企业官网建设流程全解析

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-GPT

DB-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。

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。

💡 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。

⚠️ 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：

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