Tableau LangChain 上线！助你在 Tableau Server 中轻松打造高度灵活的 AI 应用

让 AI agents（智能体）或 LLM（大语言模型）能够直接与你的 Tableau Server 数据对话！

作为一个开源项目，Tableau LangChain 旨在帮助 Tableau 用户在自有安全边界内构建 AI agents 和应用。它支持企业自由选择模型和服务商，并连接到指定的 Tableau Server。

这意味着，通过 Tableau LangChain，企业就能在 AI 应用中调用 Tableau 平台的可信数据，同时将 AI 能力反哺到 Tableau 核心产品中：

可配置：可根据企业的安全和 IT 要求进行调整。
灵活性：支持本地或第三方提供的任意 AI 模型。
开放性：可基于现有工具开发，与 DataFam 社区共同推动技术迭代与升级。

什么是 Tableau LangChain？

Tableau LangChain 是一套基于 LangGraph 框架设计的 Python 类与方法集合。通过 Python 函数封装 Tableau 的 API 接口，将其转化为可供 LangChain 和 LangGraph 调用的工具组件。

你可以把它理解为一个工具箱，让 AI agents（智能体）或 LLM（大语言模型）能够直接与你的 Tableau 数据对话。

例如，通过 simple_query_datasource 方法（采用 LangGraph 语法实现），可轻松创建能调用 VizQL Data Service 工具查询 Tableau 已发布数据源的 LangGraph 智能体。其他工具还包括 search_datasource（搜索数据源）和 get_pulse_insight（获取智能洞察）。

👉 如需了解更多技术细节，请查看博客文章《用 AI 智能体解锁 Tableau 语义层》。

这些工具对 AI agents 来说非常重要，因为它们可以让 agents 完成超越 LLM 标准响应能力的任务。例如，当你使用 ChatGPT 深度研究功能时，它会将网络搜索作为工具获取信息，从而生成更优质、更精准的答案。

类似地，若构建一个配备 search_datasource 和 simple_datasource_qa 工具的 LangGraph 智能体，LLM 便能搜索 Tableau Server 上的数据源并进行查询。

早在 TC25 大会主题演讲上，Tableau 开发团队就演示过仪表板用户如何通过该功能导入新数据：

当输入"我们有奥运会相关数据吗？"的询问时，Agents 会自动调用数据源搜索工具；
当后续追问"能否按国家/地区统计奖牌数量？"时，Agents 则会启动数据查询工具，最终通过仪表板扩展程序返回结果。

此外，由于 Tableau LangChain 是一个社区合作项目，因此 Tableau 开发团队和社区成员会一起打造和完善这些 agent 工具和 AI 应用。

最棒的是，TC25 大会上展示的案例均已公开发布到 GitHub，并遵循 LangChain 集成规范以 langchain-tableau 名称发布至 PyPi 仓库：

仪表板扩展：可动态查询底层数据，回答你在仪表板上随时想到的问题。
向量搜索：利用语义理解能力加强搜索体验，比如搜“医疗健康”也能查到“NHS 处方”相关数据。
报告生成器：能自动分析数据源并把分析报告写入本地文件的 agent。

Tableau LangChain 工作原理

通过集成现有的 Tableau API 接口（包括 Metadata API、Pulse REST API 和 VizQL Data Service），LangChain 可以让 AI 模型精准地和 Tableau 数据进行互动。

Metadata（元数据）API：识别 Tableau Server 或 Cloud 平台上的内容，为 AI 模型提供核心上下文信息。通过理解可用字段与数据结构，确保查询准确性。
Pulse REST API：直接获取趋势分析、关键影响因素及指标变动成因，简化 AI 模型的洞察生成过程。此集成保障了响应结果的一致性、高效性与精确度。
VizQL Data Service（VDS）API ：提供无需可视化界面的 Tableau 数据源编程访问能力，通过将自然语言查询转化为精准的代码请求，使 AI 模型能直接获取数据。

整合这些接口后，企业就可利用可信的 Tableau 数据为用户创造全新体验。比如，Tableau 项目首席开发工程师 Stephen Price 创建了一个嵌入聊天模块的网站（如下图）：你可直接向 AI 提问，系统将综合调用上述接口生成响应结果。

👉 亲自体验 Embed Tableau 示例网站

Tableau LangChain 快速上手指南

如需上手实操，建议你先从 TC25 大会上提供的 Hands-On Training（实践训练）Notebook 开始。内置有详细的教程，可帮助你在本地电脑上搭建开发环境。

在跟随实操时，最好使用 Tableau Cloud 或 Server 2025.1 及以上版本，这样才能用上 VizQL Data Service API，以支持像 Notebook 3 里演示的 Tableau 数据源问答工具。

👉 如果你参加 Tableau 开发者计划，还可访问 Tableau Cloud 沙盒环境，非常适合练习：、

接下来，需要配置 .env 文件的环境变量，用于保存访问 Tableau 平台所需的各种密钥。这里以 .env.template 文件为例，你需要填的主要有：

OPENAI_API_KEY：从 OpenAI 开发者平台申请的 API 密钥，用于调用 LLM
LANGCHAIN_API_KEY：从 LangSmith 获取的 API 密钥，用于追踪 AI agents（智能体）的响应
Tableau 环境相关的所有项：需要你创建一个“已连接应用程序”，并找到你的 Tableau Server 或 Cloud 上某个数据源的 LUID（唯一标识符）

》如何找到数据源的 LUID？

首先，在 Tableau Server 或 Cloud 平台左侧边栏点击“外部资产”菜单。屏幕右上角点击“查询元数据 (GraphiQL)”按钮，进入 GraphQL 界面。

然后，输入下图所示的 GraphQL 查询语句（比如查找叫 “Superstore” 的数据源），点击左上角的播放按钮执行查询，把查询结果里的 LUID 填到 .env 文件里。

PS：上图中的绿字仅为补充说明。如有需要，你可修改条件查找其他数据源（如下图）：

这样，一切就准备就绪了。接下来，逐一跟随笔记本实操即可：

加入 Tableau LangChain 社区

Tableau LangChain 项目由 Tableau 与社区共同推动。该项目的生命力源于社区协作及对实际痛点的理解。

若想深入了解、开始构建 AI 应用并参与项目，你可以：

1️⃣ 在 Github 上贡献代码；

2️⃣ 加入 Slack 频道的 #tableau-langchain 用户讨论组；

3️⃣ 关注 AI + Tableau 用户组的最新动态。

Tableau 非常期待看到大家用 Tableau LangChain 做出更多有趣的应用。即刻加入社区，共同拓展 Tableau Server 和 Tableau Cloud 的 AI 能力吧！

随着 Tableau 发布越来越多 Agentic Analytics 功能，企业级数据分析平台不仅迎来了 AI 驱动加持的强大能力，还让智能分析真正融入大家的日常工作。

👉 如需了解 Tableau AI 功能的实际应用场景、许可方案或预约产品演示，欢迎联系我们咨询哦~

👉 如果对 Tableau Cloud 上的 AI 功能感兴趣，也可点击观看 Webinar 视频回放！你将全面了解 Tableau Cloud，并感受 Tableau AI 如何助力企业智能分析与洞察，从而推动数据民主化发展。