跳到主要内容
版本:v0.8.3

🚀 DB-GPT V0.8.3 — 从分析到可信交付:可追溯报告、数据看板与 Agent 可观测性

V0.8.2 完善了多文件输入、知识检索、并行子 Agent 和人在回路,让复杂数据任务能够端到端执行。V0.8.3 进一步关注执行之后的结果如何核验、沉淀和持续使用:报告中的指标、图表和结论需要能够回到真实的 SQL、Python 与知识来源;一次分析形成的看板需要能够编辑、保存和发布;Agent 的模型调用、工具执行、Token 消耗与延迟也需要清晰可查。

围绕这些目标,本版本推出结构化可追溯分析报告与 Dashboard 工作区,新增 Agent 可观测性、LLM-Wiki、模型提供商配置界面和可配置 Sandbox 运行时,并扩展搜索、模型与向量存储生态,让 AI 数据助理从“完成分析”进一步走向“交付可复核、可维护的数据产品”。

关键特性速览​

  • 📊 结构化可追溯分析报告 — 将报告内容与真实执行产物关联,支持来源详情、证据图谱、版本保存及 HTML/PDF 导出
  • 📈 Dashboard 工作区 — 将自然语言分析转化为可校验、可编辑、可保存、可发布和可分享的数据看板
  • 🔭 Agent 可观测性 — 在一个界面中查看 Agent 执行链、模型用量、Token 成本、P95 延迟与错误率
  • 📚 LLM-Wiki 与外部知识来源 — 自动构建可持续更新的知识页面和链接图谱,并新增飞书、语雀知识来源
  • ⚙️ 可配置 Sandbox 运行时 — 支持 Local、Docker、Podman 和 Nerdctl,明确执行边界,不在容器失败时静默回退到宿主机
  • 🧩 模型、搜索与存储生态扩展 — 新增模型提供商配置 UI、Synthorai、Serply、Keenable Search 和 Qdrant 元数据索引
  • 🛡️ 安全与稳定性加固 — 收紧文件访问、知识空间和连接器接口边界,修复路径穿越、SQL 注入及多项报告与看板稳定性问题

核心特性​

📊 可追溯分析报告:让每个重要结论都有据可查​

数据分析报告的交付不能只停留在一段文字或几张图表。业务人员还需要知道:某个指标来自哪次查询,图表使用了哪些字段,计算依赖哪些输入文件,引用的业务口径来自哪篇文档。V0.8.3 新增结构化、可追溯的数据分析报告,将报告内容与任务执行过程中产生的真实结果关联起来。

  • 捕获真实执行产物:记录 SQL 查询、Python 分析、知识库检索、文件读取和 Skill 执行产生的结果,而不是只保留模型生成后的文字。
  • 绑定报告证据:通过稳定的产物 ID、字段路径和内容选择器,将指标、图表、表格和正文内容关联到对应来源。
  • 查看上下游依赖:在来源详情和证据图谱中检查 SQL、代码、结果摘要、知识引用、输入文件及输出文件之间的关系。
  • 保存不可变运行快照:持久化报告、报告版本、执行产物、依赖关系和证据引用,重新打开后仍可复核。
  • 改进校验与恢复:通过会话证据目录提供已知指标、字段路径和业务含义;对已保存的命名占位符模板优先进行程序化重渲染,减少不必要的模型修复调用。
  • 支持报告交付:完善报告工作区、图表渲染以及 HTML/PDF 导出流程。

证据校验覆盖来源身份、字段路径、数值和图表绑定。对于能够与已捕获结果唯一对应的数据,系统可以程序化建立引用;来源无法确定或数值不一致时,仍会保留校验,避免将不确定内容静默渲染为可信结果。

选择数据后执行分析并生成可追溯经营报告 中文界面中的 Olist 电商经营分析与可追溯报告生成过程 中文界面中的 Olist 电商经营分析与可追溯报告生成过程 中文界面中的 Olist 电商经营分析与可追溯报告生成过程 中文界面中的 Olist 电商经营分析与可追溯报告生成过程

证据绑定用于说明报告内容的来源,不代表系统已经自动验证全部自然语言结论的正确性。业务口径、分析假设和建议仍需结合实际场景复核。

首页同步新增 Olist 巴西电商经营诊断示例,将数据源、指标治理文档、知识索引和报告生成串成完整流程。内置数据库使用合成演示数据,并非真实 Olist 交易数据;如需基于真实数据分析,可按示例说明单独下载并导入。

