Modolap：为 AI Coding Agent 打造的 OLAP 分析引擎

> 来源: https://modolap.com/

> 日期: 2026-04-03

> 类型: 基础设施 / AI Agent 工具链

> 状态: Beta（2026 年 3 月上线）

🎯 一句话版本

Modolap 是一个为 Codex、Claude Code 等 AI 编程 Agent 设计的远程 OLAP 分析引擎——让 AI 能直接跑 SQL 查 10GB 级数据集，不用自己搭数据库。

核心概念

问题：AI Agent 缺少数据分析基础设施

2026 年的 AI Coding Agent（Codex、Claude Code、OpenCode 等）擅长写代码，但遇到一个瓶颈：它们没有数据基础设施。

想象你让 Codex 分析 20 年的 Hacker News 数据（10GB parquet 文件）——Agent 可以写 SQL，但它在哪里跑？本地文件系统太慢，BigQuery 需要配置凭证，Snowflake 要人类手动创建仓库。每次都要人类介入搭建环境，破坏了 Agent 自主操作的流畅性。

解决方案：Machine-First OLAP 即服务

Modolap 的思路是垂直整合：

AI Agent (Codex/Claude Code)
    ↓ 通过 Skill 调用
Modolap API
    ↓
Autark (自研查询引擎, Rust)
    ↓
远程存储 + 计算（按用量计费）

核心组件：

• Autark — 用 Rust 写的「Post-Modern Analytical Processing Engine」，类似 DuckDB 但专为远程执行设计
• Transcend CLI — Rust 写的命令行工具，Agent 用它提交查询任务
• Skills — 开源的 Agent Skill 包（npx skills add https://github.com/Modolap/skills），让 Codex 等 Agent 原生使用 Modolap

使用流程

# 1. 安装 CLI
cargo install --git https://github.com/Modolap/transcli.git

# 2. 推送 API key
translci session push <your api key>

# 3. 给 Agent 安装 skill
npx skills add https://github.com/Modolap/skills

# 4. 让 Codex 分析数据
codex "Analyze GDP vs CPI from FRED using Modolap: pull both series, 
       align to a quarterly timeline, run remotely via Autark SQL, 
       and report correlation, regression metrics, and the latest 8 quarters."

技术架构

Autark：自研查询引擎

• 语言: Rust，通过 maturin 导出 Python SDK
• 定位: "Post-Modern Compute Engine"——OLAP 但不叫自己 OLAP
• 协议: AGPL-3.0 开源
• 特点:

- 远程执行查询（Agent 提交 SQL，Modolap 在云端跑）

- 支持 Parquet 文件格式（大数据分析标准格式）

- 按分钟计费的无服务器模型

• 阶段: 极早期（"teriffically early stage"），代码中大量 TODO

Skills 集成

Modolap 走的是 Skill / MCP 生态路线——不是独立 SaaS 产品，而是作为 AI Agent 的一个工具被调用：

npx skills add https://github.com/Modolap/skills

这让 Codex、OpenCode 等兼容 Skill 的 Agent 可以直接使用 Modolap，无需人工配置。

定价

按分钟向上取整计费。比主流云服务（Snowflake、BigQuery）便宜得多，但功能也简单得多。

实际演示：Hacker News 20 年数据分析

Modolap 的 案例文章 展示了一个实际用例：

任务: 用 Codex 分析 Hacker News 全量数据（10GB parquet），比较技术话题的提及历史

过程:

1. 安装 Skill：npx skills add https://github.com/Modolap/skills

2. 让 Codex 执行：codex "With Modolap, Write a query to analyze historical keyword-based topic mentions..."

3. Codex 通过 Modolap 远程执行 SQL

4. 得出结果并生成图表

分析结果:

• Rust vs Go 提及趋势
• Codex vs Claude Code 提及对比
• Postgres vs MySQL 提及演变
• HN 评论长度的历史趋势（平均和中位数）

这个 demo 很好地展示了目标场景：数据太大放不进 Agent 上下文，但 Agent 可以通过 Modolap 远程分析。

团队与背景

• 公司: Modolap, Inc.（Delaware 注册）
• 创始人: Ron Friedhaber（GitHub: ronfriedhaber）——Autark 引擎的作者
• 团队规模: 看起来是 1 人创业（GitHub org 无公开成员，所有 repo 最近才创建）
• 成立时间: 2026 年 3 月（TOS 日期 2026-03-24，第一篇文章 2026-03-30）
• 阶段: Beta，极早期
• 有趣细节: 创始人明确反对 AI 生成的 PR（"I dissent clearly AI-Generated Pull Requests"），虽然产品是为 AI 设计的

竞品分析

Modolap 的独特角度: 其他产品都是「给人类用的数据仓库，顺便支持 API」，Modolap 是「给 AI Agent 用的分析引擎，人类只管看结果」。

与我们的关联

直接关联

1. Agent 工具链生态 — Modolap 通过 npx skills add 集成，这和 OpenClaw 的 Skill 系统是同一个生态圈。如果 Modolap 成长起来，可以作为 OpenClaw Agent 的数据分析后端

2. Codex 生态 — 我们正在用 Codex（ACP 模式），Modolap 明确把 Codex 作为一等公民支持。理论上可以让我们的 Codex 实例直接调用 Modolap 做数据分析

3. 本地 vs 云端 OLAP — 我们在 ub2 上跑 Qwopus 做本地推理，如果需要做大规模数据分析（比如分析 benchmark 结果趋势），Modolap 这种按需计算是一个选项

观察

• 产品非常早期（一人公司，3 月底刚上线）
• 命名有意思：Mod(ern) + OLAP → Modolap
• Autark（德语"自给自足"）体现了垂直整合的野心
• AGPL-3.0 许可证限制商业使用（和 MongoDB 早期策略类似）
• 「Machine-First」理念和我们研究的 Agent 架构方向一致——基础设施为 AI 而非人类优化

📊 评分

🔗 相关链接

• Modolap 官网
• Autark 引擎 (GitHub)
• Modolap Skills (GitHub)
• Transcend CLI (GitHub)
• Hello World 文章
• HN 数据分析案例
• 联系：[email protected]

报告由深度研究助手自动生成 | 2026-04-03