DB-GPT：开源代理式AI数据助手

一款开源的AI数据助手，可连接您的数据、编写SQL和代码，在沙盒环境中运行技能，并将分析结果转化为报告、洞察和行动。

什么是DB-GPT？

DB-GPT是面向下一代AI+数据产品的开源代理式AI数据助手。

它帮助用户和团队：

• 连接数据库、CSV/Excel文件、数据仓库和知识库
• 用自然语言提问，让AI自主编写SQL
• 运行基于Python和代码的分析工作流
• 加载并执行用于特定领域任务的可重用技能
• 生成图表、仪表盘、HTML报告和分析摘要
• 在沙盒环境中安全地执行任务

DB-GPT同时也是一个平台，支持使用代理、AWEL、RAG以及多模型技术，构建原生AI的数据代理、工作流和应用。

为什么选择DB-GPT？

1. 代理式数据分析

规划任务、分解步骤、调用工具，并端到端完成分析流程。

2. 自主SQL+代码执行

生成SQL和代码来查询数据、清洗数据集、计算指标并产出结果。

3. 多源数据访问

跨结构化与非结构化数据源工作，包括数据库、电子表格、文档和知识库。

4. 基于技能的扩展性

将领域知识、分析方法和执行流程封装成可重用的技能。

5. 沙盒执行

在隔离环境中运行代码和工具，以实现更安全、更可靠的分析。

使用DB-GPT能做什么

• 分析CSV/Excel文件并生成可视化报告
• 连接数据库并生成数据概览报告
• 用自然语言提出业务问题，让AI自动编写SQL
• 使用代码、图表和文字总结进行财务报表分析
• 创建并重复使用SQL分析技能和领域工作流
• 将代码、SQL、检索和工具整合到一个统一的代理式工作流中
• 为您的团队或产品构建下一代AI+数据助手

产品工作流

探索数据

在一个工作空间中连接文件、数据库和知识库。

计划与执行

让AI推理任务、编写SQL和代码，并逐步执行。

使用技能

加载可重用的技能，用于重复性的业务分析工作流。

生成报告

制作图表、仪表盘、HTML报告以及可供决策使用的输出。

快速入门

使用一行安装命令，您可以在几分钟内启动 DB-GPT（适用于 macOS 和 Linux）：

curl -fsSL https://raw.githubusercontent.com/eosphoros-ai/DB-GPT/main/scripts/install/install.sh | bash

或者直接指定配置文件和 API 密钥：

curl -fsSL https://raw.githubusercontent.com/eosphoros-ai/DB-GPT/main/scripts/install/install.sh \
  | OPENAI_API_KEY=sk-xxx bash -s -- --profile openai

对于通过 Moonshot API 使用 Kimi 2.5 的情况：

curl -fsSL https://raw.githubusercontent.com/eosphoros-ai/DB-GPT/main/scripts/install/install.sh \
  | MOONSHOT_API_KEY=sk-xxx bash -s -- --profile kimi

对于通过 OpenAI 兼容 API 使用 MiniMax 的情况：

curl -fsSL https://raw.githubusercontent.com/eosphoros-ai/DB-GPT/main/scripts/install/install.sh \
  | MINIMAX_API_KEY=sk-xxx bash -s -- --profile minimax

如果您已经本地克隆了 DB-GPT 代码库，可以直接复用，而无需再次克隆 ~/.dbgpt/DB-GPT：

OPENAI_API_KEY=sk-xxx \
  bash scripts/install/install.sh --profile openai --repo-dir "$(pwd)" --yes

或者复用您的本地仓库并使用 Kimi 2.5：

MOONSHOT_API_KEY=sk-xxx \
  bash scripts/install/install.sh --profile kimi --repo-dir "$(pwd)" --yes

又或者复用本地仓库并使用 MiniMax：

MINIMAX_API_KEY=sk-xxx \
  bash scripts/install/install.sh --profile minimax --repo-dir "$(pwd)" --yes

安装完成后，使用生成的配置文件启动服务器：

cd ~/.dbgpt/DB-GPT && uv run dbgpt start webserver --profile <profile>

然后打开 http://localhost:5670。

想先查看脚本内容吗？

curl -fsSL https://raw.githubusercontent.com/eosphoros-ai/DB-GPT/main/scripts/install/install.sh -o install.sh
less install.sh
bash install.sh --profile openai

通过 PyPI 安装

您可以从 PyPI 安装 DB-GPT，并通过一条命令即可启动——无需克隆源码。

前提条件： Python 3.10+ 以及 uv（推荐）或 pip。

1. 安装

# 推荐使用 uv
uv pip install dbgpt-app

# 或者使用 pip
pip install dbgpt-app

默认安装包含核心框架（CLI、FastAPI、Agent）、OpenAI 兼容的 LLM 支持、DashScope / Tongyi 支持、RAG 文档解析以及 ChromaDB 向量存储。

