安装Python和pip

确保系统已安装Python 3.8+和pip包管理器。可以通过`python --version`和`pip --version`命令检查。

建议使用虚拟环境（如venv或conda）来隔离项目依赖。

安装WrenAI CLI

在终端运行`pip install wrenai`。如果在中国大陆遇到速度问题，使用清华镜像源：`pip install wrenai -i https://pypi.tuna.tsinghua.edu.cn/simple`。

如果安装过程中出现权限错误，尝试在命令前加上`sudo`（macOS/Linux）或以管理员身份运行终端（Windows）。

验证安装

运行`wren --version`，确认CLI安装成功并查看版本号。

安装AI代理发现存根

根据README，为你的AI客户端（如Cursor、Claude Code）安装一个发现存根。这通常是一个小脚本，教会你的代理如何与WrenAI CLI交互。

具体存根文件内容和安装方法需参考项目最新文档或`wren skills get onboarding`命令的输出。

使用代理进行初始设置

打开你的AI代理（如在VS Code中使用Cursor），在项目目录下输入指令，例如：“Use Wren to set up my Postgres database.” 代理将运行`wren skills get onboarding`并引导你完成环境检查、创建连接配置、搭建项目并运行第一个查询。

确保你的数据库（如PostgreSQL）已启动并可访问，并准备好连接信息（主机、端口、用户名、密码、数据库名）。

尝试自然语言提问

在AI代理中直接提出业务问题，例如：“列出本月销售额前10的客户。” 代理会调用`wren ask`命令，利用语义层（MDL）上下文生成精准的SQL查询并返回结果。

提问可以逐步从简单（单表查询）到复杂（多表关联、聚合）。观察生成的SQL（如果可见）来理解其工作原理。

理解并丰富业务上下文（Know阶段）

提问后，如果发现结果不准确或缺乏业务含义，可以要求代理：“Enrich my Wren project with the business context in `raw/`.” 代理会运行`wren skills get enrich-context`，通过提问或读取你的文档文件，将业务定义、枚举、指标等写入可审查的MDL、指令文件中。

准备一些简单的业务定义文件（如Markdown或文本文件）放在`raw/`目录下，有助于代理理解你的业务逻辑。

生成交互式仪表盘

基于已生成的查询结果，在AI代理中发出指令：“Turn that into an interactive dashboard I can filter and share, and deploy it to Vercel.” 代理将运行`wren skills get genbi`，构建一个基于浏览器的GenBI应用。

确保你已注册Vercel或Cloudflare Pages账户，并关联了代理。本地预览是重要的一环，确保仪表盘正确后再部署。

探索示例数据集

如果暂时没有自己的数据库，可以指示代理使用内置的`jaffleshop`示例数据集：“Use the jaffleshop sample dataset.” 快速体验完整的“提问-洞察-部署”流程。

这是无需配置外部数据库、快速了解WrenAI能力的绝佳方式。