手把手DB-GPT 本地部署完整指南从零到跑通 AI 数据分析服务只需 5 步【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-GPTDB-GPT 是开源的 Agentic AI 数据分析助手能连接数据库、CSV/Excel 与知识库让模型自主编写 SQL 并产出分析报告。本文带你完成一次完整的 DB-GPT 本地部署从最小可运行配置到代理模式与本地模型的选型再到启动与三步验证。部署前决策清单动手敲命令前先确认你的硬件条件——选哪条部署路线取决于下面这张表里的四个数字。前置条件要求说明Python3.10 及以上推荐 3.11用python --version确认包管理器uv或 pipv0.7.0 起官方推荐 uvGPU代理模式不需要本地模型需 8GB 以上显存7B 模型磁盘空间10GB 以上本地 7B 模型建议 30GB 以上网络要求能访问 PyPI 与模型 API国内环境可配置 PyPI 镜像加速如果你有一张显存充足的 NVIDIA 显卡可以走本地模型路线数据不出机器隐私性最好如果没有 GPU直接用 API 代理模式即可2 核 4GB 内存就能跑。两条路线只在「模型配置」这一步不同其余部署步骤完全一致。快速上手——最小可运行配置先跑通、再优化这是本地部署项目最省心的节奏。下面以最零硬件门槛的代理模式为例5 条命令让服务上线。首先拿到源码后续所有命令都在仓库根目录执行# 克隆 DB-GPT 源码仓库 git clone https://gitcode.com/GitHub_Trending/db/DB-GPT cd DB-GPT接着安装依赖。为什么用uv sync带--extra因为 DB-GPT 按功能划分了可选模块一次装齐核心框架、OpenAI 代理与向量存储避免运行到一半缺包# 安装核心依赖 OpenAI 代理 RAG ChromaDB 向量存储 uv sync --all-packages \ --extra base \ --extra proxy_openai \ --extra rag \ --extra storage_chromadb然后配置模型密钥。编辑 configs/dbgpt-proxy-openai.toml把 LLM 与 embedding 两处api_key替换为你的真实 Key也可以改用环境变量OPENAI_API_KEY配置文件里已做好占位[[models.llms]] name gpt-4o provider proxy/openai api_key your-openai-api-key # 替换为真实 Key最后启动服务。这一步会把 webserver 拉起并加载上面这份 TOML 配置# 以代理模式配置启动 Web 服务 uv run dbgpt start webserver --config configs/dbgpt-proxy-openai.toml✅ 预期看到终端打印启动横幅并持续监听日志浏览器打开http://localhost:5670能加载出 Web 界面并发起对话就说明最小配置已经跑通。完整配置——按场景选型跑通之后该认真选一条适合你的模型路线了。两种模式共用同一套服务与端口区别只在配置文件的[models]段。API 代理模式适用场景无 GPU、追求最快上线调用 OpenAI、DeepSeek、通义等第三方模型 API。参数含义示例值provider模型服务商类型proxy/openai、proxy/deepseekapi_key服务商 API Key${env:OPENAI_API_KEY}api_baseAPI 服务地址https://api.openai.com/v1name使用的模型名gpt-4o、deepseek-chat 想换 DeepSeek、Ollama 等其他服务商时直接改 configs/ 目录下对应的预置 TOML 文件即可不必从零手写配置。本地模型模式Ollama适用场景数据敏感、要求离线运行模型常驻本地。参数含义示例值provider本地推理运行时proxy/ollamaapi_baseOllama 服务地址http://localhost:11434namellms本地对话模型qwen2.5:latestnameembeddings本地嵌入模型nomic-embed-text:latest⚠️ 启动前先确认 Ollama 已在运行且模型已拉取ollama pull qwen2.5否则服务能起来但模型不响应。# 切换为 Ollama 本地模型配置启动 uv run dbgpt start webserver --config configs/dbgpt-proxy-ollama.toml启动与三步验证启动命令与端口说明无论哪种模式Web 服务默认监听5670端口由配置中[service.web] port 5670决定端口被占用时改成空闲值即可。启动成功后终端会持续滚动请求日志进程不退出不报错说明服务已就绪。三步验证法按顺序做下面三步每步都有明确的成功标志看到就说明部署真正完成而不是「感觉能跑」。第一步状态检查。确认当前生效的配置档案与文件位置# 查看当前激活的配置档案 dbgpt setup --show成功标志输出 profile 名称及~/.dbgpt/configs/下的 TOML 路径。第二步接口探活。验证 5670 端口上的服务真实可用# 探活 Web 服务端口 curl -I http://localhost:5670成功标志返回HTTP/1.1 200 OK。第三步交互式对话。浏览器打开http://localhost:5670在聊天框选择已配置的模型发送一句问题。成功标志能收到一段正常、完整的模型回复——至此 DB-GPT 本地部署全链路打通。✅排障速查表绝大多数启动失败都集中在下面四类按现象对号入座一分钟定位现象可能原因处理方式Address already in use5670 端口被占用dbgpt stop webserver --port 5670或修改配置中的portNo config file found尚未创建配置档案先执行dbgpt setup走一遍向导生成配置模型调用报鉴权错误API Key 错误或环境变量未设置核对 TOML 中api_key或设置对应环境变量后重启浏览器打不开界面服务未真正启动或端口不一致回看启动终端日志确认port实际值下一步组件分离生产环境可将 webserver、controller、worker 拆开独立部署参见 docs/docs/getting-started/deploy/。性能调优接入 vLLM 等大模型推理栈用CUDA_VISIBLE_DEVICES指定 GPU 设备。业务接入连接 MySQL / PostgreSQL 数据源构建第一条 AWEL 工作流把你的数据变成可对话的服务。【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 手把手：DB-GPT 本地部署完整指南，从零到跑通 AI 数据分析服务只需 5 步
