
这3个功能能涵盖ETL和数据分析的基本工作，也就是说AI可以替代这些初级岗位，而且能把活干的更高效、漂亮。
不得不感慨，那些靠SQL取数保住的饭碗可能真的要被AI砸碎了。
要搭建这个智能体，需要用到3个至关重要的工具。
首先是SQLite数据库，这是一个轻量化的开源数据库，它没有服务器，无需复杂的配置安装，就可以直接用，很适合制作AI应用。有个冷知识，微信就是依赖SQLite进行数据存储和管理的。
其次要用到Trae编辑器，这是一个AI原生的代码编辑器，是基于VsCode内核开发的，所以它有VsCode的几乎所有功能，最重要的是它支持直接部署大模型、智能体、MCP等，可以理解它就是一个超级编程智能体。
最后还要用到SQLite MCP，这是一个专门用于操作本地SQLite数据库的MCP服务，所谓MCP服务即“模型上下文协议”，是大模型与外部工具的连接标准，就像电脑之于USB一样。SQLite MCP能支持AI自动查询、读取、操作数据库，完全不需要手工干预。
下面来讲讲具体步骤。
1、安装SQLite数据库
以windows系统为例，从SQLite网站直接下载安装包，解压到本地即可，无需额外安装。
你会看到解压后出现4个应用程序文件，不用任何操作， 因为SQLite就是开箱即用。
接着你可以创建一个名为‘my_db’的数据库，在命令行里输入：
sqlite3 my_db.db这样你就直接创建了一个SQLite数据库文件，请复制它的文件路径地址，留着备用。
比如D:\sqlite\my_db.db
2、安装Trae
这一步就更不用多说了，Trae是开源软件，安装和Vscode一样，非常简单。
Trae还提供多种免费模型，不限制tokens，比如DeepSeek、Qwen、Doubao、Kimi等。
安装好后，你可以配置下Python开发环境，也就是安装Python插件，找到本地Python路径，就可以在Trae里进行Python开发了。
Trae有个AI侧栏，可以进行AI编程，或者搭建智能体，这是后面要用到的功能，也是Trae的核心能力。
3、部署SQLite MCP
Trae有个MCP集市，里面有各种功能的MCP，也可以自己添加特定MCP服务。
SQLite MCP就是现成的，能直接从集市里添加，然后在配置信息里输入前面的my_db.db数据库路径地址，保存即可。
这样你就配置好了SQLite MCP服务，AI可以直接访问你的数据库文件。
4、创建智能体
接下来，咱们需要创建一个名为“数分神器“的智能体，来调用MCP执行任务。
这里要注意两点，首先“数分神器“智能体需勾选SQLite MCP服务，其次要设置默认提示词，告诉智能体它的角色和任务。
创建好智能体后就可以直接与它对话，它会根据需求调用SQLite MCP，并处理数据，或者形成一份数据报告。
接下来咱们列举几个常见的数据库处理场景，以某月份车型销量数据为例，该数据已经提前存储在SQLite数据库中。
1、从SQLite中抽取数据
任务：从表model_sales_202509中提取数据，保存到csv中。规则提取sales排名前20、且price不超过20万的model，提取的字段包括rank、model、sales、brand、price。
智能体会尝试连接SQLite数据库，并查询相关表结构，按照要求抽取数据。
最终它输出了一份CSV数据，内容完全符合设定的取数需求，你看这个功能就替代了SQL人工取数的工作，你如果在做这个会感到焦虑嘛？
2、向SQLite中写入数据
任务：将文件model_sales_top20_under20w.csv数据批量全部写进数据库中，表命名为model_sales_top20_under20w
最后，表model_sales_top20_under20w成功出现在了SQLite数据库中。
3、从SQLite中抽取数据，形成分析报告
任务：从表model_sales_202509抽取数据，并进行数据分析，形成分析报告（包含图表），要求如下：
1、分析车型销量与价格的关系
2、分析不同品牌车型数量与总销量之间的关系，是否车型越多销量越高？
3、分析比亚迪主要车型的销量情况，以及其价格分布
最后，生成了一份分析报告，并配有7张图表。
分析报告和可视化图表如下：
从以上输出的内容可以看到，“数分神器”智能体可以非常灵活的处理SQLite数据，并使用Python等工具处理数据、制作图表，颜值、专业性都还不错，堪当一个初级分析师。
这是我将AI应用到实际工作的一个尝试，虽然有很多地方还不算满意，比如处理速度、研究深度等，但AI已经能达到初级工程师的水平，这是毋庸置疑的，再经过调教优化，会逐步进阶到中高级水平。
如果用一句话来形容AI带来的改变，我想是：忽如一夜春风来，千树万树梨花开。
)
