摘要HENGSHI CLI命令hbi是衡石 AI Labs 推出的面向 AI Agent 的 BI 命令行工具以 Rust 架构开发将 BI 工程全链路操作标准化为 Agent 可执行的命令树和 skills 套件。本文从设计哲学、命令体系、skills 架构、安全机制和实际工作流五个维度深入拆解这个 Agentic BI 时代的终端执行层。一、为什么 BI 需要命令行这个问题本身就透露了 HENGSHI CLI 的独特定位——它不是给人类用的是给 AI Agent 用的。在 HENGSHI CLI 出现之前AI Agent 想要操作 BI 系统只有两条路走 API每个 BI 操作创建数据集、生成仪表盘、配置权限都要编写独立的 API 调用代码Agent 需要理解几十个不同的接口走 UI 自动化模拟点击操作不稳定且维护成本高HENGSHI CLI 的思路是把 BI 的所有操作收敛到一个统一的命令行接口Agent 只需要学习一套命令和参数即可完成从数据连接到资产交付的全部工作。这不是一个技术小创新而是一个范式层面的设计选择——BI 的操作应该像 Git 一样可以被编程、被脚本化、被 Agent 调用。二、命令体系Agent-first 的树形结构HENGSHI CLI 以hbi为统一入口按 BI 工程的核心域拆分为子树命令2.1 基础操作# 认证与状态 hbi auth status # 查看当前登录状态和令牌信息 hbi auth login # 登录衡石平台OAuth/SSO hbi auth logout # 登出 # 应用空间 hbi app list # 列出所有应用 hbi app portal --app id show --output yaml # 查看应用门户配置2.2 数据与连接# 数据连接 hbi connection list # 列出所有数据源连接 hbi connection test id # 测试连接可用性 # 数据集 hbi dataset list --app retail-ops # 列出应用下的数据集 hbi dataset create --app retail-ops --file dataset.yaml # 从YAML创建数据集 hbi dataset query --app retail-ops --dataset sales_daily SUM({amount}) # 直接查询2.3 仪表盘与可视化# 仪表盘创建 hbi dashboard create --app retail-ops 华东区域销售驾驶舱 # 新建仪表盘 hbi dashboard list --app retail-ops # 列出仪表盘 hbi dashboard theme show CLASSIC --as-spec --output yaml # 导出主题配置 # 图表操作 hbi element chart create --dashboard dsh_2048 --app retail-ops --dataset sales_daily line # 创建折线图 hbi element filter update filter_9 --dashboard dsh_2048 --app retail-ops --file filter.yaml # 更新筛选器 hbi element container create --dashboard dsh_2048 --app retail-ops --file layout.yaml # 布局编排 # 计划应用批量生成 hbi dashboard plan apply --app retail-ops --file plan.yaml # 按计划文件批量创建仪表盘2.4 权限与治理# 授权管理 hbi authorize get app app_42 # 查看应用权限 hbi authorize grant app app_42 --user 123:editor --dry-run # 预演授权 hbi authorize revoke app app_42 --user 123:editor # 撤销授权 # 用户管理 hbi user-group list # 列出用户组 hbi user-mgmt show --user 123 # 查看用户信息2.5 自动化与调度# 管道与调度 hbi pipeline list # 列出ETL管道 hbi pipeline trigger --id pipe_101 # 触发管道执行 hbi scheduler list # 列出调度任务 hbi notebook execute --id nb_42 # 执行Notebook三、Skills 套件16 个 Repo-managed Agent SkillsHENGSHI CLI 不只是命令集合还自带一套完整的Agent Skills。这些 skills 被设计为 Agent 的「BI 操作手册」让 Agent 不需要猜测参数和流程而是按照标准化的 runbook 执行。3.1 Skills 的设计原则按资源域拆复杂度不是一个大而全的 skill而是 16 个聚焦的独立 skillsHelp-first 规约每个 skill 默认先调用hbi --help查看子命令帮助减少参数臆测跨 Agent 复用Claude Code、Codex、OpenClaw、Hermes Agent、CI 流水线通用3.2 完整 Skills 列表分组Skill职责基础层hbi-core认证、偏好设置、输出格式、专业术语hbi-app应用空间管理门户配置hbi-permission授权管理角色与权限配置hbi-user-mgmt用户与组织治理数据与语义层hbi-data数据连接与数据集管理hbi-data-modelingJoin模型、语义建模、HQL查询hbi-indicator-center主题域指标定义与管理hql-expert业务问题转HQL表达式交付层hbi-dashboard仪表盘创建、布局与发布hbi-dashboard-taste页面感设计主题与配色hbi-data-alert图表级数据预警配置hbi-data-agentData