Athenic 2.0

👋 嗨，Product Hunt，好久不见！

我们最早在2023年上线了 Athenic，从那以后变化挺大的。

大多数“跟你的数据聊天”工具（包括 Athenic 1.0）都只给一个答案就停了。Athenic 2.0 会继续往下走：它帮你建仪表板、写报告、还能按计划重新运行分析——问一次就行，不用每周一都来一遍。

新功能如下：Automations — 定期分析直接发到你的收件箱；Business apps — 连接 CRM、ERP、付费媒体渠道等，不只是 SQL 数据库；Agentic Web research — Athenic 自动监控竞争对手，发现市场趋势；Improved Charting — 通过聊天直接搭建完整仪表板，支持更多图表类型和自定义。
定价也改成按用量计费了，用多少付多少。一开始送你 2,000 个免费 credits，不用绑信用卡。

很高兴回答任何问题，也一直很感激大家的反馈。你会第一件把什么设置成自动运行？👇

— Jared

@eggro @jared_zhao “自动分析”这个角度很有力，如果它能帮团队从仪表板转向决策的话。很多分析工具只告诉你发生了什么，但真正的价值在于指出什么变了、为什么重要、以及接下来应该看什么。

喜欢它从提问直接到自动化，而不是只有一张一次性的图表。Athenic 是怎么决定哪些东西值得做成定期报告、哪些只给一次答案的？

我最感兴趣的是，它竟然能信任一个智能体自己选择跨表的 join 路径——这通常是 text-to-SQL 工具悄悄算错数字，却还给出看起来很自信的结果的地方。你们是怎么处理 schema 不明确的情况的？Athenic 会展示它的推理过程 / 执行的 SQL 让分析师能核对一下，还是更偏向于直接信任答案的流程？

把智能体数据分析师作为框架，意味着智能体会主动采取行动而不是仅仅响应。我比较好奇实际中智能体的行为是什么样的。它会主动标记已连接数据中的异常、建议你没问过的分析吗？还是说“智能体”这个标签更多指的是在单次查询里做多步推理，而不是在两次会话之间的自主操作？这个区别很大程度上决定了人们会怎样把它整合到自己的工作流里。