Stela

SQL in Markdown

SQL 写进笔记，思路与结果一并留存

在 Markdown 笔记中直接编写、执行 SQL，结合查询结果记录判断、验证假设。问题、查询与结论相互关联，保留完整的分析脉络。

再次打开笔记，既可追溯依据，也可更新查询，延续此前的分析。

SQL in Chat

从 SQL 到 AI 分析，一气呵成

SQL 与自然语言可以混合输入，查询结果、分析解读和图表在同一段对话中呈现。围绕结果继续追问，即可深入分析。

遇到明确的语法错误，AI 可自动修正并继续执行，让查询、纠错与分析自然衔接。

Stela Agent

循迹于笔记，求证于数据

面向数据分析领域专门设计的 Stela Agent，会查找历史笔记中的业务线索，结合表结构编写并执行 SQL，调用 Python 计算，并依据查询结果展开后续分析、生成所需图表。

可在 Chat 中发起任务，也可在文档旁继续分析。工具调用、查询与结果均可查看，分析依据清晰可查。

数据血缘图

数据有来路，指标有依据

用流程图串联数据来源、计算过程与最终指标。结合实际金额与数据量，让每一步转换都有据可循。

自动知识维护

积累分析经验，形成可复用的业务知识

Stela 从历史笔记与分析记录中整理经验教训，保存为知识 Skill。经过确认的指标口径、查询方法与问题处理经验，成为后续分析的参考。

Agent 在相关任务中检索并使用这些知识，逐步积累对业务的理解。知识内容可查看、编辑和维护。

插件化数据库连接

通过插件，接入所需数据库

以连接器插件适配不同数据库，在统一入口配置和管理连接，供 SQL 查询与 Agent 分析使用。

针对特定数据库或内部数据服务，也可开发自定义插件，将其接入 Stela 的分析工作流。