Przejdź do treści

Narzędzia AI

datasette-agent-charts: co potrafi plugin do wykresów w Datasette

Zaktualizowano: Autor: Andrzej Niemiec9 min czytania

datasette-agent-charts to plugin do Datasette Agent, który z wyniku zapytania SQL robi wykres. Pokazujemy typy wykresów, zmiany w 0.1a1 i różnice wobec Tableau.

Spis treści
  1. Czym jest datasette-agent-charts i dla kogo powstał?
  2. Jakie typy wykresów obsługuje plugin?
  3. Co nowego wniosła wersja 0.1a1?
  4. Czy datasette-agent-charts zastąpi Tableau?
  5. Kiedy plugin wystarczy, a kiedy potrzebna jest platforma BI?
  6. Jak zacząć pracę z pluginem?
  7. Jakie ograniczenia ma datasette-agent-charts?
  8. Najczęstsze pytania
  9. Źródła

Czym jest datasette-agent-charts i dla kogo powstał?

datasette-agent-charts to plugin do Datasette Agent — open-source'owego, rozszerzalnego asystenta do zadawania pytań o dane zapisane w SQLite [1]. Plugin dodaje narzędzie render_chart, które wykonuje zapytanie SQL i zamienia jego wynik na wykres zbudowany na Observable Plot [2]. Sięgają po niego zespoły, które trzymają dane w SQLite i chcą zobaczyć wynik zapytania bez pisania kodu frontendowego.

Warto rozdzielić dwa poziomy. Datasette Agent jest asystentem do eksploracji danych, a rysowanie wykresów jest funkcją pluginu, nie podstawową funkcją platformy BI [1]. To rozróżnienie wyjaśnia, gdzie narzędzie się sprawdza: w codziennej pracy z zapytaniami, a nie w zarządzaniu całym cyklem raportowym. Szerszy kontekst narzędzi AI dla programistów zbiera hub AI do programowania.

Kod i wydania są publiczne: projekt prowadzi repozytorium datasette/datasette-agent-charts, a paczka trafia na PyPI [2][3]. Dla zespołu, który już używa Datasette, to najmniejszy możliwy krok w stronę wizualizacji — jedno rozszerzenie zamiast nowej platformy.

Jakie typy wykresów obsługuje plugin?

Dokumentacja repozytorium wymienia sześć typów: barX, barY, line, dot, areaY i waffleY [2]. Parametry obejmują osie, kolor, tytuł i etykiety, więc ten sam wynik zapytania można pokazać jako wykres liniowy, słupkowy albo kropkowy.

Zestaw jest celowo prosty: to wykresy do pokazania rozkładu i trendu, a nie biblioteka wyspecjalizowanych form. Lista typów w dokumentacji kończy się na tych sześciu pozycjach, bez map cieplnych czy wykresów radarowych [2]. waffleY rysuje udział części w całości jako siatkę kwadratów, co sprawdza się przy pokazywaniu struktury procentowej.

Co nowego wniosła wersja 0.1a1?

Wydanie 0.1a1 opublikowano 20 maja 2026 r. [4][5]. Wersja dodała interaktywne podpowiedzi po najechaniu kursorem, kolorowanie serii według wartości lub kategorii oraz sprawdzanie uprawnień execute-sql przed wykonaniem zapytania [4][5]. W wydaniu znalazła się też poprawka opisu wykresu waffleY, z którego korzysta agent [4]. Sprawdzenie uprawnień oznacza, że plugin weryfikuje prawo do zapytania, zanim zwróci dane — wykres nie powstaje z wyniku, którego użytkownik nie powinien zobaczyć [4].

Projekt rozwijał się szybko: 0.1a0 wydano 12 maja 2026 r., 0.1a1 20 maja, a 0.1a2 21 maja [3][4][6]. Trzy wydania alfa w dziewięć dni pokazują, że to wciąż wczesny etap. Wersja 0.1a2 dodała przyciski „View SQL query”, które pokazują zapytanie stojące za wykresem [6]. To odpowiedź na typowy zarzut wobec automatycznych wizualizacji: użytkownik widzi, z jakich danych powstał obraz.

Czy datasette-agent-charts zastąpi Tableau?

Nie w obecnej postaci. Tableau opisuje się jako narzędzie do wizualizacji danych i raportowania, obejmujące dashboardy oraz produkty do przygotowania danych [7]. datasette-agent-charts rozwiązuje jedno zadanie: rysuje wykres z wyniku zapytania SQL w Datasette [2]. Źródła nie pokazują testu porównawczego, wdrożenia w dużej organizacji ani danych o koszcie utrzymania, więc nie ma podstaw, by ogłaszać je zamiennikiem platformy BI.

Kryteriumdatasette-agent-chartsTableauPower BI
Przeznaczeniewykres z wyniku zapytania w Datasette [2]platforma BI do wizualizacji i raportowania [7]platforma BI do wykresów i dashboardów [7]
Dane wejściowedane dostępne przez Datasette i SQLite [1][2]dane z łączników platformy BI [7]dane z łączników platformy BI [7]
Dashboardy i zarządzaniedokumentacja opisuje narzędzie render_chart, nie warstwę dashboardów [2]dashboardy i wdrożenia enterprise [7]dashboardy w ekosystemie Microsoft [7]
Kod frontendowyniepotrzebny: wykres powstaje z zapytania [2]konfiguracja w interfejsie [7]konfiguracja w interfejsie [7]

Różnica jest więc zakresowa, nie jakościowa. Plugin wygrywa tam, gdzie dane już są w SQLite i liczy się krótka droga od zapytania do wykresu. Platforma BI wygrywa tam, gdzie potrzebne są dashboardy, uprawnienia na poziomie organizacji i praca na wielu źródłach.

