AVA

让 AI Agent 自己看懂数据、选图、写结论

开源 unknown 自动化工作流

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1583

维护状态活跃

是否开源是

定价模式 unknown

项目预览

项目数据

分类自动化工作流

开发团队antvis

所属国家

官网地址https://ava.antv.vision

GitHubhttps://github.com/antvis/AVA

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议MIT

主要语言TypeScript

技术栈/模型augmented-analytics,auto-insight,chart-aigc,chart-recommendation,charts,data-visualization,insight,insight-gpt,narrative-charts,visualization

GitHub 星标★ 1583

30天Star增速

HF 下载量

上线时间2020-01-02 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-11

浏览次数0

项目介绍

AVA 是一个面向 AI Agent 的 AI 原生可视化分析框架，用 TypeScript 编写。它要解决的问题是：传统图表库只负责渲染，而 Agent 需要的是从数据到洞察的完整链路。AVA 把数据接入、图表推荐、自动洞察、叙事生成等环节封装成可被 Agent 调用的能力，让 AI 能自主完成探索性分析。核心能力包括自动洞察（auto-insight）、图表智能推荐（chart-recommendation）、图表 AIGC 生成、增强分析以及叙事化输出，覆盖从原始数据到可读结论的流程。它适合被集成进对话式分析、BI Copilot 或自动化报告系统，让 Agent 不只是画图，而是能解释数据、给出结论。项目处于成长阶段，星标约 1.5k，技术栈现代，定位清晰，是可视化与 LLM 结合方向较有代表性的开源尝试。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

难度：入门约 10 分钟部署方式：库/依赖 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Node.js 运行环境（README 提到支持 Node.js，含 DuckDB、Python/pandas 双环境）
npm（README 使用 npm test）
一个 OpenAI 兼容模型的 API Key（也可用 Anthropic 兼容端点 + Claude 模型）

安装与启动步骤

1克隆代码仓库

把 AVA 仓库拉到本地，后续操作都在该目录内进行。
```
git clone https://github.com/antvis/AVA.git
```
2安装项目依赖

进入仓库目录并安装依赖；README 节选未给出安装命令，此步按 Node 项目惯例推断。
```
cd AVA
npm install
```
3设置模型环境变量

需在 source 之前导出变量，.env 不会被自动加载；不配置则 LLM 相关用例跳过。
```
export OPENAI_API_KEY=sk-xxxxxxxx
export OPENAI_MODEL=gpt-4o-mini
export OPENAI_BASE_URL=https://your-endpoint.example.com/v1
```
4准备测试用 .env

复制 .env.example 为 .env 并填入 OPENAI_API_KEY，Vitest 会通过 vitest.setup.ts 自动加载。
```
cp .env.example .env
```
5运行测试验证

执行测试套件；无 key 时 LLM 依赖用例显示 skipped，其余用例仍可离线运行。
```
npm test
```

关键配置

配置项	必填	说明	示例
`OPENAI_API_KEY`	是	所选模型服务商的 API Key；用 Claude 时同样填此项	`sk-xxxxxxxx`
`OPENAI_MODEL`	否	模型名称，未设置时默认 gpt-4o-mini	`gpt-4o-mini`
`OPENAI_BASE_URL`	否	OpenAI 兼容端点，使用 OpenAI 官方服务时可省略	`https://your-endpoint.example.com/v1`

如何确认成功

运行 npm test，无报错且 LLM 相关用例通过；未配 Key 时这些用例显示 skipped 也属正常。

常见问题

Q：不配置 API Key 能跑起来吗？

A：可以。缺少 Key 时 LLM 相关测试套件会被标记为 skipped，其余测试仍然可以离线运行。

Q：可以用 Claude 模型吗？

A：可以。Quick Start 就是用 Anthropic 的兼容端点搭配 Claude 模型和 Anthropic API Key，变量名仍保持 OPENAI_* 不变。

Q：改了模型配置为什么不生效？

A：README 提示更改模型设置后需要重新加载数据集；visualize 和 recommend 每次运行会读取当前环境变量。

Q：npm test 会自动读取 .env 吗？

A：会。Vitest 通过 vitest.setup.ts 加载 .env，因此 npm test 无需额外加参数。

注意事项

环境变量必须在 source 之前设置，.env 文件不会自动加载。
更换模型设置后需重新加载数据集，否则可能仍使用旧配置。
README 节选未提供完整安装命令，npm install 为按 Node 项目惯例推断，实际请以仓库文档为准。

核心亮点

把图表推荐、自动洞察、叙事生成打包成 Agent 可调用的分析链路，而非单纯渲染库
TypeScript 实现，对前端和 Node 生态的 Agent 项目集成成本低
覆盖从数据到结论的完整流程，减少 Agent 在可视化环节的胶水代码

不足之处

项目仍处成长阶段，API 与文档可能随版本变动
社区规模和生态案例相对有限，长期维护情况待观察

适用场景

对话式 BI 助手自动为业务问题选图并输出结论
自动化周报/月报系统根据数据生成带图表的分析叙述
数据分析 Agent 在探索数据集时自动推荐可视化并标注异常点

替代项目

ECharts、Vega-Lite

上一篇：xyne-spaces

下一篇：没有了！

AVA