Daily Revenue

一句话钩子：2,809★ · Apache-2.0 ✅ · Go 引擎 + SvelteKit 前端 + DuckDB 嵌入式 —— 当你还在花 3 天搭 Superset、对接 Metabase、研究 Lightdash YAML 的时候，Rill 3 分钟把 CSV 变成可交互 dashboard，并且从 v0.88 开始原生面向 Coding Agent。“fastest BI for humans and agents” —— 既是工程师的 ” 快速验证工具 ”，也是 Agent 的 ” 自动问数接口 ”。

---

写在前面：Rill 的定位跟今晚前三篇不一样

飞熊读者：8/15 已经发了 3 篇 BI 主题（Evidence 314 / WrenAI 316 / DB-GPT 318），Rill 是第 4 篇，也是 B 组（BI 新范式）的最后一击。它们的关系是：

项目	一句话
Evidence.dev（314）	工程师写 .md 报表，git 版本管理
WrenAI（316）	业务方说人话，AI 生成 SQL + 图表
DB-GPT（318）	AI 应用开发者用 AWEL 拼 AI 数据应用
Rill（本篇）	从 CSV / S3 到 dashboard，分钟级，不写代码

Rill 跟 Evidence 都是 SvelteKit + DuckDB 三件套 ，但 哲学不同：Evidence 让报表代码化（git 可版本管理），Rill 让 BI 极简化（点鼠标就能用）。Rill 是 “BI 工具中的 Vite” —— 零配置、即时反馈、面向 ” 先跑起来再说 ” 的工程师。

---

一、它解决什么问题

维度	数值
GitHub	rilldata/rill
Stars	2,809 ⭐（2026-08-14）
Forks	191
Open issues	199
License	Apache-2.0 ✅（比 WrenAI 干净，比 DB-GPT/Evidence 略多依赖）
首次 commit	2021-12-09（4.7 年，原 rill-developer 仓库）
最近 push	2026-08-14（昨天）
体积	640 MB
贡献者	49 人 / 总提交 6,778
核心维护者	AdityaHegde (938) / begelundmuller (934) / ericpgreen2 (726) / k-anshul (590) / djbarnwal (561)
默认分支	main
Topics	ai, ai-chatbot, bi, business-analytics, csv, data, duckdb, gen-ai, golang, parquet, s3, sql, sql-editor, sveltekit
最近 release	v0.88.6（2026-08-03） —— 周更节奏

一句话定位：”The fastest business intelligence tool for humans and agents.”

消歧：
–
A. 主角：rilldata/rill ✅
–
B. 历史：rilldata/rill-developer（6,746 commits，原 monorepo，已合并到主仓库）
–
C. 生态：rilldata/clickhouse-system-analytics（ClickHouse 监控模板）+ agent-skills（Agent skills 包）

痛点直击：
1.
传统 BI 太慢 —— Superset / Metabase 部署 + 接数据源 + 建 chart + 调样式，3 天起步。Rill rill start + 拖入 CSV = 30 秒出图。
2.
写 SQL 才能用 BI —— Lightdash / Evidence 要求你会 SQL / Markdown。Rill “ 导入 CSV → 自动推断 schema → 自动生成 dashboard”。
3.
AI Agent 难接入 —— 大部分 BI 没暴露 agent 接口。Rill v0.88+ 原生面向 Agent（humans and agents 是官方 slogan）。
4.
DuckDB 范式兴起的承接者 —— DuckDB 嵌入式 OLAP 火起来之后，需要一个“DuckDB 上的 BI 前端 ”，Rill 就是。

---

二、核心能力：” 快 ” 是唯一的核心

Rill 不像 Evidence / DB-GPT 那样有 ” 独家武器 ”（Markdown、AWEL），它的核心就一个字：快。怎么快？看 4 个层面：

2.1 30 秒出 dashboard 的工作流

# 安装（一条命令）curl https://rill.sh/install.sh | bash

# 创建项目 + 启动
rill start my-project
# → 自动打开 http://localhost:9009

UI 操作：
1.
拖入 CSV → Rill 自动推断 schema、字段类型、时间列
2.
选维度 / 指标 → 不用写 SQL，勾选字段即可
3.
生成 dashboard → Rill 自动建 chart、配色、加时间筛选器
4.
导入数据源 → 加 Postgres / S3 / BigQuery 连接 → 自动增量同步

