Precis CLI

Local-first data validation engine — define schemas and constraints in YAML, validate CSV / Excel / JSON with a single command. 本地优先的数据校验引擎：用 YAML 定义表结构与约束规则，一条命令校验 CSV / Excel / JSON。

Alpha — 核心功能稳定，配置格式有版本保障（V2）。

安装

pip install precis-cli          # 需要 Python >= 3.12

# 或免安装直接运行（需要 uv）
uvx --from precis-cli precis --version

快速上手

# 1. 从数据文件推断 schema 草稿
precis infer-schema orders.csv > schemas/orders.schema.yaml

# 2. 在项目清单 project.precis.yaml 中登记 schema 与约束文件
#    （格式见下方示例）

# 3. 执行校验
precis validate --manifest project.precis.yaml --format json

退出码契约（CI / AI agent 友好）：

配置示例（V2 YAML）

project.precis.yaml：

version: 2
project:
  id: my-project
  name: 订单数据校验
schemas:
  - id: orders
    path: schemas/orders.schema.yaml
constraints:
  - id: orders_amount_range
    path: constraints/orders_amount_range.constraint.yaml

constraints/orders_amount_range.constraint.yaml：

version: 2
id: orders_amount_range
type: Range
enabled: true
refs:
  table_id: orders
  column_id: amount
params:
  min: 0
  max: 1000000
  boundary_mode: inclusive

10 种约束类型

NotNull 非空 · Unique 唯一 · AllowedValues 枚举 · Range 数值区间 · ForeignKey 跨表引用 · Conditional 条件约束 · Scripted 脚本表达式 · Charset 字符集 · DateLogic 日期逻辑 · Composite 组合约束

数据类型：string / integer / float / decimal / boolean / date。 大文件（>500MB）自动分块加载。

与 AI Agent 集成

--format json 输出为机器可读契约（含行级错误定位与约束来源文件回溯）， 可直接被 AI 编程助手消费：

• MCP server：pip install "precis-cli[mcp]" 后运行 precis-mcp（stdio）， 提供 validate_data / infer_schema / check_config / describe_constraints 四个工具
• Kimi Code 插件：/plugins install https://github.com/AirSaiga/Precis
• CLI 自带 AI 命令（自然语言生成/修改校验配置，独立于宿主 agent）： pip install "precis-cli[ai]"，然后 precis ai chat 或 precis ai ask "..."

链接

• 仓库与文档：https://github.com/AirSaiga/Precis
• 问题反馈：https://github.com/AirSaiga/Precis/issues
• 桌面 GUI 版本（画布式可视化编辑）见仓库 releases

License: Apache-2.0