Agent后台治理与配置自动化层hbi-pipelineETL管道管理与触发hbi-notebookNotebook创建与执行hbi-scheduler定时任务与计划调度hbi-workflow跨域编排多skill组合runbook3.3 Skills 对 Agent 的价值对企业开发团队来说Skills 套件意味着新人 Agent 训练成本降低Agent 不需要理解 BI 的全部概念只需要会调用对应的 skill执行标准化所有 Agent 执行同一操作时走同一套流程结果可预期可审计可调试Skills 按 runbook 执行每一步都有日志问题可追溯四、三大设计特性让 Agent 的执行可信4.1 Dry-Run 预演机制在真正执行变更之前CLI 支持--dry-run参数进行预演$ hbi authorize grant app app_42 --user 123:editor --dry-run Dry run passed · changes not applied Preview: editor access - retail-ops这个设计的意义在于Agent 的操作必须经过人类审查。Agent 可以先「演示」它要做什么人类确认后再真正执行。这让 Agent 的自动化从「黑盒执行」变成了「白盒协作」。4.2 SSE 实时同步CLI 的执行结果通过 Server-Sent EventsSSE广播到 Web UI$ hbi element filter update filter_9 --dashboard dsh_2048 --app retail-ops --file filter.yaml SSE broadcast published Web UI refreshed · business owner can review instantly这意味着Agent 在终端里生成的仪表盘业务人员可以在浏览器里实时看到。不需要刷新、不需要等待。Human-in-the-loop 不是事后审查而是实时协同。4.3 Agent-runbook 脚本化CLI 支持将多步操作组合为 runbook 脚本# discover.state: 先读取上下文 $ hbi auth status --output json $ hbi dataset list --app retail-ops --output json $ hbi rowspan="1">类型代表产品场景编码代理Claude Code、Codex本地仓库 IDE agent、CI/CD 集成常驻型 AgentOpenClaw、Hermes Agent云端常驻、消息通道、长期运行只要新一代 agent 具备 shell 或 tool 调用能力HENGSHI CLI 就能成为它们的 BI 执行层。七、与 HENGSHI BOX 的协同HENGSHI BOX 全域智控舱预装了完整的 CLI 环境在 BOX 中 CLI 可以实现更高的安全等级# BOX 环境下的典型工作流 $ hbi auth status --output json $ box-agent start --skill hbi-data --daemon $ hbi dataset list --app retail-ops --output json $ box-agent task submit 生成华东区销售仪表盘BOX 为 CLI 提供了硬件级的安全边界——所有命令执行、数据处理、模型推理都在机箱内部完成没有任何数据流向外部。八、常见问题Q1HENGSHI CLI 需要单独安装吗和 HENGSHI SENSE 是什么关系ACLI 是独立二进制发行需要单独安装。它通过 API/SSE 与 HENGSHI SENSE 平台通信。CLI 不替代 SENSE而是为 Agent 提供操作 SENSE 的标准接口。可以把 SENSE 理解为 BI 引擎CLI 理解为操作这个引擎的方向盘。Q2为什么不直接用 API要设计一套 CLIAAPI 是为程序间通信设计的每个操作对应一个独立的 HTTP 端点Agent 需要理解几十个不同的 API 才能完成一个完整的 BI 工作流。CLI 将这些 API 收敛为一套语义化的命令树Agent 更容易学习、更不容易出错。更重要的是CLI 自带 skills 套件、dry-run 机制和 runbook 模式这些是裸 API 不具备的 Agent 协作能力。Q3用 Rust 开发 CLI 有什么好处ARust 提供零成本抽象和内存安全保证适合构建长时间运行的系统级工具。CLI 作为常驻 Agent 的执行层性能和稳定性至关重要——Rust 编译的单一二进制文件启动快、资源占用低、无运行时依赖。Q4CLI 的 skills 可以自定义扩展吗ASkills 套件以仓库文件形式管理企业可以根据自身业务需求创建自定义 skill。例如可以创建一个hbi-retail-kpiskill封装零售行业的特定 KPI 查询逻辑。九、总结HENGSHI CLI 看似只是一个命令行工具但它的设计承载了衡石对 Agentic BI 的完整理解——Agent 不是 UI 的替代品而是 BI 工程的新操作者— 人类通过 UI 做分析Agent 通过 CLI 做工程标准化比智能化更重要— Agent 不需要创造新的 BI 操作方式只需要稳定地执行标准化的操作可审查性是不可妥协的底线— dry-run、SSE 回显、结构化输出这些特性让 Agent 的执行永远在人类的监督范围内对于正在评估 Agentic BI 路径的企业HENGSHI CLI 提供了一个清晰的设计参考让 Agent 做的事和人类做的事用同一套标准只是接入方式不同。这可能是 Agentic BI 从概念走向工程化的关键一步。
衡石 HENGSHI CLI：面向 AI Agent 的 BI 命令行实战指南
