描述
PromptQL 是一个由 Hasura 背后的团队构建的 AI 平台,允许团队在共享的 AI 线程中讨论、决定和处理他们的业务数据。它连接到现有的数据仓库、数据库、SaaS 应用和 API,检查它们的架构以构建统一的数据图,并编写和运行代码以回答真实的业务问题,而无需移动或重塑数据。
阅读更多
PromptQL 捕捉日常工作的上下文,而不是要求人们维护一个没人打开的维基。当有人修正一个假设或解释业务的真实运作方式时,该修正就成为共享的上下文:可重用的技能、引用的团队知识或下一个会话可以使用的语义模型更改。随着团队的工作,其准确性不断累积,每个任务都显示其来源和假设。
由于其设计为多用户,多个用户和代理可以在同一线程内工作,@提及合适的队友而无需重新启动任务。代理可以在每个线程或任务上运行任何推理 LLM,生成图像,在安全的云沙箱中运行代码,通过与其对话连接新工具,并主动对日程和外部事件做出反应。
PromptQL 旨在满足受监管的环境,在数据层强制实施行和列级权限,支持单租户或本地部署,不对客户数据进行训练,并提供完整的审计日志。它被金融服务行业和全球企业及 AI 原生领导者广泛使用。
- 类别AI 数据分析
- 定价模式联系销售
- 部署云端, 本地部署
- 平台网页版
PromptQL的核心功能
团队共享的多用户 AI 线程
无需数据准备即可连接到数据仓库、数据库、SaaS 应用和 API
自组织的维基风格的技能、知识和语义层上下文图
修正变成可重用的技能和带引用的共享知识
每个线程或任务支持任何模型,包括图像生成
在安全的云沙箱中执行代码,提供表格、图表和仪表板
主动调度和对网络钩子、电子邮件和警报的反应
在数据层强制实施权限,提供审计日志和本地或 BYOC 部署
如何使用 PromptQL?
连接数据:将 PromptQL 指向您的数据仓库、数据库、SaaS 应用和 API。
播种上下文:从 Slack、Google Drive 或 GitHub 导入知识,或从头开始。
开始线程:在共享的 AI 线程中提出业务问题,并查看来源和假设。
教它:修正假设或引入队友,使修正变成可重用的共享上下文。
自动化:将重复的分析转化为工件,让代理根据日程和事件采取行动。
PromptQL的使用案例
- 团队数据分析
- 仪表板和报告
- 金融服务分析师
- 共享团队知识
- 面向客户和代理的产品