对比传统 BI 速度：

步骤	Superset / Metabase	Rill
部署	30 分钟 – 2 小时	30 秒
接数据源	5-30 分钟	拖入 CSV / 配连接 1 分钟
建第一个 chart	10-30 分钟	10 秒
加 dashboard	30 分钟	10 秒
总计	半天到 2 天	3-5 分钟

2.2 自定义 YAML schema（不是 SQL）

Rill 提供一套 YAML 配置 DSL（” 自定义 schema”）：

# sources/orders.yaml
type: source
connector: s3
path: s3://my-bucket/orders/*.parquet

# models/orders.yaml
type: model
sql: |
  select 
    date_trunc('day', order_date) as day,
    sum(amount) as revenue,
    count(distinct user_id) as buyers
  from source.orders
  group by 1

# dashboards/revenue.yaml
type: dashboard
title: "Daily Revenue"
metrics:
  - name: revenue
    expression: sum(amount)
  - name: buyers
    expression: count(distinct user_id)
dimensions:
  - name: day
    column: order_date
    label: "Date"

• 不用写 SQL，用 YAML 声明（但也支持 SQL model）
• rill deploy 一键推到 Rill Cloud
• 完全 git 版本管理（项目就是个 git 仓库）

2.3 DuckDB 嵌入式（核心引擎）

Rill 的 SQL 引擎基于 DuckDB：

• 单进程嵌入式 —— 没有 PostgreSQL / MySQL 进程，部署极简
• 列式 OLAP —— 百万行秒级响应
• Parquet 原生 —— 直接读 S3 上的 Parquet，不下载
• 向量化执行 —— 跟 ClickHouse / Doris 同级性能

技术栈推断：
–
Go 后端（7.83MB）：负责 SQL 引擎调度 / API / 部署
–
DuckDB C++ 内核：通过 CGO 嵌入 Go
–
SvelteKit 前端（4.33MB Svelte + 7.43MB TS）：仪表板 UI
–
没多少 Python（2.6KB）—— 跟 DB-GPT / WrenAI 完全不同

2.4 AI Chatbot + Agent 原生（v0.88 重磅）

官方 tagline 加了 “for humans and agents”（v0.88 之后）：

能力	实现
内置 AI Chat	在 dashboard 里直接问 ” 过去 7 天营收趋势 ”，AI 自动生成 SQL 并展示图表
MCP Server	Rill 暴露 metrics / dashboard 资源给 Coding Agent（Claude Desktop / Cursor）
MCP Resources	Agent 可以列出 Rill 项目里所有 metrics / dashboards / dimensions
MCP Tools	Agent 可以调用 query_metrics / get_dashboard 等工具
多模型支持	OpenAI / Anthropic / Ollama / 本地 LLM
Agent Skills 包	rilldata/agent-skills 仓库提供 Claude/Cursor 用的 skills

真实场景：你在 Claude Desktop 里说 ” 查 Rill 项目里过去一周的营收 ”，Claude 通过 MCP 调 Rill，返回结构化数据 + 图表。

2.5 数据源 + 部署

类别	支持
文件	CSV / Parquet / JSON / Excel（拖入即用）
云存储	S3 / GCS / Azure Blob / R2
数据库	PostgreSQL / MySQL / SQLite
数仓	BigQuery / Snowflake / Redshift / Databricks
湖仓	Apache Druid / ClickHouse
OLAP	DuckDB / MotherDuck

亮点：原生支持 Apache Druid 实时 OLAP（搜索结果里有 “Apache Druid comparison toplist implementation” commit）+ ClickHouse（官方有 clickhouse-system-analytics 模板）

部署选项：
–
本地：单机跑（开发用）
–
Rill Cloud（SaaS，闭源，按数据量计费）
–
自托管：Docker / Kubernetes
–
嵌入：作为应用内嵌 BI（Embedded）

---

三、技术架构：Go + SvelteKit + DuckDB 三件套

3.1 三语言栈（罕见的 Go 主导 BI）

层	语言	占比	职责
后端引擎	Go	7.83MB / 38%	SQL 引擎调度 / API / Rill runtime
前端产品	TypeScript	7.43MB / 36%	Web Admin / Web Local / Web Integration
前端框架	Svelte	4.33MB / 21%	SvelteKit 组件库
OLAP 内核	DuckDB（CGO）	—	嵌入式列式引擎
资源	HTML / CSS / JS	274KB	文档 / 资源
构建	Shell + Makefile + Nearley	38KB	工具链（Nearley 是 JS parser）