手把手DB-GPT 本地部署完整指南从零到跑通 AI 数据分析服务只需 5 步【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-GPTDB-GPT 是开源的 Agentic AI 数据分析助手能连接数据库、CSV/Excel 与知识库让模型自主编写 SQL 并产出分析报告。本文带你完成一次完整的 DB-GPT 本地部署从最小可运行配置到代理模式与本地模型的选型再到启动与三步验证。部署前决策清单动手敲命令前先确认你的硬件条件——选哪条部署路线取决于下面这张表里的四个数字。前置条件要求说明Python3.10 及以上推荐 3.11用python --version确认包管理器uv或 pipv0.7.0 起官方推荐 uvGPU代理模式不需要本地模型需 8GB 以上显存7B 模型磁盘空间10GB 以上本地 7B 模型建议 30GB 以上网络要求能访问 PyPI 与模型 API国内环境可配置 PyPI 镜像加速如果你有一张显存充足的 NVIDIA 显卡可以走本地模型路线数据不出机器隐私性最好如果没有 GPU直接用 API 代理模式即可2 核 4GB 内存就能跑。两条路线只在「模型配置」这一步不同其余部署步骤完全一致。快速上手——最小可运行配置先跑通、再优化这是本地部署项目最省心的节奏。下面以最零硬件门槛的代理模式为例5 条命令让服务上线。首先拿到源码后续所有命令都在仓库根目录执行# 克隆 DB-GPT 源码仓库 git clone https://gitcode.com/GitHub_Trending/db/DB-GPT cd DB-GPT接着安装依赖。为什么用uv sync带--extra因为 DB-GPT 按功能划分了可选模块一次装齐核心框架、OpenAI 代理与向量存储避免运行到一半缺包# 安装核心依赖 OpenAI 代理 RAG ChromaDB 向量存储 uv sync --all-packages \ --extra base \ --extra proxy_openai \ --extra rag \ --extra storage_chromadb然后配置模型密钥。编辑 configs/dbgpt-proxy-openai.toml把 LLM 与 embedding 两处api_key替换为你的真实 Key也可以改用环境变量OPENAI_API_KEY配置文件里已做好占位[[models.llms]] name gpt-4o provider proxy/openai api_key your-openai-api-key # 替换为真实 Key最后启动服务。这一步会把 webserver 拉起并加载上面这份 TOML 配置# 以代理模式配置启动 Web 服务 uv run dbgpt start webserver --config configs/dbgpt-proxy-openai.toml✅ 预期看到终端打印启动横幅并持续监听日志浏览器打开http://localhost:5670能加载出 Web 界面并发起对话就说明最小配置已经跑通。完整配置——按场景选型跑通之后该认真选一条适合你的模型路线了。两种模式共用同一套服务与端口区别只在配置文件的[models]段。API 代理模式适用场景无 GPU、追求最快上线调用 OpenAI、DeepSeek、通义等第三方模型 API。参数含义示例值provider模型服务商类型proxy/openai、proxy/deepseekapi_key服务商 API Key${env:OPENAI_API_KEY}api_baseAPI 服务地址https://api.openai.com/v1name使用的模型名gpt-4o、deepseek-chat 想换 DeepSeek、Ollama 等其他服务商时直接改 configs/ 目录下对应的预置 TOML 文件即可不必从零手写配置。本地模型模式Ollama适用场景数据敏感、要求离线运行模型常驻本地。参数含义示例值provider本地推理运行时proxy/ollamaapi_baseOllama 服务地址http://localhost:11434namellms本地对话模型qwen2.5:latestnameembeddings本地嵌入模型nomic-embed-text:latest⚠️ 启动前先确认 Ollama 已在运行且模型已拉取ollama pull qwen2.5否则服务能起来但模型不响应。# 切换为 Ollama 本地模型配置启动 uv run dbgpt start webserver --config configs/dbgpt-proxy-ollama.toml启动与三步验证启动命令与端口说明无论哪种模式Web 服务默认监听5670端口由配置中[service.web] port 5670决定端口被占用时改成空闲值即可。启动成功后终端会持续滚动请求日志进程不退出不报错说明服务已就绪。三步验证法按顺序做下面三步每步都有明确的成功标志看到就说明部署真正完成而不是「感觉能跑」。第一步状态检查。确认当前生效的配置档案与文件位置# 查看当前激活的配置档案 dbgpt setup --show成功标志输出 profile 名称及~/.dbgpt/configs/下的 TOML 路径。第二步接口探活。验证 5670 端口上的服务真实可用# 探活 Web 服务端口 curl -I http://localhost:5670成功标志返回HTTP/1.1 200 OK。第三步交互式对话。浏览器打开http://localhost:5670在聊天框选择已配置的模型发送一句问题。成功标志能收到一段正常、完整的模型回复——至此 DB-GPT 本地部署全链路打通。✅排障速查表绝大多数启动失败都集中在下面四类按现象对号入座一分钟定位现象可能原因处理方式Address already in use5670 端口被占用dbgpt stop webserver --port 5670或修改配置中的portNo config file found尚未创建配置档案先执行dbgpt setup走一遍向导生成配置模型调用报鉴权错误API Key 错误或环境变量未设置核对 TOML 中api_key或设置对应环境变量后重启浏览器打不开界面服务未真正启动或端口不一致回看启动终端日志确认port实际值下一步组件分离生产环境可将 webserver、controller、worker 拆开独立部署参见 docs/docs/getting-started/deploy/。性能调优接入 vLLM 等大模型推理栈用CUDA_VISIBLE_DEVICES指定 GPU 设备。业务接入连接 MySQL / PostgreSQL 数据源构建第一条 AWEL 工作流把你的数据变成可对话的服务。【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