如何用 DB-GPT 让数据库开口说话从部署到第一次查询的完整教程【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问一句上月哪个地区销量最高系统自己写好 SQL、跑完查询、画出柱状图并把生成的 SQL 原文摊给你看——这就是 DB-GPT 做的事。它是一个开源的自然语言查数据库工具同时支持 Excel、文档和知识库能把提问直接变成图表 报告。这篇文章带你把它装起来并完成第一次查询。它凭什么值得你花半小时自然语言转 SQLtext2SQL全程可见你提问它生成 SQL 并执行结果和 SQL 语句都展示在界面上错了可以指着看哪一步理解偏了。不止查数据库CSV / Excel 文件、PDF 文档、向量知识库都能挂进来用同一套对话入口混合分析。自带 Agent 与沙箱执行代码在隔离环境里运行还能把常用的分析方法沉淀成可复用的 skill技能包团队共享。上图是它的整体架构上层接各种数据源中间走 RAG 检索增强先检索相关资料再回答减少模型胡编底层由微调后的模型和多智能体分工干活。3 条命令跑起来环境要求一台装好 Docker 的机器 一个大模型服务的 API Key云端模型如 OpenAI、硅基流动均可没有 API Key 的话也可以后面配本地模型。# 1. 设置模型服务的 API Key换成你自己的 export SILICONFLOW_API_KEYsk-xxxx # 作用DB-GPT 本身不含大模型这句话告诉它去哪借模型 # 2. 一键启动拉取镜像后台运行 docker compose up -d # 作用同时起两个容器——一个 MySQL 存系统数据并自动灌好示例库一个 Web 服务 # 3. 打开浏览器访问 # http://localhost:5670 # 作用进入 Web 界面左边栏能看到 Chat、Explore、Construct App 等入口默认 compose 配置用的是硅基流动SiliconFlow作为模型服务想用 OpenAI、通义或本地 Ollama改 configs/ 目录里的对应 toml 配置即可目录里每个dbgpt-proxy-*.toml都是一种现成接法。第一次查询怎么验证装好别急着接真实数据先用仓库里自带的示例文件验证链路通不通进入 Chat选 Excel 对话模式上传 docker/examples/excel/example.xlsx。提问统计各国各产品的总销量按销量降序排列。应该看到三样东西一段回答说明、一张柱状图、一条可展开的 SQL。三者对得上说明模型、解析、执行链路都通了。谁在什么场景下用它业务分析师不想写 SQL也不想等数据组排期。连上业务库后直接问上季度退货率最高的五个门店拿到图和数字顺手把生成过程里的 SQL 存下来留档。运维 / 数据工程师接手一个陌生的库时先让 DB-GPT 做数据库画像快速看清有哪些表、字段长什么样再围绕高频问题反复追问相当于给库配了个随叫随到的向导。想搭自己产品的开发者把它当底座而不是当聊天框——用 Agent 编排把代码执行、检索、工具调用串成完整分析流程用 skill 固化公司的分析方法最终交付一个团队内部的数据助手。进阶与避坑先样例后生产先用仓库自带的示例 Excel 和 docker/examples/sqls/ 里的学生管理、电商演示库把流程跑顺再接真实库。真实库里表名混乱、字段缺注释时text2SQL 准确率会明显下降把表注释补全比换模型更见效。模型可以本地化对数据出网敏感的团队可以配置本地模型Ollama、vLLM 等configs/dbgpt-local-llama-cpp.toml 里有现成写法配合沙箱执行整条链路不出内网。从一次提问到一张图表中间写 SQL 的那段路DB-GPT 替你走了。想继续深入安装细节、知识库和多模型配置看 docs/docs/getting-started/ 和 docs/docs/modules/ 里的官方文档即可。【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