中文界面中的 Olist 电商经营分析与可追溯报告生成过程 通过证据图谱查看来源、执行过程与输出文件的完整链路

📈 Dashboard 工作区:把一次分析沉淀为可持续使用的数据产品​

V0.8.3 新增 Dashboard 工作区,将自然语言需求、数据探索、看板规划、草稿编辑和发布分享连接为一条完整链路。Agent 负责探索数据和提出规划,服务端负责授权、校验、查询执行与持久化,用户则在浏览器中审阅和修改,而不是直接接受一个无法检查的黑盒结果。

从自然语言创建到持续维护​

  • 先规划,再创建:选择有权限的数据源或关联文件,由 Agent 探索表、字段与样本,用户确认指标、维度、筛选和组件规划后生成草稿。
  • 服务端校验:对 Schema、跨字段引用、只读 SQL、表字段允许列表、查询参数和真实查询结果进行检查。
  • 可编辑工作区:支持 KPI、折线图、柱状图、饼图和表格等组件,并提供日期、单选、多选、文本和数字范围筛选。
  • AI 批注与变更审阅:通过自然语言批注提出修改,先查看变更提案,再决定是否应用;解释和异常分析不会静默修改草稿。
  • 草稿与修订管理:保存时检查预期修订号,检测并发冲突,避免后提交的修改覆盖他人已经保存或发布的内容。
中文界面中的 Dashboard 规划确认与查询生成过程 中文界面中的 Apple 财务 Dashboard 可编辑工作区 中文界面中的 Dashboard AI 批注与变更提案审阅

发布、分享与访问边界​

Dashboard 区分 Schema(查询与展示定义)和 Snapshot(某次执行结果)。固定历史发布会冻结当次 Schema 与数据;持续分享则按已发布定义重新物化数据,并受有效期、撤销和数据源权限约束。编辑草稿不会自动替换已发布内容。

公开访客只能查看和使用允许的筛选,不能提交任意 SQL、替换数据源或修改草稿。看板编辑权限也不等于底层数据源权限,主数据源及联合查询引用的所有数据源都需要通过服务端授权检查。

中文界面中的 Dashboard 发布方式选择 英文界面中已发布的 Apple 财务 Dashboard 只读快照 基于合成零售数据创建并发布的 Dashboard 工作区

🔭 Agent 可观测性:看清每一次模型与工具调用​

复杂 Agent 任务出现问题时,只看最终回答往往无法定位原因。V0.8.3 新增内置可观测性能力,将 Agent 轮次、LLM 调用和工具执行记录为可关联的 Span,并通过 trace_id 与对话消息连接,无需切换到外部链路追踪系统。

  • 总览看板:提供最近 24 小时的 Agent 数量、事件数、Token 总量、P95 延迟和错误率,并按模型汇总调用次数、输入/输出 Token 与平均延迟。
  • 链路列表与详情:按一次 Agent 执行查看完整 Trace,通过可折叠 Span 树检查 Agent、模型、成本、耗时、状态和原始元数据。
  • 对话内 Trace:将当前对话还原为“用户问题 → 系统提示词 → 思考 → 工具调用与返回 → 回复”的消息流时间线。
  • 开箱即用:默认使用独立的 SQLite 文件 logs/observability.db,不让高吞吐遥测数据占用主业务数据库;读侧通过可插拔 Provider 协议扩展其他后端。
英文界面中的 Agent 可观测性总览、Token 用量、延迟与 Agent 健康状态 英文界面中的对话 Trace 消息流时间线 英文界面中的对话 Trace 工具调用与执行细节

📚 LLM-Wiki:让知识空间持续生长为可维护的知识网络​

传统知识库以文档和 Chunk 为主要组织方式,适合检索片段,却不一定便于理解实体、概念和跨文档关系。V0.8.3 新增 LLM-Wiki 索引,由 Agent 阅读知识空间中的文档,自动生成互相链接的 Markdown 页面,包括实体、概念、逐文档摘要和目录页,并构建可视化链接图谱。

  • 增量更新:新文档到达或内容变化后,重新生成受影响的 Wiki 页面,而不必每次重建整个知识空间。
  • 多种浏览方式:通过目录树、页面阅读器和 Wiki 图谱查看知识结构与页面关系。
  • 编辑与版本历史:生成的知识页面可以继续维护,并保留版本记录。
  • Agent 可直接使用:绑定已开启 Wiki 的知识空间后,Agent 自动获得 kb_wiki_* 只读工具;普通知识检索也会利用 Wiki 内容。
LLM-Wiki 页签与自动生成的知识目录 LLM-Wiki 页面链接图谱 英文界面中的 LLM-Wiki 索引方式与生成配置 英文界面中的 LLM-Wiki 中文文档目录与知识页面