2. 启动

dbgpt start

首次运行时，交互式设置向导会引导您选择 LLM 提供商并输入 API 密钥。完成设置后，Web 服务器将自动启动。

3. 打开 Web 界面

访问 http://localhost:5670，一切就绪！🎉

高级安装

如需使用 Docker、本地 GPU 模型（vLLM、llama.cpp）或手动设置源码，请参阅完整文档：

• 安装
  • Docker
  • 源码
• 快速入门
• 应用
  • 开发指南
  • 应用使用
  • AWEL 流程使用
• 调试
• 高级使用
  • SMMF
  • 微调
  • AWEL

核心能力

智能体分析

• 任务规划
• 分步执行
• 工具使用
• 迭代推理

SQL + 代码执行

• 自然语言转 SQL
• 基于 Python 的分析与转换
• 指标计算
• 图表生成

多源数据接入

• 关系型数据库
• CSV / Excel
• 文档
• 知识库
• 混合来源工作流

技能与智能体

• 可重用技能
• 领域工作流
• 智能体编排
• 可定制的执行流程

报告与决策支持

• 数据库画像报告
• 财务分析报告
• 可视化报告与仪表盘
• 总结与业务洞察

安全执行

• 沙箱式代码执行
• 受控工具使用
• 可重复的输出与成果

Text2SQL 微调

LLM	支持情况
LLaMA	✅
LLaMA-2	✅
BLOOM	✅
BLOOMZ	✅
Falcon	✅
Baichuan	✅
Baichuan2	✅
InternLM	✅
Qwen	✅
XVERSE	✅
ChatGLM2	✅

关于 Text2SQL 微调的更多信息

支持的模型

提供商	支持	模型
DeepSeek	✅	🔥🔥🔥 DeepSeek-R1-0528 🔥🔥🔥 DeepSeek-V3-0324 🔥🔥🔥 DeepSeek-R1 🔥🔥🔥 DeepSeek-V3 🔥🔥🔥 DeepSeek-R1-Distill-Llama-70B 🔥🔥🔥 DeepSeek-R1-Distill-Qwen-32B 🔥🔥🔥 DeepSeek-Coder-V2-Instruct
Qwen	✅	🔥🔥🔥 Qwen3-235B-A22B 🔥🔥🔥 Qwen3-30B-A3B 🔥🔥🔥 Qwen3-32B 🔥🔥🔥 QwQ-32B 🔥🔥🔥 Qwen2.5-Coder-32B-Instruct 🔥🔥🔥 Qwen2.5-Coder-14B-Instruct 🔥🔥🔥 Qwen2.5-72B-Instruct 🔥🔥🔥 Qwen2.5-32B-Instruct
GLM	✅	🔥🔥🔥 GLM-Z1-32B-0414 🔥🔥🔥 GLM-4-32B-0414 🔥🔥🔥 Glm-4-9b-chat
Llama	✅	🔥🔥🔥 Meta-Llama-3.1-405B-Instruct 🔥🔥🔥 Meta-Llama-3.1-70B-Instruct 🔥🔥🔥 Meta-Llama-3.1-8B-Instruct 🔥🔥🔥 Meta-Llama-3-70B-Instruct 🔥🔥🔥 Meta-Llama-3-8B-Instruct
Gemma	✅	🔥🔥🔥 gemma-2-27b-it 🔥🔥🔥 gemma-2-9b-it 🔥🔥🔥 gemma-7b-it 🔥🔥🔥 gemma-2b-it
Yi	✅	🔥🔥🔥 Yi-1.5-34B-Chat 🔥🔥🔥 Yi-1.5-9B-Chat 🔥🔥🔥 Yi-1.5-6B-Chat 🔥🔥🔥 Yi-34B-Chat
Starling	✅	🔥🔥🔥 Starling-LM-7B-beta
SOLAR	✅	🔥🔥🔥 SOLAR-10.7B
Mixtral	✅	🔥🔥🔥 Mixtral-8x7B
Phi	✅	🔥🔥🔥 Phi-3

• 更多支持的LLM

隐私与安全

我们通过私有化模型部署、代理脱敏以及沙箱执行机制来保护数据隐私和执行安全。

数据来源

• 数据源

愿景

我们相信，数据产品的未来将超越传统的仪表盘。

下一代 AI + 数据 产品将是：

• 智能体驱动
• 多源整合
• 技能导向
• 沙箱运行
• 能够编写 SQL 和代码
• 可以将分析转化为 报告、决策和行动

DB-GPT 致力于帮助开发者和企业构建这样的未来。

贡献

• 如需查看详细的贡献指南，请参阅 如何贡献

贡献者墙

许可证

MIT 许可证 (MIT)

