产品愿景#

我们要解决的问题#

企业拥有越来越多数据，却仍然很难把数据稳定转化为行动。业务团队需要更快看到结果，研发团队需要更低成本维护报表，管理团队需要可信的洞察，IT 团队需要安全可控的部署方式。

DataLuminary 的愿景，是构建一个 开源、插件化、可解释、可私有化部署 的智能 BI 平台，让组织以更低成本完成：

数据接入 → 数据集建模 → 指标治理 → 可视化编排 → AI 洞察 → 决策协作

核心判断#

下一代 BI 不会只属于拖拽式配置，也不会只属于聊天式问数。真正能进入企业生产流程的 BI，需要同时支持三种方式：

• 拖拽分析：业务用户用表单、图表和仪表盘快速完成日常分析。
• AI 协作：AI 分步骤协助生成数据集、指标、图表、布局和洞察摘要。
• 一句话生成：在治理体系内用自然语言直接生成可编辑、可审计的分析草案。

三种方式必须落在同一套数据资产和权限体系内，才能持续复用，而不是产生一次性的孤立结果。

设计原则#

• 全链路 BI：平台覆盖数据源、数据集、指标维度、图表、仪表盘、权限和发布协作。
• 插件化架构：图表、面板、数据源、交互与 AI 能力皆可扩展，平台负责治理与编排。
• LessCode / NoCode：拖拽与表单配置为主，复杂场景保留 SQL、Schema 与高级配置入口。
• Headless BI 思路：数据集统一承载指标与维度，图表专注呈现，仪表盘专注表达。
• 全栈 TypeScript：前后端、插件、契约与配置 Schema 使用统一工程语言，降低协作成本。
• AI 可治理：AI 生成的是平台原生配置，用户可检查、修改、回退、发布和审计。
• 私有化优先：支持企业在数据安全、合规、网络隔离和交付成本之间做平衡。

为什么是全栈 TypeScript#

DataLuminary 选择全栈 TypeScript，不只是因为它适合 Web 工程，更因为它适合 AI 时代的协作开发。类型、接口、Schema、测试和插件契约能为 AI 生成代码提供结构化约束。

随着 TypeScript 6.0、7.0 继续增强类型系统和工程工具链，TypeScript 将更接近 AI 一等编程语言：人类开发者、AI 编程助手和自动化工具可以围绕同一套类型契约协作。DataLuminary 会持续把插件 SDK、前后端 DTO、配置 Schema 和文档示例收敛到这一工程范式中。

战略方向#

• 从「能看图」到「能解释数据」：AI 辅助配图、异常解释、归因分析与洞察报告。
• 从「单人可用」到「组织协作」：权限、空间、版本、审计和发布流程成为基础能力。
• 从「内置功能」到「社区生态」：数据源、图表、行业模板和 AI 插件由社区共同扩展。
• 从「单产品部署」到「生态协同」：与 LuminaryWorks 下的 IoT、远程运维、教育、Agent 产品协同增长。

产品信念#

DataLuminary 不追求把每个行业需求都内置进核心产品，而是把稳定的治理、插件、Schema、权限和 AI 工作流做成平台能力。行业差异通过数据源、图表、面板、AI 插件和模板生态承载，平台负责让这些能力可组合、可审计、可交付。