对比 Evidence（JS + Svelte + DuckDB WASM）vs Rill（Go + Svelte + DuckDB）：
– Evidence 选
DuckDB WASM（浏览器跑，零依赖）
– Rill 选
DuckDB CGO（Go 进程内调用，更快更强）
–
Rill 性能更好但部署稍重（需要 Go runtime）

3.2 monorepo 结构（看 GitHub 仓库目录）

rilldata/rill/
├── admin/              # Rill Cloud 后台管理（推测）├── cli/                # `rill` 命令行
├── runtime/            # SQL 引擎 + 数据源 + 模型
├── web-admin/          # Rill Cloud Web UI
├── web-local/          # 本地 Rill Developer UI
├── web-common/         # 共享组件
├── web-integration/    # 嵌入式 SDK
├── web-auth/           # 认证
├── proto/              # gRPC protobuf 定义
├── docs/               # 文档站
├── .cursor/            # Cursor IDE 规则
├── .claude/            # Claude IDE 规则（**Agent-first 信号 **）└── scripts/            # CI / 构建脚本

.cursor/ 和 .claude/ 目录 —— 这是 v0.88 后 明确面向 Coding Agent的证据。Rill 团队在用 Cursor / Claude 开发自己的项目，用 AI 工具写给 AI 工具用的 BI。

3.3 周更发布节奏（最强信号）

版本	发布日	距上次
v0.88.6	2026-08-03	5 天
v0.88.5	2026-07-29	5 天
v0.88.4	2026-07-24	1 天
v0.88.3	2026-07-23	1 天
v0.88.2	2026-07-22	—

节奏观察：
– v0.88.x 系列：
周更 + 紧急修复（3 天发 3 个补丁）
– 之前 v0.26.0 → v0.88.x：跨了好几个大版本号
–
判断 ：Rill 处于 v0.88 重大迭代期，团队在高频发版调整， 生产部署建议锁版本 + 测试升级

3.4 49 贡献者 / 6,778 commits

维护者	commits
AdityaHegde	938
begelundmuller	934
ericpgreen2	726
k-anshul	590
djbarnwal	561
briangregoryholmes	455
pjain1	327
hamilton	263
royendo	262
lovincyrus	193

• 前 5 名包揽 3,749 commits / 55%（比 DB-GPT 更集中）
• 判断 ：Rill 团队（rilldata Inc.）是核心驱动， 商业化支持强

---

四、对比 WrenAI / Evidence / DB-GPT / Metabase / Superset

把 Rill 放进 BI 全栈坐标系：

维度	Rill	Evidence (314)	WrenAI (316)	DB-GPT (318)	Metabase (274)	Superset (270)
范式	快 BI + Agent	Code-based BI	GenBI	AI Native Data App	传统 BI + AI 插件	传统 BI
License	Apache-2.0 ✅	MIT ✅	Apache-2.0 ⚠️未来 AGPL	MIT ✅	AGPL + Commercial	Apache-2.0
Stars	2.8K	6.8K	17.3K	19.7K	48K	66K
目标用户	工程师 + Agent	工程师	业务方	AI 应用开发者	全公司	全公司
上手时间	3 分钟	30 分钟	10 分钟	1 小时	30 分钟	1 小时
核心武器	速度 + DuckDB + YAML	.md + MCP	语义层 + MCP	AWEL + Multi-Agent	GUI + 插件	GUI + 插件
写代码？	不用（YAML 可选）	必须（.md + SQL）	可选（人话）	必须（AWEL）	不用	不用
引擎	DuckDB + Go	DuckDB WASM	DuckDB + Rust	Python + LLM	Clojure	Python
前端	SvelteKit	SvelteKit	Streamlit	TypeScript	React	React
数据源	含 Druid / ClickHouse	16+	20+	含国产数据库	20+	30+
MCP	✅	✅	✅	计划中	❌	❌
AI Chat	✅ 内置	❌	❌	✅	✅（商业）	❌
Agent 优先	✅（.claude/ 目录）	✅	✅	⚠️	❌	❌
Embedded	✅	✅	✅（Studio）	弱	✅	✅
私有化	✅	✅	✅	✅ 重点	✅	✅
国产友好	⚠️ 通用	⚠️ 通用	❌	✅ 全栈	⚠️ 通用	⚠️ 通用
发版节奏	周更	慢（半年）	快（月 4）	慢（半年 2）	中等	中等
Cloud	Rill Cloud（闭源）	Evidence Studio	Wren Cloud	弱	Metabase Cloud	弱

