DB-GPT 快速上手从克隆仓库到跑通 AI 数据对话的最短路径【免费下载链接】DB-GPTopen-source agentic AI data assistant for the next generation of AI Data products.项目地址: https://gitcode.com/GitHub_Trending/db/DB-GPT本文以 DB-GPT 官方“快速开始”文档为主线给出从环境检查、依赖安装、模型配置到服务启动、Web UI 验证的完整最短路径并结合仓库中的配置文件与 CLI 源码说明每一步背后的实际行为。读完后你应当能在 5 分钟内把一个可用的 DB-GPT 对话环境跑起来并清楚 SMMF、RAG、Agents、AWEL 与数据源五大能力在仓库中的落点。一、DB-GPT 是什么一句话定位DB-GPT 是一个开源框架用于构建结合LLM、RAG、智能体、AWEL 工作流与数据库集成的 AI Native 数据应用。它把“大模型 数据”整合为一个可交互的产品形态用户在 Web UI 中提问系统通过智能体运行时调用工具、技能、数据库与知识库流式返回分析结果。如果你只想最快跑通官方给出的结论是选择一个 API 模型提供方启动 webserver然后打开 Web UI。下文按这条最短路径展开。二、前置条件先确认环境快速开始文档的第一步是“检查环境要求”。完整的前置条件见 前置条件核心要求如下要求版本检查命令Python3.10 或更新建议 3.11python --versionuv最新版uv --versionGit任意较新版本git --version几点补充说明来自 pyproject.toml 与 前置条件根目录 pyproject.toml 中requires-python 3.10即 Python 3.10 是硬性下限自 v0.7.0 起DB-GPT 使用uv做环境与依赖管理当前仓库版本为 0.8.1见 pyproject.toml 的version字段uv sync依赖根目录声明的 uv workspaceAPI 代理模式OpenAI、DeepSeek 等不需要 GPU纯 CPU 机器即可运行本地模型Ollama、vLLM、HuggingFace才涉及 GPU/CUDA只有当你想独立开发 Web 前端时才需要 Node.js 18 / npm 8仅作为后端服务用户可完全忽略国内网络环境建议配置 PyPI 镜像例如export UV_INDEX_URLhttps://pypi.tuna.tsinghua.edu.cn/simple或在uv sync命令后追加--index-url参数。三、最短路径5 分钟跑通继承文档原始步骤官方“最快路径”共四步检查环境要求前置条件按 5 分钟上手流程操作快速开始选择模型提供方模型提供方确认 UI 能在http://localhost:5670打开。对应的完整命令如下以 OpenAI 代理模式为例这是官方文档给出的原始流程# 1. 克隆仓库 git clone https://gitcode.com/GitHub_Trending/db/DB-GPT.git cd DB-GPT # 2. 安装依赖以 OpenAI 代理模式为例 uv sync --all-packages \ --extra base \ --extra proxy_openai \ --extra rag \ --extra storage_chromadb \ --extra dbgpts # 3. 配置 API Key # 编辑 configs/dbgpt-proxy-openai.toml 并设置 api_key # 4. 启动服务 uv run dbgpt start webserver --config configs/dbgpt-proxy-openai.toml打开浏览器访问http://localhost:5670。如果 UI 能正常打开并且你可以发起对话说明基础环境已经可用。几个uv sync参数值得展开--all-packages安装根工作区pyproject.toml 中tool.uv.workspace.members列出的packages/dbgpt-app、dbgpt-core、dbgpt-serve、dbgpt-ext、dbgpt-client、dbgpt-sandbox等全部成员--extra proxy_openai启用 OpenAI 兼容 LLM 客户端换成本地 Ollama 则用--extra proxy_ollama--extra rag文档解析与检索能力PDF、DOCX、Markdown 等--extra storage_chromadbChromaDB 向量存储--extra dbgpts内置技能skills相关依赖。