Agent 核心工具与能力
LakeMind Agent 的智能交互并不是黑盒魔法，而是基于 Rust rig 智能体框架所包装的 14 个高精度数据分析工具。当您用自然语言下达命令时，Agent 会根据上下文，自动选择并组合调用这些工具。
数据探查与分析工具
1. list_tables (查看表列表)
- 作用：让 Agent 能够了解当前工作区中存在哪些已经注册的 Parquet 临时表、CSV 本地表或 DuckDB 物理表。
- Agent 何时调用：对话的第一步，用于确认用户询问的数据集是否存在。
2. describe_table (获取表结构)
- 作用：提取特定表的所有列名、数据类型以及可空属性。
- Agent 何时调用：在编写 SQL 语句之前，用以精确匹配字段名与关联条件，防止字段名不存在导致 SQL 报错。
3. sample_data (采样数据)
- 作用：对指定表检索前几行数据（默认 5-10 行）。
- Agent 何时调用：理解脏数据、复杂枚举值分布或时间格式时调用。这比只看列名更能帮助 Agent 理解字段的具体商业含义。
4. execute_query (执行 SQL 查询)
- 作用：在工作区的本地 DuckDB 实例中执行只读（SELECT）SQL 代码，并返回格式化后的 JSON 结果流。
- 安全保障：被限制为只读执行，且在后台进行了超时上限约束，百万行级大数据分析可在 1 秒内完成。
交互与可视化工具
5. render_chart (渲染可视化图表)
- 作用：这是 LakeMind 的明星工具。接收 Agent 提炼的图表配置参数（包括图表类型如柱状/折线/饼图、X轴/Y轴映射、数值数组等），并在前端控制台为用户直接生成交互式图表。
- 用户体验：无需用户手动绘制，分析完数据后，图表会直接展示在 Chat 气泡正下方。
数据湖仓管理工具
6. materialize_remote_table (物化远程表格)
- 作用：支持从远程 HTTP/HTTPS URL、S3 桶等云端路径，直接将 Parquet 或 CSV 等文件下载并高效物化（Materialize）写入到本地工作区的
lake.duckdb中。 - 特点：支持断点续传与元数据校对，非常适合加载公开数据集。
7. create_table & create_view & drop_object (DDL 操作)
- 作用：允许 Agent 帮您在本地数据湖中整理数据。例如，根据某个复杂的分析逻辑建立临时的聚合视图（View）或物理表（Table），以供后续的查询和对话复用。
8. check_source_fingerprint (指纹比对)
- 作用：用于校验外部大文件的数据完整性。如果外部 Parquet/CSV 被其他软件修改过，Agent 会自动识别出指纹差异，提示用户是否需要重新同步。
OKF 商业知识库管理
9. search_okf_recipes / write_okf_block / tidy_okf_knowledge
- 作用：操作 LakeMind 的商业知识库。
- 功能说明：允许 Agent 在 OKF 知识库中搜寻用户预先写入的口径，或者在对话过程中将学到的新知识（如“活跃用户的计算公式”）写入本地知识块，实现自我知识的分类整理。
Agent 的思考过程示例
当您问：“帮我把 product_sales 表里销量前五的产品名做成折线图”，Agent 的后台决策链条如下：
mermaid
graph TD
A[用户输入: 制作销量前五折线图] --> B[调用 list_tables 检查 product_sales 存在性]
B --> C[调用 describe_table 查看 sales 和 product_name 列名]
C --> D[调用 execute_query 执行 SQL 聚合与排序]
D --> E[获取销量前五的数据行 JSON]
E --> F[调用 render_chart 输入图表参数并渲染折线图]
F --> G[向用户输出自然语言总结 + 交互式折线图]