dbt Labs 開源 dbt Charts：AI 驅動的宣告式儀表板

核心重點

dbt Labs 今日正式將 dbt Charts 以開源方式釋出，這是一套以 YAML（可讀性高的結構化語言）撰寫的宣告式儀表板語言。它讓透過聊天機器人（agent）產生的報表，同時具備程式碼的彈性與企業級治理（governance）的可追蹤性。

背景：AI 自助分析的雙刃劍

近年 AI 已深入資料領域，任何具備資料連線的使用者都能在短時間內「聊天」出一份報表，初步成果相當亮眼。

然而，傳統的 AI 產出流程往往會把一個簡單的報表轉換成多個檔案（HTML、CSS、JavaScript、圖表函式庫、React 或 Streamlit 應用程式），導致：

可追溯性低：結果要追溯至原始資料，需要穿梭於多種程式語言與檔案，審計成本高。
成本上升：每次變更都會消耗聊天機器人的運算時間與 token，增加使用成本。

BI 工具則選擇在 UI 前端加裝 Copilot，讓 AI 僅能在介面所暴露的功能範圍內操作，雖然保持治理軌道，但也限制了 AI 的創造力。使用者因此只能在「程式碼的自由」與「BI UI 的受限」之間做抉擇。

BI 工具的「第二次拆解」與 dbt Charts 的定位

正如 dbt Labs 創辦人 Tristan Handy 在《BI 的第二次拆解》中指出：

「當我剛踏入資料領域時，BI 工具是全端的，從資料攝取、轉換、運算、快取、語意、視覺化到身分驗證，都在同一個產品內。隨著現代資料堆疊的興起，這些功能被拆解成各自專精的基礎建設：運算交給大型雲端供應商、攝取交給 Fivetran、轉換交給 dbt，BI 工具只剩下視覺化、互動分析介面、語意定義、身分管理與網站托管。」

這次拆解留下的最大組件就是 圖表（charts）。過去圖表大多在 UI 中完成，因為對大多數使用者而言「點擊」比手寫 YAML 更快。但隨著前端使用者逐漸被聊天機器人取代，這種偏好正快速倒轉：機器人熟悉程式碼、SQL 與 Git，卻不擅長操作他人設計的 UI。

dbt Charts 正是為了讓圖表「搬進程式碼」而設計。它提供一個 宣告式 YAML 語言，在單一可審計的檔案中描述完整的互動式儀表板。SQL 仍負責「要看什麼資料」（WHAT），而 YAML 包裝「要怎麼呈現」（HOW），兩者相輔相成。

影響與未來展望

治理與審計更簡易：所有圖表定義皆存於版本控制系統（Git），變更紀錄清晰可追，符合企業合規需求。
AI 與開發者的共生：聊天機器人可直接產出符合 YAML 結構的儀表板，開發者只需檢視與微調，即可快速部署。
BI 生態的再度分層：未來的 BI 平台可能只保留「即時互動」與「權限管理」層，底層圖表則由 dbt Charts 這類宣告式工具負責。

對於資料團隊而言，這意味著可以在 自助分析 與 嚴格治理 之間取得更好的平衡；對於產品經理與業務使用者，則能在保有 AI 產出速度的同時，確保最終報表的可追溯與可靠性。

結語

dbt Charts 的開源不只是技術上的創新，更是 BI 工具「第三選項」的實踐：既保有程式碼的彈性，又不犧牲治理的嚴謹。隨著 AI 與資料堆疊持續融合，我們有理由相信，未來的儀表板將更像是 可程式化的資產，而非只能點擊的圖形介面。對於關注資料治理與效率的企業而言，現在正是探索並導入 dbt Charts 的最佳時機。

dbt Labs 開源 dbt Charts：AI 驅動的宣告式儀表板