除 OpenAI 外快速开始还给出了 DeepSeek 与 Ollama 两种提供方的一整套变体编辑对应的configs/dbgpt-proxy-deepseek.toml或configs/dbgpt-proxy-ollama.toml后分别执行uv run dbgpt start webserver --config configs/dbgpt-proxy-deepseek.toml uv run dbgpt start webserver --config configs/dbgpt-proxy-ollama.toml四、配置文件详解dbgpt-proxy-openai.toml里到底配了什么第 3 步要求“编辑 configs/dbgpt-proxy-openai.toml 并设置 api_key”。直接看仓库中的真实配置 configs/dbgpt-proxy-openai.toml它由四部分组成[system] language ${env:DBGPT_LANG:-en} api_keys [] encrypt_key your_secret_key # Server Configurations [service.web] host 0.0.0.0 port 5670 cors_allowed_origins ${env:DBGPT_CORS_ALLOWED_ORIGINS:-*} [service.web.database] type sqlite path pilot/meta_data/dbgpt.db # RAG 向量存储 [rag.storage] [rag.storage.vector] type chroma persist_path pilot/data # Model Configurations [models] [[models.llms]] name ${env:LLM_MODEL_NAME:-gpt-4o} provider ${env:LLM_MODEL_PROVIDER:-proxy/openai} api_base ${env:OPENAI_API_BASE:-https://api.openai.com/v1} api_key ${env:OPENAI_API_KEY} [[models.embeddings]] name ${env:EMBEDDING_MODEL_NAME:-text-embedding-3-small} provider ${env:EMBEDDING_MODEL_PROVIDER:-proxy/openai} api_url ${env:EMBEDDING_MODEL_API_URL:-https://api.openai.com/v1/embeddings} api_key ${env:OPENAI_API_KEY}逐项说明配置段关键项作用[system]language、encrypt_keyUI 语言可由环境变量DBGPT_LANG覆盖zh/en与敏感信息加密密钥[service.web]host、portWeb 服务监听地址端口 5670 即 Web UI 地址来源cors_allowed_origins控制跨域白名单[service.web.database]type sqlite、path默认元数据存储为 SQLite落盘在pilot/meta_data/dbgpt.db——这就是文档中“SQLite 默认可用”的依据[rag.storage.vector]type chroma、persist_pathRAG 向量库用 ChromaDB数据目录pilot/data对应安装时的--extra storage_chromadb[models][[models.llms]]/[[models.embeddings]]聊天模型与嵌入模型的定义所有值都支持${env:VAR:-default}语法即优先读环境变量读不到用默认值从这份配置可以看出两个设计要点API Key 不必硬编码进 TOML。api_key ${env:OPENAI_API_KEY}意味着只要export OPENAI_API_KEYsk-xxx配置里的占位符就会被自动解析这与 快速开始 中“OPENAI_API_KEY可作为 TOML 的替代方案”的说法一致模型名同样可覆盖LLM_MODEL_NAME、LLM_MODEL_PROVIDER、EMBEDDING_MODEL_NAME等环境变量可以在不改文件的情况下切换模型。如果你使用 DeepSeekconfigs/dbgpt-proxy-deepseek.toml 中 LLM 为deepseek-reasonerprovider proxy/deepseek嵌入模型默认BAAI/bge-large-zh-v1.5provider hf此时安装命令需追加--extra hf与--extra cpu如果使用 Ollama则确保 Ollama 已运行并把 LLM/嵌入都指向http://localhost:11434。五、dbgpt start webserver在源码里做了什么启动命令uv run dbgpt start webserver --config configs/dbgpt-proxy-openai.toml并不是黑盒可以在仓库源码中验证其行为命令注册入口在 cli_scripts.pystart组下通过add_command_alias(start_webserver, namewebserver, parent_groupstart)和add_command_alias(start_webserver, nameweb, parent_groupstart)注册了两个别名。