Agent-first 命令树
从连接、数据集、HQL 到 dashboard / element / authorize，统一以 hbi 为入口覆盖 BI 工程主链路。
终端执行层
让 AI Agent 在终端里直接完成 BI 工程
HENGSHI CLI（对外命令统一为 hbi）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 repo-managed 的 hbi-* 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”。
Repo-managed skills
仓库自带 hbi-* / hql-expert skills，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。
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。
$ hbi auth status --output json
{ "status": "authenticated", "provider": "oauth" }
$ hbi dataset list --app retail-ops --output json
[{ "id": "sales_daily", "metrics": 12, "dimensions": 8 }]
$ hbi dashboard create --app retail-ops "区域销售驾驶舱"
Created dashboard dsh_2048
$ hbi element chart create --dashboard dsh_2048 --app retail-ops --dataset sales_daily line
Created element chart_17
JSONDashboardHQLAgent-ready
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。
$ hbi authorize grant app app_42 --user 123:editor --dry-run
Dry run passed · changes not applied
Preview: editor access -> retail-ops
--dry-runAuthorizeAudit trail
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
$ hbi 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
Repo-managed 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 repo-managed 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 core、app、data、dashboard、data-agent、pipeline、scheduler 等域拆成 16 个 repo-managed skills，而不是塞进一条超长提示词。
help-first 规约
技能默认先看 hbi --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。
CLI 仓库内置 16 个 repo-managed 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
hbi-core auth / preferences / output / terminology
hbi-data connection -> dataset -> metric / measure
hbi-dashboard plan scaffold -> validate -> apply
hbi-data-agent prompt / vector / chat config governance
hbi-pipeline node graph / schedule / integration flow
hql-expert business ask -> HE / HQL expression
hbi-workflow sequence cross-domain steps and checkpoints
agent follows domain boundaries instead of guessing commands
16 skillsHelp-firstDry-runDomain-aware
Foundation
先统一认证、空间与治理边界
hbi-core、hbi-app、hbi-permission 与 hbi-user-mgmt 先把 auth、应用空间、授权和组织治理分清，避免 Agent 一上来就把应用操作与平台权限混写。
hbi auth statushbi app portal --app <id> show --output yamlhbi authorize grant app <id> --user 123:editor --dry-run Data & Semantics
把数据接入、语义建模与指标域拆开
hbi-data、hbi-data-modeling、hbi-indicator-center 与 hql-expert 分别处理连接/数据集、join 模型、主题域指标与 HE/HQL 表达式。
hbi dataset list --app <id>hbi data-model query --app <id> --dataset <id> "SUM({amount})"hbi subject --help Delivery
页面交付、品味与预警各有专门技能
hbi-dashboard、hbi-dashboard-taste、hbi-data-alert 与 hbi-data-agent 分别负责仪表板生成、页面感设计、图表预警和 Data Agent 后台治理。
hbi dashboard plan apply --app <app-id> --file plan.yamlhbi data-agent config --output jsonhbi data-alert --help Automation
把集成、Notebook、调度和跨域编排串成流水线
hbi-pipeline、hbi-notebook、hbi-scheduler 与 hbi-workflow 让 Agent 能把 ETL、notebook 执行、已有计划治理和跨域 runbook 串成一条可审查的自动化链路。
hbi pipeline --helphbi notebook --helphbi scheduler --help 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”。
$ hbi connection list
$ hbi dataset list --app retail-ops
$ hbi 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。
$ hbi dashboard create --app retail-ops "销售驾驶舱"
$ hbi dashboard theme show CLASSIC --as-spec --output yaml
$ hbi 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。
$ hbi authorize get app app_42
$ hbi user-group list
$ hbi authorize grant app 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
业界首发｜衡石科技 HENGSHI CLI 重磅登场，以 Rust 架构开启 Agentic BI 自动驾驶时代
从行业问题切入，解释为什么 AI Agent 时代的 BI 不该只停留在问答界面，而要拥有真正的终端执行层。
打破 API 瓶颈！衡石 HENGSHI CLI：专为 AI Agent 打造，重构 BI 自动化底层逻辑
聚焦 CLI 相比 API 拼装的价值：统一命令树、结构化输出、安全凭证管理，以及更适合 Agent 的执行模型。
从手动到自动，从人机构交到机器交互——衡石 HENGSHI CLI 赋能 BI 工程实施全场景
围绕实施、运维、权限与跨环境交付，展开 HENGSHI CLI 在真实 BI 工程场景里的落地方式。
推荐底座
HENGSHI BOX：Agent 运行的最佳物理载体
HENGSHI CLI 需要稳定、高效、可管理的运行环境。HENGSHI BOX 为 Agent 提供专属硬件平台：预装完整 CLI 环境，本地大模型推理，数据不出箱，是 Agent 工作负载的最佳底座选择。
硬件级稳定性
超聚变（xFusion）服务器品质，为长时间运行的 Agent 任务提供坚实底座。
本地化推理
内置 GPU/NPU 加速，支持本地大模型快速响应，零公网 API 依赖。
即插即用
预装 HENGSHI CLI、Agent Skills 套件及向量数据库，开机上电即可调度 Agent。
物理安全边界
数据不出箱，网络隔离，符合企业级安全合规要求。
box-agent-run.sh
$ hbi auth status --output json
{ "status": "authenticated", "provider": "local-model" }
$ box-agent start --skill hbi-data --daemon
Agent started in background · PID: 42817
$ hbi dataset list --app retail-ops --output json
[{ "id": "sales_daily", "status": "ready" }]
$ box-agent task submit "生成华东区销售仪表盘"
Task queued · Local inference · Data stays in box
Local Model Data-in-box GPU Accelerated