GitHub 项目数据
GitHub ★ 20,168Fork 2,976项目指标 89/100
最近提交:2026-10-20T09:04:07Z · 许可证:MIT
来源:GitHub 官方 API · 同步于 2026-10-20 19:00(北京时间)
评分规则与适用范围
指标 v1:热度 40 分(40 × log10(Star + 1) / 6,四舍五入,上限 40);维护活跃度 40 分(最近提交在 30/90/180/365 天内分别为 40/30/15/5 分,更久或仓库归档为 0);识别到 SPDX 许可证 20 分。指标用于观察热度、维护时间与许可透明度,不是用户评分或功能实测,不能说明安全性、效果或商业适用性。Fork 仅展示,不参与打分。
本项目分项:热度 29,活跃度 40,许可透明度 20。缺失许可不等于没有许可,请核对原仓库。
能做什么
- 连接数据库、CSV/Excel 文件、数据仓库和知识库,在统一工作区访问多源数据。
- 用自然语言提问,让 AI 自主编写 SQL 查询结构化数据。
- 执行 Python 及代码驱动的数据分析流程,包括数据清洗、指标计算与图表生成。
- 加载并执行可复用的技能(skills),用于领域特定任务和重复性分析工作流。
- 生成图表、仪表盘、HTML 报告和分析摘要。
- 在沙箱化环境中执行代码和工具,降低执行风险。
- 作为平台,结合 Agent、AWEL、RAG 与多模型支持,构建 AI 原生数据智能体、工作流和应用。
适用场景
- 分析 CSV/Excel 文件并产出可视化报告。
- 连接数据库生成数据画像报告。
- 以自然语言提出业务问题,由 AI 自动生成 SQL 并执行。
- 财报类分析,结合代码、图表与叙述性总结。
- 创建和复用 SQL 分析技能及领域工作流。
- 在单一智能体工作流中组合代码、SQL、检索和工具。
使用条件与限制
- 支持通过一行安装脚本(macOS、Linux)、PyPI(dbgpt-app)以及 Docker、源码等方式部署;PyPI 安装需 Python 3.10+ 及 uv 或 pip。
- 使用云端模型需配置相应 API Key;也支持本地 GPU 模型部署方式,具体见官方文档。
- 需要遵循项目文档进行安装、配置与调试,不同模型与数据源的接入方式有差异。
- 来源中未说明价格、性能或实测结果,相关判断需以实际部署和官方资料为准。
来源与收录说明
AI 整理,已通过独立来源审核,收录于 2026-10-19。资料整理不代表运行实测,具体功能与使用条件以官方说明为准。
https://github.com/eosphoros-ai/db-gpt ↗