也就是说dbgpt start webserver与dbgpt start web是同一个命令文档两种写法都成立实际实现位于 _cli.py 中的start_webserver函数。从源码看它支持以下选项选项缩写说明--config-cTOML 配置文件路径。可省略——省略时会回退到~/.dbgpt/下的活动 profile或触发首次运行的交互式设置向导--profile-p指定提供方 profileopenai / kimi / qwen / minimax / deepseek / ollama 等覆盖活动 profile--yes-y非交互模式跳过向导适合 CI/CD--api-key提供方 API Key也可用DBGPT_API_KEY环境变量提供--daemon-d后台守护进程模式运行配合dbgpt stop webserver停止配置解析优先级_cli.py 与 CLI 快速入门--config显式指定 --profile查找~/.dbgpt/configs/profile.toml 活动 profile记录于~/.dbgpt/config.toml 自动拉起设置向导。本文教程走的是第一种因此不存在交互。服务真正承载于dbgpt-app包dbgpt_server.py它是 FastAPI 应用服务器同时负责 API 路由与静态 UI 资源托管端口来自 TOML 的[service.web]默认 5670。六、DB-GPT 包含什么快速开始文档列出的五大核心能力与仓库结构一一对应可结合 架构文档 深入SMMF模型管理与提供方切换见 SMMF 模块说明。你配置的[[models.llms]]就是由它解析分发的RAG文档与知识检索实现位于dbgpt-ext连接器与dbgpt-coreRAG 抽象向量存储由 [rag.storage] 配置段指定本教程为 ChromaDBAgents工具调用、任务规划与多智能体协作。仓库以 ReAct 智能体运行时为核心关键实现锚点包括packages/dbgpt-core/src/dbgpt/agent/expand/react_agent.py与packages/dbgpt-core/src/dbgpt/agent/util/react_parser.py见 架构文档AWEL基于 DAG 的工作流编排入门可看 AWEL 指南Data sources面向 SQL 分析、Text2SQL 场景的数据源能力默认 SQLite 开箱即用MySQL/PostgreSQL/ClickHouse 等通过对应 extras 扩展如datasource_mysql配置参考 配置参考。从源码结构看这些能力分布在 uv workspace 的多个成员包里dbgpt-core核心智能体/记忆/规划/RAG/模型抽象、dbgpt-app应用服务器与 API、dbgpt-serve知识库/数据源/流程等资源服务、dbgpt-ext数据库与存储连接器、dbgpt-clientPython 客户端 SDK、dbgpt-sandbox代码与工具的安全沙箱执行另有web/Next.js 前端与skills/内置技能目录。七、另一条最短路径pip 安装 交互式向导如果你不需要源码仓库还提供了从 PyPI 直接安装的路线详见 CLI 快速入门# 推荐用 uv也可 pip install dbgpt-app uv pip install dbgpt-app # 一条命令启动首次运行进入交互式设置向导 dbgpt start向导会引导你1选择 LLM 提供方OpenAI、Kimi、Qwen、MiniMax、Z.AI 或自定义 OpenAI 兼容端点2输入 API Key或改用环境变量3确认模型名与 API base URL。完成后 TOML 配置写入~/.dbgpt/configs/profile.toml服务自动启动Web UI 仍在http://localhost:5670。日常运维命令包括dbgpt profile list # 列出所有 profile活动者带 * dbgpt profile switch kimi # 切换活动 profile dbgpt setup --show # 查看当前生效配置 dbgpt stop webserver --port 5670八、启动后如何验证快速开始给出的验证清单webserver 正在运行终端日志正常无报错退出模型配置加载无错误Web UI 能在http://localhost:5670打开SQLite 作为默认元数据存储可用首次启动会自动创建pilot/meta_data/dbgpt.db。全部满足后发起一次对话即可确认端到端链路UI → dbgpt-app API → 模型提供方通畅。