文件
理解 Lantide Data 的設計與操作
學習中心
依角色了解 Lantide Data 對你的意義，規劃入門到進階的閱讀路徑
使用者指南
工作區、SQL、Agent、Plan/Report、Memory 等完整操作說明
歡迎使用 Lantide Data
Lantide Data 是一款桌面應用程式，讓你直接用 SQL 語法查詢電腦上的各種資料檔案——不需要安裝任何資料庫軟體、不需要匯入資料到遠端伺服器，所有操作都在你的電腦本機完成。
快速開始
以下以 Agent 專案分析（訂單漏斗範例）示範完整流程。若你只想手動跑 SQL，見 §2.8。
工作區管理
工作區是你的獨立工作空間，每個工作區擁有獨立的 SQL 分頁、快取資料和資料目錄設定。
資料瀏覽器（側邊欄）
側邊欄是你瀏覽和管理資料的主要入口，由多個可展開／收合的區塊（手風琴）組成。內容較長時，側邊欄主區域可垂直捲動；捲動時捲軸會短暫顯示，平時盡量不干擾閱讀。
SQL 編輯器與分頁
- 新增分頁： 點擊分頁列最右側的 ＋ 按鈕。
查詢結果
查詢完成後，結果會以表格形式呈現在編輯器下方。你可以：
快取與資料重複利用
快取功能讓你將某次查詢的結果「暫存」為一張可查詢的表，方便在其他查詢中直接引用。
來源執行（Source Run）與血統分析（Lineage）
當你的查詢引用了其他分頁的快取結果時，這些上游分頁可能尚未執行或資料已過時。來源執行會自動：
匯出查詢結果
1. 先執行一次查詢，確保結果面板中有資料。
HTML 報告產出
除了將查詢結果匯出為 CSV / Excel 等格式，Lantide Data 還支援將 Report 文件一鍵轉換為獨立 HTML 報告，直接在瀏覽器中呈現美觀的資料分析成果。
專案管理與 Markdown 批註
本章說明 Plan / Report 的介面操作與批註功能。分析流程概覽見 §1.3、§2。
AI 助手
Lantide Data 內建 AI 副駕駛（Agent），可理解你的工作狀態並直接操作 IDE（建立 SQL 分頁、執行查詢、編輯 Plan / Report）。五階段分析流程見 §1.3；第一次完整體驗見 §2。
外部 AI Agent 與 MCP Server
Lantide Data 也可以作為本機 MCP Server，讓你慣用的外部 AI Agent（例如 Cursor、Codex、Claude 或其他支援 Streamable HTTP MCP 的客戶端）直接使用 Lantide 的資料環…
Skills（Skill Library）
Skill 是可重用的方法論與專業知識（expertise）套件：告訴 Agent「這類工作該怎麼想、怎麼檢查、怎麼交付」。它不是工具授權，也不會擴大 Agent 可呼叫的工具面或繞過產品治理。
Agent Memory（知識庫）
在 Agent Memory 啟用的前提下，AI 能從對話中產生可重複使用的業務知識建議（術語、商業規則、分析偏好、領域背景等）。新建議會先進入目前工作區的 Queued Knowledge 佇列，經你核准並合併至 User 或 Proje…
外觀與介面設定
點擊右上角標題列的主題切換按鈕（太陽 / 月亮圖示），即可在深色和淺色主題之間切換。編輯器和所有介面元素都會同步更新。
記憶體監控與管理
Lantide Data 在運作過程中會將查詢結果、快取表與引擎資料保留在記憶體中。為了避免記憶體不足影響效能，系統提供了即時監控、壓力警告與一鍵清理機制。
常見問題（FAQ）
畫面中的結果預覽限制為 500 筆，這是為了保持介面流暢。如果你需要完整的查詢結果，請使用匯出功能將資料儲存為檔案，匯出不受此限制。Result Panel 的 Copy for Excel/Spreadsheet 同樣最多複製畫面上的 5…
附錄：快捷鍵速查表
鍵盤快捷鍵速查
檢查更新與版本
1. 開啟功能表 Help → Check for Updates...。
回報問題（Report an issue）
1. （可選） 在對話框加入與錯誤相關的截圖。
產品設計系列
品類定位、設計動機、架構分層與工程取捨
系列導讀與產品定位
建議順序：系列導讀與產品定位 → Agent 時代的數據分析工作流 → 可治理的 Agent Memory → Prompt 與 Context 工程 → AI Agent 架構 → 統一查詢層。
Agent 時代的數據分析工作流：可審閱的交付、協作與執行授權
數據分析的本質沒變：提出問題、理解資料、驗證假設、形成結論、對利害關係人負責。變的是介面——從「在聊天視窗裡問一句答一句」，變成「在 IDE 裡留下可查的 SQL、可改的 Plan、可簽核的 Report」。
可治理的 Agent Memory：分層、審批與 catalog 注入
許多 AI 產品把「記住使用者說過的話」當成預設能力：對話結束就寫入向量庫，下次檢索相似片段塞回 prompt。對數據分析場景，這會帶來三類風險——不是模型不夠聰明，而是記憶缺乏治理：
Prompt 與 Context 工程：模型看見什麼、如何思考
在 Lantide Data 裡，Prompt 指每輪 ReAct（推理—行動迴路）迭代時重新組裝的 system prompt（Core + State + 條件段 + 知識），並附上 Context Summary、工具 schemas…
AI Agent 架構：ReAct、狀態路由與 UICommand
ReAct（Reasoning + Acting，推理—行動迴路）讓模型在單輪對話中交替「思考 → 呼叫工具 → 讀取觀察 → 再思考」。通用 Agent 框架擅長編排，但 Lantide Data 需要更細的控制：
統一查詢層：邏輯表名、Tab 快取與 Source Run
使用者與 Agent 在 SQL 裡引用的是邏輯表名（檔名、快取分頁名、MCP 物化表、ATTACH 後的 `alias.schema.table`），執行時由後端改寫為 DuckDB 可讀路徑或 TEMP TABLE。統一查詢層的目標很單…