从0开始，一句话启动AI DataAgent

前面讲了很多关于语义层的内容，那么语义层的学习曲线如何？确实，早年笔者在学习BI时，也是花了好多时间，面对各种英文材料 ，那是一个头疼，但AI时代，这一切都被抹平了，你不再需要深入细节，只需要把握好方向。

安装也一样。直接交给 Agent 去做。你只需要准备一个能执行本地命令的编程 Agent。笔者平时用 Codex 比较多，所以这里以 Codex 做示例。

您需要准备一台本机或远程服务器，Windows、Linux 都可以。如果是远程环境，就提前准备好服务器地址和 SSH Key。打开 Codex 后，把下面这段话复制进去：

请使用 https://github.com/foggy-projects/foggy-ai-analysis/releases/tag/v0.1.16 下提供的 foggy-ai-analysis Skill，在本机安装并启动 AI 分析引擎，跑通销售下降样例验证，并输出可直接使用的 MCP 服务配置和验证结果。

接下来先不用手工装一堆东西。Codex 会按 foggy-ai-analysis Skill 的说明，下载并安装需要的组件。v0.1.16 对应的主要版本是：

Skill: v0.1.16
CLI: v0.1.20
Java launcher: foggy-runtime-launcher-v0.1.6

这次只是演示，所以不提供生产数据库连接。没有数据库连接时，直接使用 Skill 自带的 SQLite 样例数据即可。这样变量少，第一次更容易跑通。

任务完成后，重点看 Codex 输出的几类信息：

Runtime API 地址
MCP analyst endpoint
namespace
SQLite 文件路径
验证结果

如果这些信息都出来了，说明本地 AI 分析引擎已经启动，并且销售下降样例也验证过了。

安装 MCP 服务到 Codex

下一步，把刚才启动好的 MCP 服务接回 Codex。继续给 Codex 一句话：

请把这个 MCP 服务安装到 Codex。

这里的"这个 MCP 服务"，就是上一步输出的 MCP analyst endpoint 和 namespace。Codex 会根据这些信息写入自己的 MCP 配置。

配置完成后，重新打开一个 Codex 会话。这样后面的对话就不是单纯聊天了，而是可以调用刚才启动的语义分析服务。

重新开一个 Codex 会话

新会话里，先不要急着问复杂问题。可以先确认当前能用哪些工具、有哪些模型、能问什么：

你现在有哪些可用工具？
当前有哪些分析模型或数据模型？
我可以基于这些模型问哪些问题？

如果 MCP 服务接好了，Codex 应该能看到和销售下降分析相关的工具或模型。接下来就可以问业务问题：

最近哪些客户销售下降最明显？
哪些区域或渠道下降最严重？
下降主要是因为订单变少、客单价降低，还是退款变多？
哪些销售下降需要马上跟进？
每个问题应该由谁负责？

比如问"哪些区域或渠道下降最严重"，Codex 会通过 MCP 调用语义查询模型，而不是直接凭上下文猜答案。

再继续追问下降原因，也可以看到它会基于已有字段做分析，同时说明当前模型还缺哪些字段，不能把原因拆得过细。

还可以故意问一个当前样例不应该直接回答的问题：

预测下周销售会恢复吗？

这个问题用来验证边界。当前样例只有已经发生的销售下降诊断数据，没有预测模型，也没有未来恢复数据。系统不应该硬编一个预测结论，而是应该说明缺少预测所需的数据或模型。

这一步到底做了什么

这一轮的重点不是销售下降本身，而是先跑通一个最小链路：

Codex 读取 foggy-ai-analysis Skill。
Codex 安装并启动本地 AI 分析引擎。
没有数据库连接时使用 SQLite 样例数据。
Skill 创建销售下降样例数据和语义模型。
CLI 完成验证和题库检查。
Codex 输出可直接使用的 MCP 服务配置。
新会话通过 MCP 调用分析服务。

跑通以后，你就得到了一套可以本地验证的 AI 分析环境。

后面如果要换成真实业务数据，就不再使用样例 SQLite，而是把数据库连接交给 Codex，让 foggy-ai-analysis Skill 协助检查表结构、创建语义层、维护数据模型。你不需要一开始就深入学习引擎所有细节，可以先从业务问题出发，把最小闭环跑起来。

下一篇再继续讲：如何使用这个skill，基于真实数据库创建一个可用的语义层。如果大家有公共库、示例数据，或者希望我用某类业务场景做演示，也可以在评论区回复。