db-gpt

DB-GPT es un asistente de datos de IA agéntico de código abierto orientado a productos de IA + Datos. Según su README, se conecta a bases de datos, archivos CSV/Excel, almacenes y bases de conocimiento, permite a los usuarios hacer preguntas en lenguaje natural y hace que la IA escriba SQL de forma autónoma. También admite flujos de análisis impulsados por Python y código, habilidades reutilizables para tareas específicas de dominio y generación de gráficos, paneles, informes HTML y resúmenes de análisis. La ejecución puede realizarse en entornos sandbox. Las áreas de capacidad clave descritas en el README incluyen: - Análisis agéntico: planificación de tareas, ejecución paso a paso, uso de herramientas y razonamiento iterativo. - Ejecución de SQL y código: lenguaje natural a SQL, análisis y transformación basados en Python, cálculo de métricas y generación de gráficos. - Acceso a datos de múltiples fuentes: bases de datos relacionales, CSV/Excel, documentos, bases de conocimiento y flujos de trabajo de fuentes mixtas. - Habilidades y agentes: habilidades reutilizables, flujos de trabajo de dominio, orquestación de agentes y flujos de ejecución personalizables. - Informes y soporte a decisiones: informes de perfilado de bases de datos, informes de análisis financiero, informes visuales y paneles, resúmenes y perspectivas de negocio. - Ejecución segura: ejecución de código en sandbox, uso controlado de herramientas, resultados reproducibles y artefactos. Las opciones de instalación incluyen un script de instalación de una línea para macOS y Linux con perfiles para OpenAI, Kimi (Moonshot) y MiniMax, un paquete PyPI (dbgpt-app) que requiere Python 3.10+ y uv o pip, y configuraciones con Docker o desde el código fuente documentadas por separado. Después de iniciar el servidor web, la interfaz está disponible en localhost:5670. El proyecto también documenta una plataforma para construir agentes de datos nativos de IA, flujos de trabajo y aplicaciones utilizando agentes, AWEL, RAG y soporte multimodelo. Enumera soporte para muchos proveedores y familias de modelos, incluidos DeepSeek, Qwen, GLM, Llama, Gemma, Yi, Starling, SOLAR, Mixtral y Phi, y hace referencia al soporte de ajuste fino Text2SQL para modelos como LLaMA, BLOOM, Falcon, Baichuan, InternLM, Qwen, XVERSE y ChatGLM2 a través del proyecto relacionado DB-GPT-Hub. La privacidad y la seguridad se abordan mediante implementación privada de modelos, desensibilización de proxy y ejecución en sandbox. El proyecto tiene licencia MIT y cita varios artículos sobre su arquitectura y desarrollo de agentes.