4.1 核心判断

选 Rill 的场景：
– ✅ 你想
3 分钟验证一个数据假设（导入 CSV → 出图）
– ✅ 你用
DuckDB / Parquet / S3 数据栈
– ✅ 你是
Coding Agent 重度用户（MCP + AI Chat 内置）
– ✅ 你要
部署实时 OLAP 监控（Apache Druid 集成 + ClickHouse 官方模板）
– ✅ 你想要
Apache-2.0 干净的 license（无 AGPL 风险）
– ✅ 你的
部署节奏可以跟上周更（v0.88.x 持续发版）

不选 Rill 的场景：
– ❌ 你的报表消费者主要是
业务方 / PM（他们要 GUI 拖拽）
– ❌ 你需要
长期稳定版本（周更节奏意味着 API 经常变）
– ❌ 你的数据源是
国产数据库（达梦 / OceanBase 暂未官方支持）
– ❌ 你需要
传统 BI 那种 admin 权限模型（Metabase / Superset 更成熟）

4.2 vs Evidence（最像的双胞胎）

	Rill	Evidence.dev
技术栈	Go + SvelteKit + DuckDB	JavaScript + SvelteKit + DuckDB WASM
DuckDB 部署	CGO（本地进程）	WASM（浏览器）
上手时间	3 分钟	30 分钟（要 npm install）
写报表	不用写（YAML/UI）	必须写（.md + SQL）
Agent	✅ .claude/ 目录 + MCP	✅ MCP
生产成熟度	v0.88（周更）	v2x（慢但稳）
范式哲学	“快“	“code-as-report“

一句话：Rill 是 Evidence 的 ” 低代码版 ” —— 都是 DuckDB + SvelteKit，但 Rill 把 ” 写代码 ” 换成 ” 拖拽 + YAML”。选哪个看你团队是 ” 工程师写报表 ” 还是 ” 工程师配置 + 业务方用 ”。

4.3 8/15 四主角横向对比（决策树）

	Rill	Evidence	WrenAI	DB-GPT
License	Apache-2.0 ✅	MIT ✅	Apache-2.0 ⚠️	MIT ✅
Stars	2.8K	6.8K	17.3K	19.7K
谁用	工程师 + Agent	工程师	业务方	AI 应用开发者
速度	3 分钟 ⭐	30 分钟	10 分钟	1 小时
Code？	不用	必须	可选	必须
国产友好	⚠️	⚠️	❌	✅

• 先快速验证数据假设 → Rill（本篇）
• 报表进 git + Agent 改 → Evidence（314）
• 业务方说人话 → WrenAI（316）
• 完整 AI 数据应用 → DB-GPT（318）

---

五、实战：3 分钟跑通一个 Rill 项目

5.1 安装 + 启动（30 秒）

curl https://rill.sh/install.sh | bash
rill start my-project
# → 自动打开 http://localhost:9009

一行命令安装 CLI + 拉起本地 Rill Developer。

5.2 导入数据（3 分钟）

方式 A：拖入 CSV

1. 浏览器打开 http://localhost:9009
2. 左侧面板点 “Add Data” → “Upload CSV”
3. 拖入你的 orders.csv（包含 order_date / amount / user_id）
4. Rill 自动推断 schema + 时间列 + 维度

方式 B：连 S3 / Postgres / BigQuery

# sources/orders.yaml
type: source
connector: s3
path: s3://my-bucket/orders/*.parquet

rill project deploy

5.3 建 dashboard（10 秒）

UI 操作：
1. 左侧点 “Create Dashboard”
2. 选你的
orders 表
3. 拖字段：
– 维度：
order_date → 时间趋势图
– 指标：
sum(amount) → 总营收
– 维度：
user_id → 独立用户数
4. Rill 自动生成 chart + 加筛选器 + 配色
5.
10 秒 得到一个可交互 dashboard