发布时间：2026/6/10 19:57:57
摘要HENGSHI CLI命令hbi是衡石 AI Labs 推出的面向 AI Agent 的 BI 命令行工具以 Rust 架构开发将 BI 工程全链路操作标准化为 Agent 可执行的命令树和 skills 套件。本文从设计哲学、命令体系、skills 架构、安全机制和实际工作流五个维度深入拆解这个 Agentic BI 时代的终端执行层。一、为什么 BI 需要命令行这个问题本身就透露了 HENGSHI CLI 的独特定位——它不是给人类用的是给 AI Agent 用的。在 HENGSHI CLI 出现之前AI Agent 想要操作 BI 系统只有两条路走 API每个 BI 操作创建数据集、生成仪表盘、配置权限都要编写独立的 API 调用代码Agent 需要理解几十个不同的接口走 UI 自动化模拟点击操作不稳定且维护成本高HENGSHI CLI 的思路是把 BI 的所有操作收敛到一个统一的命令行接口Agent 只需要学习一套命令和参数即可完成从数据连接到资产交付的全部工作。这不是一个技术小创新而是一个范式层面的设计选择——BI 的操作应该像 Git 一样可以被编程、被脚本化、被 Agent 调用。二、命令体系Agent-first 的树形结构HENGSHI CLI 以hbi为统一入口按 BI 工程的核心域拆分为子树命令2.1 基础操作# 认证与状态 hbi auth status # 查看当前登录状态和令牌信息 hbi auth login # 登录衡石平台OAuth/SSO hbi auth logout # 登出 # 应用空间 hbi app list # 列出所有应用 hbi app portal --app id show --output yaml # 查看应用门户配置2.2 数据与连接# 数据连接 hbi connection list # 列出所有数据源连接 hbi connection test id # 测试连接可用性 # 数据集 hbi dataset list --app retail-ops # 列出应用下的数据集 hbi dataset create --app retail-ops --file dataset.yaml # 从YAML创建数据集 hbi dataset query --app retail-ops --dataset sales_daily SUM({amount}) # 直接查询2.3 仪表盘与可视化# 仪表盘创建 hbi dashboard create --app retail-ops 华东区域销售驾驶舱 # 新建仪表盘 hbi dashboard list --app retail-ops # 列出仪表盘 hbi dashboard theme show CLASSIC --as-spec --output yaml # 导出主题配置 # 图表操作 hbi element chart create --dashboard dsh_2048 --app retail-ops --dataset sales_daily line # 创建折线图 hbi element filter update filter_9 --dashboard dsh_2048 --app retail-ops --file filter.yaml # 更新筛选器 hbi element container create --dashboard dsh_2048 --app retail-ops --file layout.yaml # 布局编排 # 计划应用批量生成 hbi dashboard plan apply --app retail-ops --file plan.yaml # 按计划文件批量创建仪表盘2.4 权限与治理# 授权管理 hbi authorize get app app_42 # 查看应用权限 hbi authorize grant app app_42 --user 123:editor --dry-run # 预演授权 hbi authorize revoke app app_42 --user 123:editor # 撤销授权 # 用户管理 hbi user-group list # 列出用户组 hbi user-mgmt show --user 123 # 查看用户信息2.5 自动化与调度# 管道与调度 hbi pipeline list # 列出ETL管道 hbi pipeline trigger --id pipe_101 # 触发管道执行 hbi scheduler list # 列出调度任务 hbi notebook execute --id nb_42 # 执行Notebook三、Skills 套件16 个 Repo-managed Agent SkillsHENGSHI CLI 不只是命令集合还自带一套完整的Agent Skills。这些 skills 被设计为 Agent 的「BI 操作手册」让 Agent 不需要猜测参数和流程而是按照标准化的 runbook 执行。