摘要
DB-GPT 是一个开源的 AI 原生数据应用开发框架，通过整合多模型管理、Text2SQL、RAG、多智能体协作及 AWEL 工作流编排，帮助开发者围绕数据库低代码构建专属大模型应用。
- 基于 Python，采用 MIT 开源协议，官方发布节奏持续更新。
- 以 SMMF 统一管理多种开源模型与 API 代理模型。
- 内置 RAG、AWEL 与 Multi-Agents，覆盖知识检索与任务编排场景。
- 提供 Text2SQL 自动化微调能力，支持 LoRA、QLoRA、P-tuning 等方法。
- 典型场景包括私域知识问答、生成式 BI、数据分析与自动化决策。
- 默认可用 SQLite 快速启动，也可扩展到更多数据源与部署方式。
功能与定位
DB-GPT 面向“数据 + 大模型”应用开发，核心目标是把多模型管理、数据检索增强、智能体协作和工作流编排整合到一个统一框架中，降低企业与开发者构建数据智能应用的门槛。
典型使用场景
- 企业私域知识库问答与文档检索。
- 面向数据库、数据仓库或 Excel 的自然语言分析与报表生成。
- Text2SQL 转换与垂直领域模型微调。
- 多智能体协作的数据处理、任务执行与流程自动化。
核心功能
SMMF多模型管理框架，统一接入与调用多种 LLM。RAG检索增强能力，支持多格式数据接入与向量检索。AWEL智能体工作流编排语言，用于复杂任务流程组织。Multi-Agents与插件机制，支持数据驱动的协作式执行。- Text2SQL 微调工具链与相关子模块生态。
特色与差异点
- 以数据库与数据应用为中心，而非通用聊天壳层。
- 同时覆盖“应用开发、模型管理、检索增强、工作流编排”四个层面。
- 官方生态包含
DB-GPT-Hub、dbgpts、插件仓库等扩展模块。 - 最近发布版本持续增强连接器、检索与智能体能力。
使用方式概览
- 可按官方文档选择源码部署、容器部署或代理模型接入。
- 可从快速启动路径先跑通默认配置，再按场景扩展数据源、模型与工作流。
- 支持将知识库、数据分析、智能体流程组合为可复用的数据应用。
限制与注意事项
- 本地部署开源大模型通常需要 GPU 资源；代理模型方案对本地资源要求更低。
- 实际可用性受模型、数据质量与部署环境影响，需要按场景评估。
- 依赖安装与模型接入通常需要稳定网络环境。
链接
- https://github.com/eosphoros-ai/DB-GPT
- http://docs.dbgpt.cn
- https://github.com/eosphoros-ai/DB-GPT/releases
- https://github.com/eosphoros-ai/DB-GPT-Hub
- https://github.com/eosphoros-ai/dbgpts