常见首次运行问题现象处理uv: command not found先安装 uv见 前置条件模型 Key/鉴权错误检查configs/下对应 provider 配置或改用OPENAI_API_KEY等环境变量Web UI 打不开确认服务监听 5670 端口查看启动终端中的服务日志本地模型无响应确认 Ollama 等本地推理后端已先于 DB-GPT 启动端口被占用dbgpt stop webserver --port 5670或修改 TOML 中[service.web] port九、接下来读什么文档地图快速开始文档最后的“接下来读什么”是一张核心文档地图转换为本仓库内路径后如下建议按兴趣选读核心概念架构仓库布局与 ReAct 智能体运行时AWELDAG 工作流入门智能体与 RAG 概念getting-started 概念目录安装与部署模型提供方providers 目录部署源码 / Dockerdeploy 目录Docker Compose 编排示例compose_examples产品使用Web UI 概览web-ui 目录工具与插件tools 目录故障排查troubleshooting 目录参考资料开发指南Agents 开发agents/introductionAPI 参考API 介绍配置参考配置参考总览FAQ安装 FAQ十、小结DB-GPT 的最短上手路径可以压缩为一句话装好 Python 3.10 与 uv →uv sync按 extras 安装依赖 → 在 TOML 或环境变量里填入模型 API Key →uv run dbgpt start webserver --config 配置→ 打开http://localhost:5670。其中配置文件决定了端口5670、元数据库SQLite、向量存储ChromaDB与模型提供方四类行为CLI 的--config / --profile / --daemon选项与首启向导则由 dbgpt-app 的 CLI 实现 支撑。跑通对话只是起点后续可沿着第九节的文档地图分别深入模型提供方、Docker 部署、知识库与 AWEL 工作流。【免费下载链接】DB-GPTopen-source agentic AI data assistant for the next generation of AI Data products.项目地址: https://gitcode.com/GitHub_Trending/db/DB-GPT创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 DB-GPT 快速上手：从克隆仓库到跑通 AI 数据对话的最短路径
DB-GPT 快速上手从克隆仓库到跑通 AI 数据对话的最短路径【免费下载链接】DB-GPTopen-source agentic AI data assistant for the next generation of AI Data products.项目地址: https://gitcode.com/GitHub_Trending/db/DB-GPT本文以 DB-GPT 官方“快速开始”文档为主线给出从环境检查、依赖安装、模型配置到服务启动、Web UI 验证的完整最短路径并结合仓库中的配置文件与 CLI 源码说明每一步背后的实际行为。读完后你应当能在 5 分钟内把一个可用的 DB-GPT 对话环境跑起来并清楚 SMMF、RAG、Agents、AWEL 与数据源五大能力在仓库中的落点。一、DB-GPT 是什么一句话定位DB-GPT 是一个开源框架用于构建结合LLM、RAG、智能体、AWEL 工作流与数据库集成的 AI Native 数据应用。它把“大模型 数据”整合为一个可交互的产品形态用户在 Web UI 中提问系统通过智能体运行时调用工具、技能、数据库与知识库流式返回分析结果。如果你只想最快跑通官方给出的结论是选择一个 API 模型提供方启动 webserver然后打开 Web UI。下文按这条最短路径展开。二、前置条件先确认环境快速开始文档的第一步是“检查环境要求”。完整的前置条件见 前置条件核心要求如下要求版本检查命令Python3.10 或更新建议 3.11python --versionuv最新版uv --versionGit任意较新版本git --version几点补充说明来自 pyproject.toml 与 前置条件根目录 pyproject.toml 中requires-python 3.10即 Python 3.10 是硬性下限自 v0.7.0 起DB-GPT 使用uv做环境与依赖管理当前仓库版本为 0.8.1见 pyproject.toml 的version字段uv sync依赖根目录声明的 uv workspaceAPI 代理模式OpenAI、DeepSeek 等不需要 GPU纯 CPU 机器即可运行本地模型Ollama、vLLM、HuggingFace才涉及 GPU/CUDA只有当你想独立开发 Web 前端时才需要 Node.js 18 / npm 8仅作为后端服务用户可完全忽略国内网络环境建议配置 PyPI 镜像例如export UV_INDEX_URLhttps://pypi.tuna.tsinghua.edu.cn/simple或在uv sync命令后追加--index-url参数。