DB-GPT 快速开始从 clone 仓库到第一次跑通对话的最短路径【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本文基于 DB-GPT 仓库的官方《快速开始》文档整理并对照仓库中的实际配置文件与 CLI 源码做了扩充验证。核心目标只有一个用最少配置从零开始跑通第一次可用对话——读完并照做后你将掌握 DB-GPT 的完整启动流程克隆、uv 依赖安装、模型提供方配置、webserver 启动、uv sync各--extra参数的实际含义、TOML 配置文件的关键字段以及首次启动的常见故障排查方法。最快路径使用API 代理模式OpenAI 或 DeepSeek——不需要 GPU一般 5 分钟内就可以跑通一个可用的 DB-GPT 对话。你需要准备什么依赖要求说明Python3.10 或更高版本仓库根目录 pyproject.toml 中声明requires-python 3.10这是硬性前提uv最新版包管理器负责依赖解析与虚拟环境管理先用以下命令检查版本python --version uv --version从源码结构看DB-GPT 采用 uv workspace 组织多包工程根 pyproject.toml 通过[tool.uv.workspace]声明了packages/dbgpt-core、packages/dbgpt-app、packages/dbgpt-ext、packages/dbgpt-serve、packages/dbgpt-client、packages/dbgpt-sandbox等成员包因此安装依赖时必须使用uv sync --all-packages一次性安装所有工作区包这也是后文每一步命令都带--all-packages的原因。当前仓库版本为 0.8.1见 pyproject.toml 中的version 0.8.1。第 1 步 —— 克隆仓库git clone https://gitcode.com/GitHub_Trending/db/DB-GPT.git cd DB-GPT第 2 步 —— 安装依赖不同模型后端的依赖组合不同。以下三条命令分别对应 API 代理OpenAI / DeepSeek二者共用proxy_openaiextra因为 DeepSeek 的 API 兼容 OpenAI 协议和本地 Ollama 后端OpenAI / DeepSeekAPI 代理无需 GPUuv sync --all-packages \ --extra base \ --extra proxy_openai \ --extra rag \ --extra storage_chromadb \ --extra dbgptsOllama本地模型uv sync --all-packages \ --extra base \ --extra proxy_ollama \ --extra rag \ --extra storage_chromadb \ --extra dbgpts各--extra的作用可以从工作区各包的[project.optional-dependencies]中确认。以 packages/dbgpt-app/pyproject.toml 为例base—— 核心运行集展开为dbgpt[client,cli,agent,simple_framework,framework,code]提供客户端、CLI、Agent 框架与代码执行能力proxy_openai/proxy_ollama—— 由dbgpt-core提供分别接入 OpenAI 兼容 API 与本地 Ollama 服务rag/storage_chromadb—— 由dbgpt-ext提供是知识库RAG与 ChromaDB 向量存储的依赖dbgpt-app的基础依赖中已声明dbgpt-ext[rag,storage_chromadb]单独再指定一次是为了在最小化安装时显式锁定该能力dbgpts—— 提供build与poetry两个构建工具源码注释标明该 extra 未来可能被移除。如果选择 DeepSeek 且 embedding 走 HuggingFace默认 embedding 为BAAI/bge-large-zh-v1.5还需要在安装命令中额外增加--extra hf --extra cpu第 3 步 —— 配置模型DB-GPT 通过configs/目录下的 TOML 文件声明模型提供方。仓库已内置三个与上述路径对应的示例配置直接改 API Key 即可使用。OpenAI编辑 configs/dbgpt-proxy-openai.toml。当前仓库中该文件采用环境变量注入写法模型名、API 地址与 Key 均可被环境变量覆盖例如[[models.llms]] name ${env:LLM_MODEL_NAME:-gpt-4o} provider ${env:LLM_MODEL_PROVIDER:-proxy/openai} api_base ${env:OPENAI_API_BASE:-https://api.openai.com/v1} api_key ${env:OPENAI_API_KEY} [[models.embeddings]] name ${env:EMBEDDING_MODEL_NAME:-text-embedding-3-small} provider ${env:EMBEDDING_MODEL_PROVIDER:-proxy/openai} api_url ${env:EMBEDDING_MODEL_API_URL:-https://api.openai.com/v1/embeddings} api_key ${env:OPENAI_API_KEY}${env:变量名:-默认值}的语法意味着优先读环境变量缺省回落到冒号后的默认值。你可以直接把api_key行改成硬编码的your-openai-api-key也可以什么都不改、启动前export OPENAI_API_KEYsk-...即可。DeepSeek编辑 configs/dbgpt-proxy-deepseek.toml将api_key替换为你的 DeepSeek Key。当前仓库中的实际配置如下文档示例中的deepseek-reasoner在文件中以注释形式保留可随时切换[[models.llms]] name deepseek-v4-pro # name deepseek-reasoner # name deepseek-chat provider proxy/deepseek # Disable V4-Pro thinking mode so ReAct responses stay parseable. thinking_enabled false api_key your_deepseek_api_key [[models.embeddings]] name BAAI/bge-large-zh-v1.5 provider hf # 不指定 path 时模型将从 Hugging Face Hub 下载 # 也可以指向本地目录当前配置使用 path models/bge-large-zh-v1.5两个值得注意的细节一是thinking_enabled false用于关闭思考模式保证 ReAct 输出可被解析二是 HF embedding 会额外引入hf/cpu依赖见上一步说明若已提前下载模型把path指向本地目录即可避免重复下载。