知识来源同步扩展至飞书和语雀。外部文档进入统一知识管线后,可以继续执行分块、检索和 LLM-Wiki 增量更新,无需为不同平台单独维护一套入库流程。

🧩 模型提供商配置:从编辑配置文件到可视化管理​

V0.8.3 新增模型提供商配置页面,支持在 UI 中完成提供商接入与模型管理,减少手工修改 TOML 和重启服务的操作。

  • 按 llm、text2vec 和 reranker 三类 Worker 管理模型。
  • 凭证按提供商保存,每个模型可以独立启用或停用;启用后启动对应 Worker,停用后释放并发槽位。
  • 连接内置提供商时进行真实凭证或连通性校验,已连接的提供商与启用的模型在服务重启后自动恢复。
  • 支持添加任意 OpenAI 兼容端点,接入 vLLM、LiteLLM 网关、one-api、FastChat、Xinference 或企业内部网关。
  • 新增 Synthorai 代理 Provider,通过一个 OpenAI 兼容端点和密钥访问其模型目录;未列入内置元数据目录的模型仍可按照实际模型 ID 路由。
英文界面中的模型提供商目录、连接状态与模型启停管理

⚙️ 可配置 Sandbox 运行时:明确代码在哪里执行​

V0.8.3 将应用侧 Python 和 Shell Agent 工具接入统一的运行时选择机制,主 Agent 与子 Agent 共用相同执行入口。用户可以通过 SANDBOX_RUNTIME 显式选择 local、docker、podman 或 nerdctl。

运行时行为与边界
LocalRuntime默认运行时,使用 DB-GPT 当前 Python 环境并在服务所在主机执行 Shell;不需要容器镜像,但不提供容器隔离
DockerRuntime使用可连接的 Docker daemon 和 SANDBOX_AGENT_IMAGE 指定镜像执行
PodmanRuntime使用可用的 Podman 后端执行
NerdctlRuntime使用可用的 Nerdctl 后端执行

即使机器已经安装 Docker,DB-GPT 也不会自动启用容器。显式选择容器运行时后,如果镜像拉取、会话初始化或输入文件传输失败,工具会直接返回错误,不会在宿主机上静默执行代码;代码开始执行后的错误、超时或取消也不会切换到其他运行时重跑。

容器模式采用短生命周期执行会话:按需传入工作目录和显式输入文件,执行结束后回收普通文件与产物并清理容器。需要长期保留的依赖应预装到 Agent 镜像中。

🔎 搜索与存储生态扩展​

  • Serply 搜索工具:新增 serply_search,通过 Serply API 获取 Google 搜索结果;配置 SERPLY_API_KEY 后即可作为 Agent 搜索资源使用。
  • Keenable Search MCP 连接器模板:内置 Streamable HTTP 接入方式,提供 search_web_pages 和 fetch_page_content 两个只读工具;无需 API Key 即可使用公共额度,也可配置 Bearer Key 提升限额。
  • Qdrant 可配置元数据 Payload 索引:通过 metadata_indexes / QDRANT_METADATA_INDEXES 为 session_id、页码等过滤字段建立索引,支持 keyword、integer、float、bool、datetime 和 uuid 类型;默认为空,不改变既有部署行为。
  • Valkey 客户端识别:通过 lib-name 客户端信息标记 Valkey 连接,便于在监控工具中识别 DB-GPT 客户端。

在 PR 提供的 Qdrant 1.20.0、20 万 Chunk、按 session_id 过滤的验证场景中,单次查询由约 138 ms 降至 1.4 ms,且结果与精确搜索一致。实际收益取决于集合规模、数据分布和过滤条件。

🛡️ 安全与稳定性加固​

V0.8.3 继续收紧 Agent、知识库、连接器和文件系统的安全边界:

  • 将 get_file 限制在会话工作目录,将 Agent 文件下载限制在 Agent 输出目录,并将 FileClient 的读取和删除限制在上传目录。
  • 修复 Flow ZIP 导入文件名、知识空间删除接口中的路径穿越风险,以及连接配置 DAO 中的 SQL 注入风险。
  • 修复知识空间作用域与 Benchmark 安全问题,加强 Skill 上传和 Dashboard 模板创建校验。
  • 连接器确认接口要求 API Key,避免未授权执行确认操作。
  • 图配置缺失时明确拒绝请求,避免使用不完整配置继续执行。
  • Agentic 流程默认完成预算提升至 16384 Tokens,并接通 UI、环境变量和 TOML 配置;Dashboard 默认生成超时由 180 秒提升至 600 秒,减少复杂看板规划在确认阶段被截断的问题。
  • Excel 知识加载读取公式计算结果,而不是把公式文本当作单元格值。
  • 修复流式调用中 BaseOutputParser 未返回文本、容器时区配置、Spark 表信息查询和新建任务会话状态等问题。

功能增强​

  • 改进报告证据核查、证据目录、图表绑定和报告恢复流程(#3348)
  • 新增 Qdrant 可配置元数据 Payload 索引(#3305)
  • 新增结构化、可追溯的数据分析报告及报告工作区(#3295)
  • 新增 Dashboard 工作区,并升级 Next.js 16 工具链(#3278)
  • 新增 Keenable Search MCP 连接器模板(#3227)
  • 使用 lib-name 客户端信息标记 Valkey 连接(#3282)
  • 新增 LLM-Wiki 知识索引,并增加飞书、语雀知识来源(#3276)
  • 新增可配置 Agent Sandbox 运行时(#3272)
  • 新增 Serply 搜索工具(#3243)
  • 新增模型提供商配置 UI(#3241)
  • 新增 Synthorai 代理 LLM Provider(#3210)
  • 新增 Agent 可观测性 Trace、总览看板与对话内 Trace 时间线(#3212)

问题修复​

  • 修复流式调用中 BaseOutputParser 未返回文本的问题(#3363)
  • 将 get_file 的文件访问限制在会话工作目录内(#3357)
  • 修复热门应用排序未使用分页偏移量的问题(#3324)
  • 将 SQL 注释清理限定在 api-call 块的 <sql> 标签内,避免影响其他内容(#3274)
  • 在图配置缺失时明确拒绝请求(#3352)
  • 提高 Agentic 完成预算和 Dashboard 默认生成超时,并接通 UI、环境变量与 TOML 配置(#3341)
  • 统一 Dashboard Builder Skill,并加强模板创建校验(#3298)
  • 修复 Flow ZIP 导入、知识空间删除中的路径穿越风险,以及连接配置 DAO 的 SQL 注入风险(#3339)
  • 在容器镜像中安装 tzdata 并支持配置容器时区(#3219)
  • Markdown 标题切分器将不带语言标记的 ``` 代码围栏正确识别为代码块(#3273)
  • 修复知识空间作用域隔离与 Benchmark 安全问题(#3271)
  • 加强 Skill 上传安全校验(#3270)
  • 补充 Skill 实现指南中缺失的导入(#3226)
  • 连接器确认接口增加 API Key 校验(#3264)
  • Excel 知识加载读取公式计算结果,而不是公式文本(#3266)
  • 将 Agent 文件下载限制在 Agent 输出目录内(#3257)
  • 移除 Tokenizer 错误信息中的重复单词(#3246)
  • 修复 double_click_open 本地化文案乱码(#3250)
  • 将 FileClient 的读取和删除操作限制在上传目录内(#3237)
  • 补充缺失的 agent_errors 模块及相关测试(#3224)
  • Flow 兼容迁移函数补充返回视图元数据(#3221)
  • Worker 配置处理器补充返回配置字典(#3220)
  • 修复 SparkConnector.table_simple_info 调用时触发 TypeError 的问题(#3213)
  • 避免为 SQLite 创建空的父目录(#3218)
  • 修复 retriever_evaluation_example.py 运行时触发 TypeError 的问题(#3216)
  • 新建任务时重置会话状态,避免沿用上一任务上下文(#3214)
  • 将 LOCAL_DB_SSL_VERIFY 正确解析为布尔值(#3211)

文档与其他改进​

  • 修正快速开始、安装、AWEL 和模块文档中的拼写问题(#3286)
  • 修正 Excel 知识、评估模块、add_command 和 ReduceStreamOperator 等文档字符串中的参数说明(#3248)(#3253)(#3252)(#3260)(#3261)
  • 修正过期的 community_summary 导入路径(#3254)
  • 使 stale-bot 提示信息与配置的超时时间保持一致(#3251)
  • 更新 Web 构建文件(#3230)

