Sobre o projeto

DB-GPT é um assistente de dados de IA agêntica de código aberto voltado para produtos de IA + Dados. De acordo com seu README, ele se conecta a bancos de dados, arquivos CSV/Excel, data warehouses e bases de conhecimento, permite que os usuários façam perguntas em linguagem natural e faz com que a IA escreva SQL de forma autônoma. Ele também suporta fluxos de trabalho de análise baseados em Python e código, "habilidades" reutilizáveis para tarefas específicas de domínio e geração de gráficos, painéis, relatórios HTML e resumos de análise. A execução pode ocorrer em ambientes isolados (sandbox). Principais áreas de capacidade descritas no README: - Análise agêntica: planejamento de tarefas, execução passo a passo, uso de ferramentas e raciocínio iterativo. - Execução de SQL + código: linguagem natural para SQL, análise e transformação baseadas em Python, cálculo de métricas e geração de gráficos. - Acesso a dados de múltiplas fontes: bancos de dados relacionais, CSV/Excel, documentos, bases de conhecimento e fluxos de trabalho de fontes mistas. - Habilidades e agentes: habilidades reutilizáveis, fluxos de trabalho de domínio, orquestração de agentes e fluxos de execução personalizáveis. - Relatórios e suporte à decisão: relatórios de perfil de banco de dados, relatórios de análise financeira, relatórios visuais e painéis, resumos e insights de negócios. - Execução segura: execução de código em sandbox, uso controlado de ferramentas, saídas e artefatos reproduzíveis. As opções de instalação incluem um script de instalação de uma linha para macOS e Linux com perfis para OpenAI, Kimi (Moonshot) e MiniMax, um pacote PyPI (dbgpt-app) que requer Python 3.10+ e uv ou pip, e configurações via Docker ou código-fonte documentadas separadamente. Após iniciar o servidor web, a interface está disponível em localhost:5670. O projeto também documenta uma plataforma para construir agentes de dados, fluxos de trabalho e aplicações nativas de IA usando agentes, AWEL, RAG e suporte a múltiplos modelos. Ele lista suporte para muitos provedores e famílias de modelos, incluindo DeepSeek, Qwen, GLM, Llama, Gemma, Yi, Starling, SOLAR, Mixtral e Phi, e faz referência ao suporte de fine-tuning Text2SQL para modelos como LLaMA, BLOOM, Falcon, Baichuan, InternLM, Qwen, XVERSE e ChatGLM2 por meio do projeto relacionado DB-GPT-Hub. Privacidade e segurança são abordadas por meio de implantação privada de modelos, dessensibilização por proxy e execução em sandbox. O projeto é licenciado sob MIT e cita vários artigos sobre sua arquitetura e desenvolvimento de agentes.