5.4 接 Claude Desktop（Agent 用法）

Rill 自带 MCP server：

// ~/.config/claude_desktop_config.json
{
  "mcpServers": {
    "rill": {
      "command": "rill",
      "args": ["mcp", "--project", "/path/to/my-project"]
    }
  }
}

Claude Desktop 里直接说 ” 查 Rill 项目里过去 7 天的营收趋势 ”，Claude 通过 MCP 调 Rill，返回数据 + 自动生成 SQL。

也可以用 rilldata/agent-skills 给 Claude / Cursor 加 skills 增强。

---

六、风险与坑

6.1 周更节奏 = API 不稳定

v0.88.x 在 12 天内发了 5 个版本，说明：
– 生产锁定要 pin 具体版本号
– 升级测试要充分
–
不建议 LTS 长期承诺（Rill 还没出 LTS）

6.2 199 open issues（活跃但响应待观察）

• 项目活跃是真活跃
• 跟 DB-GPT（423）、WrenAI（331）比 数量适中
• 但 199 个 issues 在 49 个贡献者手里 响应可能慢

6.3 Go 部署门槛

• 跟 Evidence / WrenAI 的 ”npm install” 比，Rill 需要装 Go runtime + DuckDB CGO
• Docker 镜像可以解决，但 比纯 JS 项目重
• 某些 Serverless 平台不支持（要长进程）

6.4 国产数据库支持弱

• 达梦 / OceanBase / PolarDB 没有官方 connector
• 国产化场景要自己写 connector 或用 DB-GPT

6.5 Rill Cloud 是闭源

• Rill 团队靠 Cloud 商业化（类似 Evidence Studio / GitLab EE）
• Core 是 Apache-2.0 ✅，Cloud 闭源
• 自托管能力受限（高级功能在 Cloud）

6.6 团队规模小（49 贡献者）

• 对比 DB-GPT 100 / WrenAI 74 / Evidence 68，Rill 团队规模最小
• 风险：核心团队离职 / 公司战略调整可能影响项目
• 缓解：Apache-2.0 + 49 人 commit 足够 fork 接管

---

七、总结：3 个 ” 最值得装的理由 ” + 1 句 ” 先试一周 ”

最值得装的理由

1. 3 分钟从 CSV 到 dashboard 的极致体验 —— 跟其他 BI 工具的 ”3 天起步 ” 形成代际差距。 当你需要快速验证数据假设、临时给客户做个 demo、内部 debug 数据问题时，Rill 是最快选项。
2. Apache-2.0 + Agent 原生双保险 —— 干净 license + .claude/ 目录 + MCP server + AI Chat 内置，Rill 是 2026 年 ”agent-first BI” 的开源标杆，跟 Evidence / WrenAI 并列第一梯队。
3. Go + SvelteKit + DuckDB 三件套的技术品味 —— 跟 Evidence 同栈但选 Go 引擎（性能更好），比 Python 系（DB-GPT / WrenAI）部署更轻、比 JS 系（Evidence WASM）功能更强。 学习价值大于使用价值。

先试一周

如果你有以下任一场景，今晚花 5 分钟跑一下：

curl https://rill.sh/install.sh | bash
rill start my-test-project

拖入一个你手头的 CSV → 自动生成 dashboard → 用内置 AI Chat 问个问题 → 配 MCP 接 Claude Desktop。如果你在第 5 分钟就出图了，那说明 Rill 的 ” 快 ” 是真的。

特别提醒 ：如果你需要的是 长期生产部署 ，建议观察 v0.88 → v0.89 → v1.0 的 API 稳定性；如果你只是 快速验证 / 内部工具 / 客户 demo，今晚就跑。

---

参考

• GitHub · rilldata/rill
• 官网 · rill.sh
• 文档 · docs.rilldata.com
• Releases 历史（v0.88.x 周更）
• GitHub · rilldata/agent-skills（Agent skills）
• GitHub · rilldata/clickhouse-system-analytics（ClickHouse 监控模板）
• 历史仓库 · rilldata/rill-developer
• DuckDB 集成文档
• MCP server 配置
• Apache Druid 集成（v0.88 新增）