免责声明

• 免责声明

引用

如果您想了解 DB-GPT 的整体架构，请引用 论文 和 论文。

如果您想了解如何使用 DB-GPT 进行智能体开发，请引用 论文。

@article{xue2023dbgpt,
      title={DB-GPT: 以私有大语言模型赋能数据库交互}, 
      author={薛思乔、蒋才高、史文辉、程方音、陈可婷、杨洪军、张志平、何建山、张宏洋、魏刚林、赵旺、周凡、齐丹蕊、易宏、刘绍东、陈发强},
      year={2023},
      journal={arXiv 预印本 arXiv:2312.17449},
      url={https://arxiv.org/abs/2312.17449}
}
@misc{huang2024romasrolebasedmultiagentdatabase,
      title={ROMAS：基于角色的多智能体系统，用于数据库监控与规划}, 
      author={黄毅、程方音、周凡、李佳慧、龚健、杨洪军、范志东、蒋才高、薛思乔、陈发强},
      year={2024},
      eprint={2412.13520},
      archivePrefix={arXiv},
      primaryClass={cs.AI},
      url={https://arxiv.org/abs/2412.13520}, 
}
@inproceedings{xue2024demonstration,
      title={DB-GPT 演示：由大语言模型赋能的下一代数据交互系统}, 
      author={薛思乔、齐丹蕊、蒋才高、史文辉、程方音、陈可婷、杨洪军、张志平、何建山、张宏洋、魏刚林、赵旺、周凡、易宏、刘绍东、杨洪军、陈发强},
      year={2024},
      booktitle = “VLDB Endowment 会议论文集”，
      url={https://arxiv.org/abs/2404.10209}
}

联系方式

感谢所有为 DB-GPT 做出贡献的人！您的想法、代码、评论，甚至在活动和社交平台上分享，都能让 DB-GPT 变得更好。 我们正在努力建设社区，如果您有任何关于社区建设的想法，欢迎随时联系我们。

• Github Issues ⭐️：有关 GB-DPT 使用的问题，请参阅 CONTRIBUTING 文件。
• Github Discussions ⭐️：分享您的使用经验或独特应用。
• Twitter ⭐️：欢迎随时与我们交流。

DB-GPT 快速上手指南

DB-GPT 是一款开源的代理式 AI 数据助手，旨在连接您的数据库、文件及知识库，通过自然语言自动生成 SQL 和代码，执行数据分析任务并输出可视化报告。

1. 环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统：Linux, macOS, 或 Windows (推荐 WSL2)
• Python 版本：Python 3.10 或更高版本
• 包管理工具（推荐）：
  • uv：极速 Python 包安装器（官方推荐）
  • 或者使用标准的 pip
• API Key：准备好大模型服务的 API Key（如 OpenAI, Moonshot/Kimi, MiniMax, DeepSeek 等）

2. 安装步骤

您可以选择以下任意一种方式进行安装。

方式一：一键脚本安装（推荐，适合快速体验）

适用于 macOS 和 Linux 用户。该脚本会自动处理依赖并配置环境。

通用安装（以 OpenAI 为例）：

curl -fsSL https://raw.githubusercontent.com/eosphoros-ai/DB-GPT/main/scripts/install/install.sh \
  | OPENAI_API_KEY=sk-xxx bash -s -- --profile openai

使用 Kimi (Moonshot) 模型：

curl -fsSL https://raw.githubusercontent.com/eosphoros-ai/DB-GPT/main/scripts/install/install.sh \
  | MOONSHOT_API_KEY=sk-xxx bash -s -- --profile kimi

使用 MiniMax 模型：

curl -fsSL https://raw.githubusercontent.com/eosphoros-ai/DB-GPT/main/scripts/install/install.sh \
  | MINIMAX_API_KEY=sk-xxx bash -s -- --profile minimax

注意：请将 sk-xxx 替换为您真实的 API Key。如果您已有本地代码仓库，可添加 --repo-dir "$(pwd)" 参数复用当前目录。

方式二：通过 PyPI 安装（适合开发者集成）

如果您希望将其作为 Python 库安装或使用更灵活的控制：

1. 安装核心包

# 推荐使用 uv (速度更快)
uv pip install dbgpt-app

# 或使用 pip
pip install dbgpt-app

2. 启动服务 运行以下命令，首次启动时会引导您交互式地选择模型提供商并输入 API Key：

dbgpt start

方式三：Docker 或源码安装（高级用户）

对于需要本地部署 GPU 模型（如 vLLM, llama.cpp）或进行深度定制的用户，请参考官方文档进行 Docker 部署或源码编译：

• Docker 安装指南
• 源码安装指南

3. 基本使用

安装完成后，按照以下步骤即可开始使用：

1. 启动 Web 服务 如果您使用的是脚本安装且未自动启动，请手动运行：

cd ~/.dbgpt/DB-GPT && uv run dbgpt start webserver --profile <profile>

(将 <profile> 替换为您安装时指定的配置文件名，如 openai, kimi 等)

如果您使用的是 PyPI 安装且已完成初始化，服务通常已自动运行。

2. 访问界面 打开浏览器访问： http://localhost:5670

3. 快速尝试

• 连接数据源：在左侧菜单点击"Data Sources"，上传 CSV/Excel 文件或配置数据库连接（支持 MySQL, PostgreSQL 等）。
• 自然语言提问：在对话框中输入业务问题，例如：“分析上个季度的销售趋势”或“查询用户数量最多的前 5 个城市”。
• 查看结果：DB-GPT 将自动生成 SQL 或 Python 代码，执行分析，并以图表、表格或总结报告的形式展示结果。

---

更多高级功能（如自定义 Agent、AWEL 工作流、模型微调等）请访问 官方文档。