三、最短路径5 分钟跑通继承文档原始步骤官方“最快路径”共四步检查环境要求前置条件按 5 分钟上手流程操作快速开始选择模型提供方模型提供方确认 UI 能在http://localhost:5670打开。对应的完整命令如下以 OpenAI 代理模式为例这是官方文档给出的原始流程# 1. 克隆仓库 git clone https://gitcode.com/GitHub_Trending/db/DB-GPT.git cd DB-GPT # 2. 安装依赖以 OpenAI 代理模式为例 uv sync --all-packages \ --extra base \ --extra proxy_openai \ --extra rag \ --extra storage_chromadb \ --extra dbgpts # 3. 配置 API Key # 编辑 configs/dbgpt-proxy-openai.toml 并设置 api_key # 4. 启动服务 uv run dbgpt start webserver --config configs/dbgpt-proxy-openai.toml打开浏览器访问http://localhost:5670。如果 UI 能正常打开并且你可以发起对话说明基础环境已经可用。几个uv sync参数值得展开--all-packages安装根工作区pyproject.toml 中tool.uv.workspace.members列出的packages/dbgpt-app、dbgpt-core、dbgpt-serve、dbgpt-ext、dbgpt-client、dbgpt-sandbox等全部成员--extra proxy_openai启用 OpenAI 兼容 LLM 客户端换成本地 Ollama 则用--extra proxy_ollama--extra rag文档解析与检索能力PDF、DOCX、Markdown 等--extra storage_chromadbChromaDB 向量存储--extra dbgpts内置技能skills相关依赖。除 OpenAI 外快速开始还给出了 DeepSeek 与 Ollama 两种提供方的一整套变体编辑对应的configs/dbgpt-proxy-deepseek.toml或configs/dbgpt-proxy-ollama.toml后分别执行uv run dbgpt start webserver --config configs/dbgpt-proxy-deepseek.toml uv run dbgpt start webserver --config configs/dbgpt-proxy-ollama.toml四、配置文件详解dbgpt-proxy-openai.toml里到底配了什么第 3 步要求“编辑 configs/dbgpt-proxy-openai.toml 并设置 api_key”。直接看仓库中的真实配置 configs/dbgpt-proxy-openai.toml它由四部分组成[system] language ${env:DBGPT_LANG:-en} api_keys [] encrypt_key your_secret_key # Server Configurations [service.web] host 0.0.0.0 port 5670 cors_allowed_origins ${env:DBGPT_CORS_ALLOWED_ORIGINS:-*} [service.web.database] type sqlite path pilot/meta_data/dbgpt.db # RAG 向量存储 [rag.storage] [rag.storage.vector] type chroma persist_path pilot/data # Model Configurations [models] [[models.llms]] name ${env:LLM_MODEL_NAME:-gpt-4o} provider ${env:LLM_MODEL_PROVIDER:-proxy/openai} api_base ${env:OPENAI_API_BASE:-https://api.openai.com/v1} api_key ${env:OPENAI_API_KEY} [[models.embeddings]] name ${env:EMBEDDING_MODEL_NAME:-text-embedding-3-small} provider ${env:EMBEDDING_MODEL_PROVIDER:-proxy/openai} api_url ${env:EMBEDDING_MODEL_API_URL:-https://api.openai.com/v1/embeddings} api_key ${env:OPENAI_API_KEY}逐项说明配置段关键项作用[system]language、encrypt_keyUI 语言可由环境变量DBGPT_LANG覆盖zh/en与敏感信息加密密钥[service.web]host、portWeb 服务监听地址端口 5670 即 Web UI 地址来源cors_allowed_origins控制跨域白名单[service.web.database]type sqlite、path默认元数据存储为 SQLite落盘在pilot/meta_data/dbgpt.db——这就是文档中“SQLite 默认可用”的依据[rag.storage.vector]type chroma、persist_pathRAG 向量库用 ChromaDB数据目录pilot/data对应安装时的--extra storage_chromadb[models][[models.llms]]/[[models.embeddings]]聊天模型与嵌入模型的定义所有值都支持${env:VAR:-default}语法即优先读环境变量读不到用默认值从这份配置可以看出两个设计要点API Key 不必硬编码进 TOML。api_key ${env:OPENAI_API_KEY}意味着只要export OPENAI_API_KEYsk-xxx配置里的占位符就会被自动解析这与 快速开始 中“OPENAI_API_KEY可作为 TOML 的替代方案”的说法一致模型名同样可覆盖LLM_MODEL_NAME、LLM_MODEL_PROVIDER、EMBEDDING_MODEL_NAME等环境变量可以在不改文件的情况下切换模型。如果你使用 DeepSeekconfigs/dbgpt-proxy-deepseek.toml 中 LLM 为deepseek-reasonerprovider proxy/deepseek嵌入模型默认BAAI/bge-large-zh-v1.5provider hf此时安装命令需追加--extra hf与--extra cpu如果使用 Ollama则确保 Ollama 已运行并把 LLM/嵌入都指向http://localhost:11434。五、dbgpt start webserver在源码里做了什么启动命令uv run dbgpt start webserver --config configs/dbgpt-proxy-openai.toml并不是黑盒可以在仓库源码中验证其行为命令注册入口在 cli_scripts.pystart组下通过add_command_alias(start_webserver, namewebserver, parent_groupstart)和add_command_alias(start_webserver, nameweb, parent_groupstart)注册了两个别名。也就是说dbgpt start webserver与dbgpt start web是同一个命令文档两种写法都成立实际实现位于 _cli.py 中的start_webserver函数。从源码看它支持以下选项选项缩写说明--config-cTOML 配置文件路径。可省略——省略时会回退到~/.dbgpt/下的活动 profile或触发首次运行的交互式设置向导--profile-p指定提供方 profileopenai / kimi / qwen / minimax / deepseek / ollama 等覆盖活动 profile--yes-y非交互模式跳过向导适合 CI/CD--api-key提供方 API Key也可用DBGPT_API_KEY环境变量提供--daemon-d后台守护进程模式运行配合dbgpt stop webserver停止配置解析优先级_cli.py 与 CLI 快速入门--config显式指定 --profile查找~/.dbgpt/configs/profile.toml 活动 profile记录于~/.dbgpt/config.toml 自动拉起设置向导。本文教程走的是第一种因此不存在交互。服务真正承载于dbgpt-app包dbgpt_server.py它是 FastAPI 应用服务器同时负责 API 路由与静态 UI 资源托管端口来自 TOML 的[service.web]默认 5670。六、DB-GPT 包含什么快速开始文档列出的五大核心能力与仓库结构一一对应可结合 架构文档 深入SMMF模型管理与提供方切换见 SMMF 模块说明。你配置的[[models.llms]]就是由它解析分发的RAG文档与知识检索实现位于dbgpt-ext连接器与dbgpt-coreRAG 抽象向量存储由 [rag.storage] 配置段指定本教程为 ChromaDBAgents工具调用、任务规划与多智能体协作。