3.1 Skills 的设计原则按资源域拆复杂度不是一个大而全的 skill而是 16 个聚焦的独立 skillsHelp-first 规约每个 skill 默认先调用hbi --help查看子命令帮助减少参数臆测跨 Agent 复用Claude Code、Codex、OpenClaw、Hermes Agent、CI 流水线通用3.2 完整 Skills 列表分组Skill职责基础层hbi-core认证、偏好设置、输出格式、专业术语hbi-app应用空间管理门户配置hbi-permission授权管理角色与权限配置hbi-user-mgmt用户与组织治理数据与语义层hbi-data数据连接与数据集管理hbi-data-modelingJoin模型、语义建模、HQL查询hbi-indicator-center主题域指标定义与管理hql-expert业务问题转HQL表达式交付层hbi-dashboard仪表盘创建、布局与发布hbi-dashboard-taste页面感设计主题与配色hbi-data-alert图表级数据预警配置hbi-data-agentData Agent后台治理与配置自动化层hbi-pipelineETL管道管理与触发hbi-notebookNotebook创建与执行hbi-scheduler定时任务与计划调度hbi-workflow跨域编排多skill组合runbook3.3 Skills 对 Agent 的价值对企业开发团队来说Skills 套件意味着新人 Agent 训练成本降低Agent 不需要理解 BI 的全部概念只需要会调用对应的 skill执行标准化所有 Agent 执行同一操作时走同一套流程结果可预期可审计可调试Skills 按 runbook 执行每一步都有日志问题可追溯四、三大设计特性让 Agent 的执行可信4.1 Dry-Run 预演机制在真正执行变更之前CLI 支持--dry-run参数进行预演$ hbi authorize grant app app_42 --user 123:editor --dry-run Dry run passed · changes not applied Preview: editor access - retail-ops这个设计的意义在于Agent 的操作必须经过人类审查。Agent 可以先「演示」它要做什么人类确认后再真正执行。这让 Agent 的自动化从「黑盒执行」变成了「白盒协作」。4.2 SSE 实时同步CLI 的执行结果通过 Server-Sent EventsSSE广播到 Web UI$ hbi element filter update filter_9 --dashboard dsh_2048 --app retail-ops --file filter.yaml SSE broadcast published Web UI refreshed · business owner can review instantly这意味着Agent 在终端里生成的仪表盘业务人员可以在浏览器里实时看到。不需要刷新、不需要等待。Human-in-the-loop 不是事后审查而是实时协同。4.3 Agent-runbook 脚本化CLI 支持将多步操作组合为 runbook 脚本# discover.state: 先读取上下文 $ hbi auth status --output json $ hbi dataset list --app retail-ops --output json $ hbi rowspan="1">类型代表产品场景编码代理Claude Code、Codex本地仓库 IDE agent、CI/CD 集成常驻型 AgentOpenClaw、Hermes Agent云端常驻、消息通道、长期运行只要新一代 agent 具备 shell 或 tool 调用能力HENGSHI CLI 就能成为它们的 BI 执行层。七、与 HENGSHI BOX 的协同HENGSHI BOX 全域智控舱预装了完整的 CLI 环境在 BOX 中 CLI 可以实现更高的安全等级# BOX 环境下的典型工作流 $ hbi auth status --output json $ box-agent start --skill hbi-data --daemon $ hbi dataset list --app retail-ops --output json $ box-agent task submit 生成华东区销售仪表盘BOX 为 CLI 提供了硬件级的安全边界——所有命令执行、数据处理、模型推理都在机箱内部完成没有任何数据流向外部。八、常见问题Q1HENGSHI CLI 需要单独安装吗和 HENGSHI SENSE 是什么关系ACLI 是独立二进制发行需要单独安装。它通过 API/SSE 与 HENGSHI SENSE 平台通信。CLI 不替代 SENSE而是为 Agent 提供操作 SENSE 的标准接口。可以把 SENSE 理解为 BI 引擎CLI 理解为操作这个引擎的方向盘。Q2为什么不直接用 API要设计一套 CLIAAPI 是为程序间通信设计的每个操作对应一个独立的 HTTP 端点Agent 需要理解几十个不同的 API 才能完成一个完整的 BI 工作流。CLI 将这些 API 收敛为一套语义化的命令树Agent 更容易学习、更不容易出错。更重要的是CLI 自带 skills 套件、dry-run 机制和 runbook 模式这些是裸 API 不具备的 Agent 协作能力。Q3用 Rust 开发 CLI 有什么好处ARust 提供零成本抽象和内存安全保证适合构建长时间运行的系统级工具。CLI 作为常驻 Agent 的执行层性能和稳定性至关重要——Rust 编译的单一二进制文件启动快、资源占用低、无运行时依赖。Q4CLI 的 skills 可以自定义扩展吗ASkills 套件以仓库文件形式管理企业可以根据自身业务需求创建自定义 skill。例如可以创建一个hbi-retail-kpiskill封装零售行业的特定 KPI 查询逻辑。九、总结HENGSHI CLI 看似只是一个命令行工具但它的设计承载了衡石对 Agentic BI 的完整理解——Agent 不是 UI 的替代品而是 BI 工程的新操作者— 人类通过 UI 做分析Agent 通过 CLI 做工程标准化比智能化更重要— Agent 不需要创造新的 BI 操作方式只需要稳定地执行标准化的操作可审查性是不可妥协的底线— dry-run、SSE 回显、结构化输出这些特性让 Agent 的执行永远在人类的监督范围内对于正在评估 Agentic BI 路径的企业HENGSHI CLI 提供了一个清晰的设计参考让 Agent 做的事和人类做的事用同一套标准只是接入方式不同。这可能是 Agentic BI 从概念走向工程化的关键一步。