Kiedy plugin wystarczy, a kiedy potrzebna jest platforma BI?

Plugin wystarczy, gdy zespół pracuje na jednej bazie SQLite, zadaje pytania ad hoc i chce szybko zobaczyć wynik. Platforma BI jest potrzebna, gdy raporty muszą być powtarzalne, osadzone w aplikacji i objęte polityką dostępu.

W praktyce te dwa podejścia się nie wykluczają. Polecamy zacząć od pluginu przy danych eksploracyjnych, a platformę BI włączać wtedy, gdy raport trafia do stałego grona odbiorców i wymaga kontroli dostępu na poziomie tabel.

Warto też spojrzeć na stronę kosztową: plugin jest projektem open-source, więc nie ma abonamentu [2]. W przypadku platform BI trzeba doliczyć licencje i czas wdrożenia — te kwoty zmieniają się zależnie od dostawcy i planu, dlatego trzeba je sprawdzić w aktualnym cenniku.

Jak zacząć pracę z pluginem?

Punkt wyjścia to Datasette z bazą SQLite i Datasette Agent jako asystent [1]. Plugin instaluje się jako pakiet Pythona z PyPI, a dostępne wersje oznaczone są jako alfa [3][6].

Po uruchomieniu Datasette zadaje się pytanie o dane, a plugin zamienia wynik zapytania na wykres [2]. W wersji 0.1a2 można sprawdzić zapytanie przyciskiem „View SQL query”, co ułatwia weryfikację przed pokazaniem wykresu dalej [6]. Dokumentacja i repozytorium są po angielsku [2].

Kolejne kroki warto oprzeć na własnym pipeline'ie danych. Praktyczne zestawienie bibliotek do przetwarzania danych znajdziesz w artykule o bibliotekach Python do pipeline'ów danych, a szybszą instalację zależności opisuje tekst o przejściu z pip na uv.

Jakie ograniczenia ma datasette-agent-charts?

Najważniejsze ograniczenie to status alfa: 0.1a1 i 0.1a2 to wydania przed pierwszym stabilnym numerem [4][6]. Drugie to zakres danych — plugin działa na danych dostępnych przez Datasette, czyli w praktyce na SQLite [1][2]. Trzecie to zestaw typów wykresów, ograniczony do sześciu prostych form [2].

Osobno trzeba potraktować warstwę raportową. Dokumentacja nie opisuje dashboardów, modelu semantycznego ani zarządzania cyklem raportowym [2]. To funkcje platform BI, a nie pluginu do wykresów.

Najczęstsze pytania

Czy datasette-agent-charts jest darmowy?

Tak. Projekt jest open-source, a kod i wydania są publiczne [2]. Nie ma abonamentu; kosztem jest praca przy wdrożeniu i utrzymaniu własnej instancji Datasette.

Czym datasette-agent-charts różni się od Datasette Agent?

Datasette Agent to asystent do zadawania pytań o dane [1]. datasette-agent-charts to plugin, który dodaje mu narzędzie render_chart i rysuje wykresy z wyników zapytań [2]. Agent odpowiada na pytania, plugin wizualizuje wynik.

Czy wykresy są interaktywne?

Tak. Wersja 0.1a1 dodała podpowiedzi wyświetlane po najechaniu kursorem oraz kolorowanie serii według wartości lub kategorii [4][5]. Efekt widać bezpośrednio w przeglądarce, bez dodatkowego kodu.

Jak sprawdzić, jakie zapytanie stało za wykresem?

W wersji 0.1a2 pod wykresem pojawiają się przyciski „View SQL query” [6]. Pokazują dokładne zapytanie, które posłużyło do zbudowania wizualizacji, więc wynik można zweryfikować przed publikacją.

Czy plugin obsługuje inne bazy niż SQLite?

Dokumentacja opisuje dane dostępne przez Datasette, czyli w praktyce SQLite [1][2]. Dla innych źródeł trzeba najpierw zapewnić im dostęp przez Datasette.

Źródła

  1. Datasette Agent, an extensible AI assistant for Datasette (Datasette Blog, 2026)
  2. GitHub – datasette/datasette-agent-charts (GitHub, 2026)
  3. datasette-agent-charts 0.1a0 (PyPI, 2026)
  4. Release 0.1a1 – datasette-agent-charts (GitHub, 2026)
  5. Release: datasette-agent-charts 0.1a1 (Simon Willison, 2026)
  6. Release: datasette-agent-charts 0.1a2 (Simon Willison, 2026)
  7. Narzędzia do wizualizacji danych: ranking 5 najlepszych programów (Conversion, 2026)
AN
O autorze
Andrzej Niemiec

Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.

Jak powstają teksty: Polityka AI · O redakcji