Ollama本地模型确认 Ollama 已在本机启动默认监听http://localhost:11434然后编辑 configs/dbgpt-proxy-ollama.toml。当前仓库示例如下name字段可换成你已ollama pull的任意模型[[models.llms]] name deepseek-r1:1.5b provider proxy/ollama api_base http://localhost:11434 api_key [[models.embeddings]] name bge-m3:latest provider proxy/ollama api_url http://localhost:11434 api_key 配置文件中与首跑强相关的其他字段三个示例配置共享同一套服务端配置以 configs/dbgpt-proxy-openai.toml 为准[service.web] host 0.0.0.0 port 5670 [service.web.database] type sqlite path pilot/meta_data/dbgpt.db [rag.storage.vector] type chroma persist_path pilot/dataport 5670Web UI 与 API 的默认监听端口后文验证步骤依赖它[service.web.database]元数据默认使用 SQLite首次启动会在pilot/meta_data/下自动创建dbgpt.db无需任何数据库前置[rag.storage.vector]知识库向量数据持久化在pilot/dataChromaDB 目录。完整的配置项参考见 docs/docs/config-reference/。第 4 步 —— 启动服务# OpenAI uv run dbgpt start webserver --config configs/dbgpt-proxy-openai.toml # DeepSeek uv run dbgpt start webserver --config configs/dbgpt-proxy-deepseek.toml # Ollama uv run dbgpt start webserver --config configs/dbgpt-proxy-ollama.toml从源码看dbgpt start webserver对应的命令实现位于 packages/dbgpt-app/src/dbgpt_app/_cli.pystart_webserver命令click.command(namewebserver)负责解析--config指定的配置文件并写入运行日志随后调用 packages/dbgpt-app/src/dbgpt_app/dbgpt_server.py 中的run_webserver(resolved_config)真正拉起 Web 服务。启动过程中若模型配置加载失败终端日志会直接报错这是排查配置问题的第一现场。第 5 步 —— 打开 Web UI打开浏览器访问http://localhost:5670。如果 Web UI 能打开并且你可以发起一次聊天对话就说明 DB-GPT 已经可以使用了。验证清单首次启动后逐项确认webserver 已经启动模型配置加载没有报错Web UI 可以在http://localhost:5670打开SQLite 作为默认元数据存储可正常使用pilot/meta_data/dbgpt.db已生成首次启动常见问题uv: command not found先安装 uv完整环境要求见 前置条件。模型 Key / 认证错误重新检查configs/下所选提供方配置中的api_key或对应环境变量更多提供方接入方式见 模型提供方。Web UI 无法打开确认服务在5670端口监听port可在 TOML 的[service.web]中修改并查看启动 DB-GPT 的终端日志。本地模型没有响应确认 Ollama或本地推理后端进程已经运行且api_base指向的地址可访问。如果你还需要更多能力单独运行前端前端源码在web/目录基于 Next.jscd web npm install cp .env.template .env # Edit .env — set API_BASE_URLhttp://localhost:5670 npm run dev然后打开 http://localhost:3000 。使用安装辅助脚本仓库根目录自带 install_help.pyuv run install_help.py install-cmd --interactive uv run install_help.py list使用其他数据库默认使用 SQLite 作为元数据存储如果要使用 MySQL、PostgreSQL、Oracle 等作为业务数据源可参考 数据源概念 与 数据源配置参考。常用环境变量变量作用UV_INDEX_URLPyPI 镜像地址加速依赖下载OPENAI_API_KEY替代把 API Key 写进 TOML 的方式configs/dbgpt-proxy-openai.toml 中的api_key默认读该变量CUDA_VISIBLE_DEVICESGPU 设备选择本地模型推理时使用LLM_MODEL_NAME/EMBEDDING_MODEL_NAME覆盖默认模型名见 OpenAI 配置中的${env:...}写法完整说明见 配置参考。继续深入主题参考位置完整架构概览docs/getting-started/concepts/接入更多模型提供方docs/getting-started/providers/Docker 部署docs/getting-started/deploy/知识库配置Web UIdocs/getting-started/web-ui/构建第一个 AWEL 工作流docs/docs/awel/完成首跑后建议的下一步是按需更换模型提供方见 providers 目录、改用 Docker 容器化部署仓库根目录的 docker-compose.yml 与docker/目录提供了 all-in-one 及集群方案以及把真实数据库接入为数据源让 DB-GPT 在你的数据上开始工作。【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