你的数据库，
它们的快乐老家。

Lily 会为每个业务实体写好你日常真正会用的查询——“某位顾客的最近订单”“按邮箱查找”——参数化处理，随时可以在编辑器中打开。在提供给你之前，它们都是只读的，并经过 EXPLAIN 验证；当你探索某个实体时按需生成。

用自然语言描述你想要的改动——“加上软删除”“让 email 唯一”——Lily 就会基于你真实的列、键和索引，生成正向 DDL 以及对应的精确回滚语句。在你于编辑器中打开并确认之前，什么都不会执行；破坏性改动会被标记出来，并和其他任何语句一样经过相同的写入防护。

问一句“退款存在哪里？”，Lily 就会对承载这个概念的真实表和列进行排序——每个都附上一句理由——搜索的是表结构的含义，而不仅仅是名称。点击结果即可直接跳到对应的表。它只搜索元数据，从不碰你的数据行。

在执行任何 UPDATE、DELETE、TRUNCATE 或 DROP 之前，Lily 会估算它将影响多少行，以及会通过外键波及哪些表——全程不会真正执行写入。风险最高的操作（没有 WHERE、TRUNCATE、DROP）需要你手动输入表名才能确认。

Lily 会借助本地的格式指纹，标记出存放个人数据的列——CPF/CNPJ、银行卡、邮箱、电话——并在任何 AI 功能采样数据之前自动脱敏。分类过程中，你的数据从不离开你的电脑。

PostgreSQL、MySQL/MariaDB、SQLite、SQL Server、Redis、MongoDB、DynamoDB、Trino 和 ClickHouse——每一种都有针对其数据模型调校的界面。SSH 隧道支持 agent、带口令的密钥和密码认证，轻松穿过公司的堡垒机。

按任意列排序（数字、日期和文本都能正确处理），用真正的运算符筛选——无需重新查询。冻结前几列、让其余列滚动，点击表头即可立刻看到 count/sum/avg/min/max，把结果画成图表，或者让本地 AI 总结其中的规律。

审计任意数据库，附带可直接执行的修复方案和 AI 架构评审——关系型数据库检查表结构、索引和安全规则（RLS、PUBLIC 授权、未使用的索引），Redis 检查 TTL 和大 key，MongoDB 检查索引和文档大小。从某个值直接跳到它引用的那一行，终止卡住的查询，还能把任意执行计划渲染成可视化的 EXPLAIN 开销条形树。