仓库以 ReAct 智能体运行时为核心关键实现锚点包括packages/dbgpt-core/src/dbgpt/agent/expand/react_agent.py与packages/dbgpt-core/src/dbgpt/agent/util/react_parser.py见 架构文档AWEL基于 DAG 的工作流编排入门可看 AWEL 指南Data sources面向 SQL 分析、Text2SQL 场景的数据源能力默认 SQLite 开箱即用MySQL/PostgreSQL/ClickHouse 等通过对应 extras 扩展如datasource_mysql配置参考 配置参考。从源码结构看这些能力分布在 uv workspace 的多个成员包里dbgpt-core核心智能体/记忆/规划/RAG/模型抽象、dbgpt-app应用服务器与 API、dbgpt-serve知识库/数据源/流程等资源服务、dbgpt-ext数据库与存储连接器、dbgpt-clientPython 客户端 SDK、dbgpt-sandbox代码与工具的安全沙箱执行另有web/Next.js 前端与skills/内置技能目录。七、另一条最短路径pip 安装 交互式向导如果你不需要源码仓库还提供了从 PyPI 直接安装的路线详见 CLI 快速入门# 推荐用 uv也可 pip install dbgpt-app uv pip install dbgpt-app # 一条命令启动首次运行进入交互式设置向导 dbgpt start向导会引导你1选择 LLM 提供方OpenAI、Kimi、Qwen、MiniMax、Z.AI 或自定义 OpenAI 兼容端点2输入 API Key或改用环境变量3确认模型名与 API base URL。完成后 TOML 配置写入~/.dbgpt/configs/profile.toml服务自动启动Web UI 仍在http://localhost:5670。日常运维命令包括dbgpt profile list # 列出所有 profile活动者带 * dbgpt profile switch kimi # 切换活动 profile dbgpt setup --show # 查看当前生效配置 dbgpt stop webserver --port 5670八、启动后如何验证快速开始给出的验证清单webserver 正在运行终端日志正常无报错退出模型配置加载无错误Web UI 能在http://localhost:5670打开SQLite 作为默认元数据存储可用首次启动会自动创建pilot/meta_data/dbgpt.db。全部满足后发起一次对话即可确认端到端链路UI → dbgpt-app API → 模型提供方通畅。常见首次运行问题现象处理uv: command not found先安装 uv见 前置条件模型 Key/鉴权错误检查configs/下对应 provider 配置或改用OPENAI_API_KEY等环境变量Web UI 打不开确认服务监听 5670 端口查看启动终端中的服务日志本地模型无响应确认 Ollama 等本地推理后端已先于 DB-GPT 启动端口被占用dbgpt stop webserver --port 5670或修改 TOML 中[service.web] port九、接下来读什么文档地图快速开始文档最后的“接下来读什么”是一张核心文档地图转换为本仓库内路径后如下建议按兴趣选读核心概念架构仓库布局与 ReAct 智能体运行时AWELDAG 工作流入门智能体与 RAG 概念getting-started 概念目录安装与部署模型提供方providers 目录部署源码 / Dockerdeploy 目录Docker Compose 编排示例compose_examples产品使用Web UI 概览web-ui 目录工具与插件tools 目录故障排查troubleshooting 目录参考资料开发指南Agents 开发agents/introductionAPI 参考API 介绍配置参考配置参考总览FAQ安装 FAQ十、小结DB-GPT 的最短上手路径可以压缩为一句话装好 Python 3.10 与 uv →uv sync按 extras 安装依赖 → 在 TOML 或环境变量里填入模型 API Key →uv run dbgpt start webserver --config 配置→ 打开http://localhost:5670。其中配置文件决定了端口5670、元数据库SQLite、向量存储ChromaDB与模型提供方四类行为CLI 的--config / --profile / --daemon选项与首启向导则由 dbgpt-app 的 CLI 实现 支撑。跑通对话只是起点后续可沿着第九节的文档地图分别深入模型提供方、Docker 部署、知识库与 AWEL 工作流。【免费下载链接】DB-GPTopen-source agentic AI data assistant for the next generation of AI Data products.项目地址: https://gitcode.com/GitHub_Trending/db/DB-GPT创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考