终端执行层

让 AI Agent 在终端里直接完成 BI 工程

HENGSHI CLI（也就是 HENGSHI SENSE CLI）把数据接入、HQL 查询、仪表板生成、权限动作与运维命令整理成一套可被 Agent 直接调用的执行面，并附带按命令域拆分的 agent skills。无论是 Claude Code、Codex 这样的编码代理，还是 OpenClaw、Hermes Agent 这样的常驻型 agent，都能把分析工作从“告诉你怎么点”推进到“我来替你执行”。

预约 CLI 演示 查看发布文章

Agent-first 命令树

从连接、数据集、HQL 到 dashboard / element / authorize，一套命令面覆盖 BI 工程主链路。

内置 skills 套件

仓库自带 skills 目录，把数据、建模、仪表板、权限与编排拆成可复用的 agent runbook。

工程级安全

令牌进入系统 Keyring，支持 OAuth 与企业 SSO，不把敏感凭证写入本地配置文件。

结构化输出

原生支持 JSON、YAML、Table，减少 Agent 为解析结果消耗的上下文与提示词预算。

agent-runbook.sh

coding agents / persistent agents

从上下文读取到资产生成，Agent 不需要再拼装零散 API 或自写 BI runbook。

$ everest auth status --output json
{ "status": "authenticated", "provider": "oauth" }
$ everest dataset list --app retail-ops --output json
[{ "id": "sales_daily", "metrics": 12, "dimensions": 8 }]
$ everest dashboard create --app retail-ops "区域销售驾驶舱"
Created dashboard dsh_2048
$ everest element chart create --dashboard dsh_2048 --app retail-ops --dataset sales_daily line
Created element chart_17
JSONDashboardHQLAgent-ready

governance.preview

dry-run before mutate

把授权、部署、迁移放进自动化链路之前，先给人和 Agent 一个可审查的预演面。

$ everest authorize grant --target-type app --target-id app_42 --user 123:editor --dry-run
Dry run passed · changes not applied
Preview: editor access -> retail-ops
--dry-runAuthorizeAudit trail

sse.live-sync

machine executes, humans verify

CLI 并不把结果锁死在终端里，前端界面可以同步看到 Agent 的改动结果。

# agent updates dashboard filters from a spec file
$ everest element filter update filter_9 --dashboard dsh_2048 --app retail-ops --file filter.yaml
SSE broadcast published
Web UI refreshed · business owner can review instantly
SSEWeb UIHuman-in-the-loop

Bundled agent skills

把命令面与 skills bundle 一起交给 Agent，执行才会稳定

HENGSHI CLI 不只交付一支二进制，也把 skills 目录一并交付给 Agent：命令入口、help 探测顺序、dry-run 检查点和跨域切换都提前写好。这样编码代理与常驻型 agent 都能直接复用同一套 BI runbook。

按资源域拆复杂度

把 app、data、dashboard、permission、workflow 分成九个稳定技能，而不是塞进一条超长提示词。

help-first 规约

技能默认先看 everest --help 与子命令帮助，再继续到真正执行，减少参数臆测。

从编码代理到常驻型 agent 都能复用

Claude Code、Codex、OpenClaw、Hermes Agent 与 CI 流水线都能沿用同一套技能边界。

skills.bundle

shipped with HENGSHI CLI

CLI 仓库内置 9 个 skills，把领域边界、代表命令和执行顺序提前固化给 Agent。

# bundled with the CLI repo
everest-core auth / config / output / terminology
everest-data connection -> dataset -> metric / measure
hql-expert business ask -> HE / HQL expression
everest-dashboard plan scaffold -> validate -> apply
everest-workflow sequence cross-domain steps and checkpoints
agent follows domain boundaries instead of guessing commands
9 skillsHelp-firstDry-runDomain-aware

Foundation

先统一术语、认证与输出约定

everest-core 先收敛 auth、config、search、output 和术语边界，避免 Agent 一上来就猜参数名、猜资源空间。

everest-core
everest auth statuseverest search --output json

Data & HQL

把数据接入、建模与公式拆成专门子域

everest-data、everest-data-modeling 与 hql-expert 分别负责连接/数据集、join 决策与 HE/HQL 表达式生成。

everest-dataeverest-data-modelinghql-expert
everest dataset list --app <id>everest data-model query "SUM({amount})"

