Выполняет SQL-запрос (read-only). По умолчанию — push-down к source DB (remote). SQL пишется в DuckDB-синтаксисе, автоматически переводится под диалект source DB (sqlglot). Read-only: INSERT/UPDATE/DELETE/DROP заблокированы. format: markdown (по умолчанию), json, csv. limit: ограничение строк (0 = default 200).

Показать план выполнения SQL (EXPLAIN) и стоимость. Полезно перед тяжёлыми запросами к удалённой БД. (фича G)

Структура таблицы: колонки, типы, число строк, превью.

Подключить новую БД в рантайме без перезапуска сервера. (фича B) Поддерживаемые db_type: postgresql, mysql, clickhouse, sqlite. mode: remote (push-down SQL), dump (выгрузка в DuckDB), auto (по умолчанию).

Обновить схему подключений — перечитать таблицы, колонки, FK из source DB (A3). Если connection не указан — обновляет все подключения. Полезно когда в БД добавили таблицы/колонки после старта сервера.

Семантический поиск по текстовой колонке через LLM embeddings (C3). Находит строки, похожие по смыслу на query, даже если слова не совпадают. Требует LLM_BASE_URL/LLM_MODEL (OpenAI-compatible /v1/embeddings).

Проверить доступность подключения к БД.

Профилирование: статистика по колонкам (null%, уникальность, min/max, top-5).

Умное саммари: ключевые метрики, топ-группы, аномалии, паттерны.

Комплексный отчёт о качестве: полнота, дубликаты, консистентность.

Поиск дубликатов: точные или fuzzy (Levenshtein).

Обнаружение выбросов z-score и/или IQR.

Выборка строк из таблицы.

Корреляционный анализ (Пирсон/Спирмен).

Анализ распределения: гистограмма, skewness, kurtosis.

Кросс-табуляция двух категорий: частоты, проценты, Хи-квадрат.

Сводная таблица в стиле Excel (PIVOT).

Сегментация: квинтили/децилы/кастомные бакеты или RFM-анализ.

Сравнение двух таблиц: общие/уникальные строки, расхождения.

Анализ временных рядов: тренд, рост/падение, скользящее среднее.

Авто-инсайты: топ-5 находок с графиками одним вызовом.

Генерация DuckDB SQL из описания на естественном языке (требует LLM).

Визуализация: bar/line/pie/scatter/area/histogram. PNG + JSON spec.

Прогнозирование тренда (линейная/полиномиальная регрессия).

Кластеризация K-Means/DBSCAN с auto-выбором k (elbow).

Важность признаков (Random Forest + permutation).

Статистические тесты: t-test, Mann-Whitney, KS, Хи-квадрат.

Классификация строк по категориям с помощью LLM.

Трансформации: normalize, fillna, extract(даты), onehot, bin, derive.

Умный JOIN двух таблиц с авто-детекцией ключей.

Экспорт данных в CSV-файл.

Распознавание паттернов в тексте: email, телефон, URL, ИНН, даты.

Набор из 4-6 ключевых графиков одним вызовом.

Data Story: нарратив с графиками — связный рассказ о данных.

Создаёт дашборд — standalone HTML с интерактивными фильтрами.

Загрузка CSV/Excel/Parquet файла в DuckDB для анализа. Excel: если sheet не указан, грузит все листы. Parquet загружается через DuckDB read_parquet.

Обновить метаописание таблицы в Knowledge Base (ТЗ 1.1). column_descriptions: JSON {"col1": "описание", "col2": "..."} layer: raw | staging | mart | certified

Список расчётных метрик с формулами из Knowledge Base (ТЗ 1.1).

Сканировать таблицу на PII и пометить чувствительные колонки (ТЗ 10).

Получить логи запросов/ошибок/аудита (ТЗ 9).

Загрузить метаданные из dbt manifest.json в Knowledge Base (ТЗ 1.2).

Экспорт данных в XLSX-файл с форматированием (ТЗ 3.3). Заголовки жирным, freeze panes, автоширина, автофильтр, NULL → серый фон.

Добавить эталонный пример «NL-запрос → SQL» в Example Store (ТЗ 1.3). Используется для few-shot обучения generate_sql.

Поиск по базе знаний: метаданные таблиц, описания колонок, метрики, примеры (ТЗ 8). Комбинирует полнотекстовый и семантический поиск.

Синхронизировать метаданные из DataHub в Knowledge Base (ТЗ 1.2).

Сгенерировать URL для внешнего BI-инструмента с предзаполненными фильтрами (ТЗ 3.4). params: JSON {"region": "Москва", "product": "Widget A"} time_from/time_to: для Grafana (например '2024-01-01', '2024-02-01')