DB-GPT是一个开源的AI原生数据应用开发框架(AI Native Data App Development framework with AWEL(Agentic Workflow expression Language) and Agents)。
目的是构建大模型领域的基础设施，通过开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)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。
🚀 数据3.0 时代，基于模型、数据库，企业/开发者可以用更少的代码搭建自己的专属应用。
一、私域问答&数据处理&RAG(Retrieval-Augmented Generation)
支持内置、多文件格式上传、插件自抓取等方式自定义构建知识库，对海量结构化，非结构化数据做统一向量存储与检索
二、多数据源&GBI(Generative Business Intelligence)
支持自然语言与Excel、数据库、数仓等多种数据源交互，并支持分析报告。
三、多模型管理
海量模型支持，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、星火等。
四、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。
五、Data-Driven Multi-Agents&Plugins
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
六、隐私安全
通过私有化大模型、代理脱敏等多种技术保障数据的隐私安全
在你的电脑上再安装一个Ubuntu系统，教程可以看我上一篇文章 接下来的操作都在Ubutn系统中完成
更新apt软件包：
安装依赖
从官网下载源文件
解压缩Python3.10文件
开始安装
编译
如果找不到make命令，就安装下，使用命令“sudo make install”
验证是否安装成功
更新python默认指向
没有安装vim可以执行以下命令安装
修改文件
验证Python指向
推荐通过conda的虚拟环境来进行Python虚拟环境的安装。关于Miniconda环境的安装，可以参见Miniconda安装教程。
没有安装git的需要安装下
克隆项目源码（也可以自己下载下来）
进入项目源码目录
为了确保某个项目的稳定运行，一般来说都会优先考虑为该项目单独创建一个虚拟环境，以隔 离项目所需依赖，以免和别的项目冲突。我们可以按照如下方式创建一个名为 dbgpt_env 的虚拟环境，用于安装DB-GPT相关依赖，以及运行该项目
如果是首次安装conda，则需要运行 conda init 命令来添加 conda 的配置到当前shell启动脚本中
重启命令行终端并使之生效
激活dbgpt_env环境
. 代表当前路径， [default] 代表项目所需全部依赖，在执行该命令前，需要确保处于DB-GPT的项目的主目录下
git-lfs是专门用于存储和下载大型文件的工具，在下载模型前需要下载和安装Git LFS。使用如下命令进行安装
下载模型之前，首先需要在DB-GPT项目主目录下创建models文件夹
进入models文件夹
根据官方推荐，这里考虑下载 text2vec-large-chinese 模型作为基础Embedding模型。我们可以使用如下命令进行安装
进入项目源码目录
复制 .env.template 文件的方法创建一个 .env 配置文件
本地模型
- 下载大模型
还是在models文件夹路径内，使用如下命令下载Qwen1.5-7B模型
- 修改 model_config.py 文件
添加以下代码，其中Key是模型名称，而value中的 Qwen1.5-7B 则是模型项目文件名称
- 修改 .env 文件（注意需要在项目根目录下执行）
代理模型
- 注册智谱AI账户并获取Api-Key https://open.bigmodel.cn/login
修改.env文件（注意需要在项目根目录下执行）
执行脚本初始化表结构, 如果是做版本升级需要提对应的DDL变更来更新表结构 你也可以找到文件运行到Navicat中
修改.env文件配置MySQL数据库
