DB-GPT：开源智能体AI数据助手
连接您的数据，用自然语言让AI自动编写SQL和代码，在沙箱中执行分析，并生成报告与决策洞察。
证据显示有沙箱执行、SQL步骤仅暴露已执行的SQL、并行调度有最大并行数限制、失败降级等安全措施，但未发现明确的权限最小化设计、用户确认机制、数据流透明性说明、敏感数据处理策略、依赖安全审计、外部影响控制、回滚机制或来源归属。因此各标准仅给1分，因证据存在但薄弱。
测试覆盖了并行调度、失败降级、事件转发等，显示内部一致性较好；但依赖可用性未验证，失败消息在测试中有体现但未全面评估。自一致性2分，依赖可用性1分，失败消息2分。
README展示了多种使用场景（数据分析、SQL执行、多源数据访问等），能力边界有描述（如并行调度限制），触发精度在测试中有体现，环境适配有Docker、源码安装等说明。但能力边界和触发精度未全面覆盖，故各2分。
信息架构清晰（模块划分、文档链接），安装说明详细，命名稳定（版本号、包名），示例和FAQ有提供，已知限制未明确列出，许可证为MIT，版本变更日志存在，维护责任有社区和贡献指南。已知限制1分，其余2分。
输出可用性有测试验证（如摘要、事件格式），边际价值高（提供多种功能），成本效益合理（开源免费）。但未量化评估，故各2分。
声明有测试和文档支持，但跨来源验证不足（仅依赖仓库内证据），事实与推断分离较好（测试明确区分）。声明可追溯2分，跨来源佐证1分，事实推断分离2分。
- 未发现明确的权限最小化设计，建议审查默认权限配置。
- 用户确认机制缺失，执行敏感操作前应增加确认步骤。
- 数据流透明性不足，需明确数据如何被收集、处理和存储。
- 依赖安全未审计，建议检查依赖漏洞。
- 已知限制未列出，用户可能对边界认识不足。
这个 Agent 能做什么，适合哪些场景？
DB-GPT 是一个开源智能体AI数据助手，面向下一代 AI+Data 产品。它支持连接数据库、CSV/Excel 文件、数仓和知识库，通过自然语言交互让 AI 自主编写 SQL 和代码，执行 Python 分析流程，加载可复用的领域技能，并生成图表、仪表盘、HTML 报告与分析摘要。DB-GPT 也是一个构建 AI 原生数据智能体、工作流和应用的平台，内置 Agent、AWEL、RAG 和多模型支持。项目采用 MIT 许可证，提供一键安装脚本和 PyPI 安装方式，可快速启动 Web 服务（默认端口 5670）。
DB-GPT 提供以下具体操作：通过数据源连接器读取多种数据库（如 MySQL、PostgreSQL）和文件（CSV/Excel）；使用内置 Agent 框架进行任务规划、分步执行和工具调用；基于自然语言生成 SQL 查询，并执行 Python 代码进行数据清洗和指标计算；支持加载和运行可复用技能（如 SQL 分析技能、财务报表分析），并通过沙箱环境隔离代码执行；最终生成可视化报告、仪表盘和 HTML 输出。核心组件包括 dbgpt CLI、FastAPI 后端、Agent 执行引擎、AWEL 工作流引擎和 RAG 文档解析。
- 数据分析师：上传 CSV 文件，让 AI 自动生成数据概览和可视化报告。
- 业务人员：用自然语言询问数据库问题，AI 自动编写 SQL 并返回结果。
- 财务团队：执行财务报表分析，生成含图表和文字叙述的分析报告。
- 开发者：用 DB-GPT 框架构建定制化的 AI 数据助手，集成 AWEL 工作流。
- 企业用户：连接私有数据库和知识库，在安全沙箱中运行分析任务。
这个 Agent 有哪些优点和局限？
- 支持多种数据源（数据库、CSV/Excel、知识库）和多种主流 LLM（DeepSeek、Qwen、GLM、Llama 等），模型提供商灵活。
- 提供沙箱化代码执行环境，增强安全性和可靠性。
- 内置 AWEL 工作流和技能机制，支持构建可复用的领域分析流程。
- 提供一键安装脚本和 PyPI 包，部署相对简便。
- 支持生成可视化报告、仪表盘和 HTML 输出，决策支持能力强。
- 安装依赖较多（Python 3.10+、uv），可能对系统环境有要求。
- 沙箱执行可能限制某些需要网络或特定库的操作。
- 自然语言生成 SQL 的准确性依赖于所选 LLM 的质量，需要微调或选择合适模型。
- 对于大型数据集或复杂分析，可能面临性能瓶颈。
- 文档和社区支持不如商业产品完善，需要自行排查问题。
如何安装或部署这个 Agent？
安装方式：
- 一键安装（macOS/Linux）：
curl -fsSL https://raw.githubusercontent.com/eosphoros-ai/DB-GPT/main/scripts/install/install.sh | bash或指定 API Key：
curl -fsSL https://raw.githubusercontent.com/eosphoros-ai/DB-GPT/main/scripts/install/install.sh | OPENAI_API_KEY=sk-xxx bash -s -- --profile openai- PyPI 安装（需 Python 3.10+ 和 uv）：
uv pip install dbgpt-app也可使用 pip：pip install dbgpt-app。
- Docker 安装：参照官方文档。
如何使用这个 Agent？
安装后启动服务：
cd ~/.dbgpt/DB-GPT && uv run dbgpt start webserver --profile <profile>或使用 PyPI 安装后直接运行 dbgpt start，然后访问 http://localhost:5670。首次运行会交互式引导选择 LLM 提供商并输入 API Key。之后可通过 Web UI 连接数据源、提问、执行分析并生成报告。