Build

应用与仪表盘交付有独立 runbook

everest-app 与 everest-dashboard 覆盖 analytic app、Dashboard Plan、element 和 YAML 批量布局，不用把交付细节塞进一条超长提示词。

everest-appeverest-dashboard
everest dashboard plan apply --file plan.yamleverest app publish <app_id>

Govern

权限、组织和跨域编排不再混写

everest-permission、everest-user-mgmt 与 everest-workflow 负责 dry-run、授权、成员治理和全链路顺序控制。

everest-permissioneverest-user-mgmteverest-workflow
everest authorize grant --dry-runeverest user-group list

Agent 工作流

不是问答外壳，而是可执行的 BI 工程接口层

HENGSHI CLI 的价值，在于让智能体先读上下文、再执行动作、最后把结果交还给人确认。整条链路更像可被技能和 runbook 复用的工程接口层，而不是零散点击的人工记忆。

01

先让 Agent 读懂当前分析上下文

先把应用、数据集、语义层和当前资产状态读清楚，后续动作才不会变成“拍脑袋执行”。

discover.state

read first

$ everest connection list
$ everest dataset list --app retail-ops
$ everest data-model query --app retail-ops --dataset sales_daily "SUM({amount})"
result: 24510931
ConnectionDatasetHQL

02

把分析资产真正生成为可交付物

上下文确认后，CLI 就不是停留在问答阶段，而是把 dashboard、theme、element 和布局真正做出来。

build.assets

generate deliverables

$ everest dashboard create --app retail-ops "销售驾驶舱"
$ everest dashboard theme show CLASSIC --as-spec --output yaml
$ everest element container create --dashboard dsh_2048 --app retail-ops --file layout.yaml
Container + chart scaffolding ready
DashboardThemeElement

03

把安全、权限与交付节奏放进同一条执行链

真正的企业级 BI 工程不止于“创建成功”，还要把权限、审计、迁移和多人确认一起纳入可编排状态。

deliver.control

operate safely

$ everest authorize get --target-type app --target-id app_42
$ everest user-group list
$ everest authorize grant --target-type app --target-id app_42 --user 123:editor --dry-run
Ready for pipeline approval
AuthorizeUserCI-ready

Agent runtime

适配会调用工具的 Agent，而不是绑定某一个壳

眼下可以先看两类：以 Claude Code、Codex 为代表的编码代理，以及以 OpenClaw、Hermes Agent 为代表的常驻型 agent。更重要的是，未来只要新一代 agent 仍然具备 shell 或 tool 调用能力，HENGSHI CLI 就能继续成为它们的 BI 执行层。

Shell-tool compatible

适合本地终端、IDE agent、长期运行服务和自动化流水线。

Skill-friendly

更适合和技能、模板仓库、runbook 以及审批流程联动。

Human review built in

通过 --dry-run、结构化输出和 SSE 回显，让自动化始终可复查。

Claude Code / Codex

适合带着代码仓库、shell 与 spec 文件一起推进复杂交付。

当 Agent 的主要工作在本地仓库或 CI 环境里展开时，HENGSHI CLI 能把数据准备、Dashboard Plan 与授权动作串成可复查的命令链。

仓库内实施、脚本生成、CI/CD 集成

OpenClaw / Hermes Agent

适合常驻在云端、消息通道或长期运行服务里持续处理请求。

这类 runtime 更像持久化执行层：可接收自然语言任务、跨会话保留上下文，并把 HENGSHI CLI 当作稳定的 BI tool surface 持续调用。

常驻助手、消息通道、云端自动化

Many more agents ahead

今天列出来的只是当下样本，未来一定还会有更多更强的 agent runtime 出现。

真正稳定的不是某一个壳，而是 shell / tool calling 这一层的执行接口。只要新一代 agent 还能调用工具，HENGSHI CLI 就能继续成为它们的 BI 执行层。

未来的新一代 coding agent、persistent agent 与 orchestration runtime

延伸阅读

从已有技术博客继续深入 HENGSHI CLI

查看全部技术博客 →

HENGSHI SENSE

让 AI Agent 开始执行 BI 工程

把 HENGSHI CLI 接入 Claude Code、Codex、OpenClaw 等具备工具调用能力的智能体，让数据接入、查询、仪表板生成与权限交付进入同一条执行链。

预约 CLI 演示

企业级部署、产品集成与试用咨询均可快速响应