图片
软件演示Chat Data通过与大模型对话的形式进行数据分析，我们可以使用数据库作为数据源，让大模型帮我们快速生成图表。图片
Chat DataChat DB通过与大模型对话的形式进行数据库操作，我们可以通过 DB-GPT 建立数据源，加载大模型，并选择要对话的数据库作为数据源，让大模型帮我们快速查询数据表。图片
Chat DBChat Excel我们可以通过 DB-GPT分析Excel文档，它可以帮我们分析总结Excel中数据。知识库管理通过大模型与向量数据库打造数据库领域知识库，能给数据库用户提供专业的问答。创建知识库上传知识文档：知识文档分为文本、网络、文档三类。文档类型包括PDF, Markdown, Word, PPT, HTML和CSV。文档上传成功后，DB-GPT会自动读取文档内容，使用文本向量化模型进行切片，然后导入到向量数据库中。知识应用：将查询和抽取到的知识应用到实际问题中，如智能推荐、问答系统、决策支持等。图片
相似应用：Langchain-Chatchat：一种高效的开源知识库应用解决方案
Agent Chat支持自定义插件执行任务，原生支持Auto-GPT插件。如:SQL自动执行，获取查询结果自动爬取学习知识。它提供了一个search-engine插件赋予了大模型连接搜索引擎的能力，可以获取最新的数据进行总结分析。模型管理DB-GPT提供了大模型私有化部署的方案，支持海量模型，包括开源、API 代理等几十种大语言模型。如 LLaMA/LLaMA2、Baichuan、ChatGLM、文心、通义、智谱等。官方推荐使用的模型是vicuna-13b与chatglm2-6b。同时它也支持大模型代理模式，可以通过chatgpt代理来使用DB-GPT的能力。图片
软件特性私域问答&数据处理&RAG
DB-GPT 项目提供了一系列旨在改进知识库构建的功能，并实现结构化和非结构化数据的高效存储和检索。这些功能包括对上传多种文件格式的内置支持、集成自定义数据提取插件的能力，以及用于有效管理大量信息的统一矢量存储和检索功能。多数据源&GBI
DB-GPT 项目促进了与各种数据源（包括 Excel、数据库和数据仓库）的无缝自然语言交互。它简化了从这些来源查询和检索信息的过程，使用户能够进行直观的对话并获得知识。此外，DB-GPT支持生成分析报告，为用户提供有价值的知识总结。自动化微调
围绕大语言模型、Text2SQL 数据集、LoRA/QLoRA/Pturning 等微调方法构建的自动化微调轻量框架, 让 TextSQL 微调像流水线一样方便。数据驱动的 Agents 插件
支持自定义插件执行任务，原生支持 Auto-GPT 插件模型，Agents 协议采用 Agent Protocol 标准。相关项目[DB-GPT-Hub]通过微调来持续提升模型效果。尤其是在Text2SQL方面的效果提升。[DB-GPT-Plugins]DB-GPT 插件仓库, 兼容 Auto-GPT。[DB-GPT-Web]多端交互前端界面。总结DB-GPT是构建大模型领域的基础设施，通过开发多模型管理、Text2SQL 效果优化、RAG 框架以及优化、Multi-Agents 框架协作等多种技术能力，让围绕数据库构建大模型应用更简单，更方便。DB-GPT可以帮我们快速与数据库进行交互，可以大大提升我们的数据分析能力。
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。