À propos du projet

DB-GPT est un assistant de données IA open-source conçu pour les produits IA + Données. Selon son fichier README, il se connecte à des bases de données, des fichiers CSV/Excel, des entrepôts et des bases de connaissances, permet aux utilisateurs de poser des questions en langage naturel et a l'IA qui écrit du code SQL de manière autonome. Il prend également en charge les flux de travail d'analyse basés sur Python et le code, des « compétences » réutilisables pour des tâches spécifiques à un domaine, et la génération de graphiques, de tableaux de bord, de rapports HTML et de résumés d'analyse. L'exécution peut avoir lieu dans des environnements sandboxés. Les domaines de capacité clés décrits dans le fichier README : - Analyse agente : planification de tâches, exécution étape par étape, utilisation d'outils et raisonnement itératif. - Exécution de code SQL + : langage naturel vers SQL, analyse et transformation basées sur Python, calcul de métriques et génération de graphiques. - Accès aux données multi-sources : bases de données relationnelles, CSV/Excel, documents, bases de connaissances et flux de travail à sources mixtes. - Compétences et agents : compétences réutilisables, flux de travail de domaine, orchestration d'agents et flux d'exécution personnalisables. - Rapports et prise de décision : rapports de profilage de base de données, rapports d'analyse financière, rapports visuels et tableaux de bord, résumés et informations commerciales. - Exécution sécurisée : exécution de code sandboxée, utilisation d'outils contrôlée, sorties et artefacts reproductibles. Les options d'installation incluent un script d'installation en une ligne pour macOS et Linux avec des profils pour OpenAI, Kimi (Moonshot) et MiniMax, un package PyPI (dbgpt-app) nécessitant Python 3.10+ et uv ou pip, et des configurations Docker ou de code source documentées séparément. Après avoir démarré le serveur Web, l'interface utilisateur est disponible à localhost:5670. Le projet documente également une plate-forme pour créer des agents de données natifs IA, des flux de travail et des applications à l'aide d'agents, d'AWEL, de RAG et d'une prise en charge multi-modèle. Il liste le support pour de nombreux fournisseurs et familles de modèles, notamment DeepSeek, Qwen, GLM, Llama, Gemma, Yi, Starling, SOLAR, Mixtral et Phi, et fait référence à la prise en charge de fine-tuning Text2SQL pour des modèles tels que LLaMA, BLOOM, Falcon, Baichuan, InternLM, Qwen, XVERSE et ChatGLM2 via le projet DB-GPT-Hub lié. La confidentialité et la sécurité sont abordées via le déploiement de modèles privés, la désensibilisation proxy et l'exécution sandboxée. Le projet est sous licence MIT et cite plusieurs articles sur son architecture et le développement d'agents.