升级指南​

本指南适用于从 v0.8.2 升级到 v0.8.3。更早版本请先按照历史升级文档依次升级到 v0.8.2。

V0.8.3 的增量元数据脚本新增 19 张表,并为 3 张存量表增加 10 个字段及相关索引,用于 Dashboard、可追溯报告、定时任务资源关联与执行租约、运行幂等和消息追踪。升级脚本位于 assets/schema/upgrade/v0_8_3/ 目录:

  • upgrade_to_v0.8.3.sql:在 v0.8.2 数据库基础上执行的增量脚本。
  • v0.8.3.sql:用于全新安装的完整 v0.8.3 Schema;全新环境执行全量脚本后,无需再执行增量脚本。

与历史版本一致,增量脚本面向 MySQL。SQLite 用户请在升级前备份元数据库,由 ORM 管理的表和字段通过服务启动时的建表与迁移入口处理。可观测性数据默认写入独立的 logs/observability.db,不写入主业务数据库。

准备工作​

备份数据库​

注意

为避免数据丢失,升级前请务必备份元数据库。请根据数据库类型选择合适的备份方式,例如 MySQL 使用 mysqldump,SQLite 直接复制数据库文件。

确认前端构建环境​

如果从源码构建前端,建议使用 Node.js 20.19。Next.js 16 要求 Node.js >= 20.9.0,本版本前端构建基线为 Node.js 20.19,并统一使用 Webpack。

升级数据库​

已有 MySQL 部署必须在启动新版前完成增量升级。 漏跑脚本会导致定时任务缺少 owner_id、resource_*、lease_* 等字段及运行记录幂等索引,可能出现 Unknown column 等错误,并影响存量定时任务和 Dashboard 功能。

V0.8.3 增量升级包含以下元数据变更:

变更说明
dbgpt_serve_scheduled_task新增 owner_id、resource_type、resource_id、lease_owner、lease_expires_at,用于稳定授权身份、资源关联、执行互斥与续租。
dbgpt_serve_scheduled_run新增 output_resource_id、attempt_count、result_json、idempotency_key,并增加 (task_id, idempotency_key) 唯一索引,记录结果资源、重试与结构化结果,防止重复执行。
chat_history_message新增 trace_id 及索引,将聊天消息与 Agent 执行链路关联。
Dashboard 与上传数据集相关的 14 张表保存看板草稿、编辑修订、AI 批注、操作记录、发布快照、持续分享、成员权限、审计、封面和上传数据集等信息。
可追溯报告相关的 5 张表保存报告身份、不可变运行快照、执行产物、产物依赖关系和报告证据绑定。

对 MySQL 元数据库执行增量脚本:

mysql -u <user> -p dbgpt < assets/schema/upgrade/v0_8_3/upgrade_to_v0.8.3.sql

如果元数据库名称不是 dbgpt,请先调整脚本中的 USE dbgpt; 和连接命令。脚本对存量表使用直接的 ALTER TABLE ... ADD COLUMN / ADD INDEX,只应执行一次;如果此前已经运行过旧版 Dashboard SQL 或手工执行过部分 DDL,请先核对已有字段和索引,只执行缺失项,不要重复执行整份增量脚本。

安装依赖​

请根据部署方式安装或更新 Python 依赖。如果使用源码方式和默认配置安装:

uv sync --all-packages

如需使用 Qdrant 向量存储及元数据 Payload 索引,请安装对应 Extra:

uv sync --all-packages --extra "storage_qdrant"

从源码构建前端时,重新安装依赖并执行生产构建:

cd web
yarn install
yarn build

按需调整运行配置​

LocalRuntime 仍是默认 Sandbox 运行时。只有需要容器隔离时才显式选择容器后端,并提前准备可用的 daemon 与 Agent 镜像:

export SANDBOX_RUNTIME=docker
export SANDBOX_AGENT_IMAGE=dbgpt-sandbox-agent:latest

如需为 Qdrant 的元数据过滤字段建立 Payload 索引,可按需配置;未设置时默认不创建额外索引:

export QDRANT_METADATA_INDEXES="session_id,page:integer"

致谢​

V0.8.3 的发布离不开社区开发者的持续贡献。

🎉 新贡献者​

V0.8.3 版本新增 22 位 新的贡献者:

  • @Anai-Guo
  • @yetuge
  • @AvAl4nch
  • @Goodnight77
  • @Jonathan-Improving
  • @L4XB
  • @LostSnowfluff
  • @MindOfqc
  • @MohammadHijjawi97
  • @bosprimigenious
  • @cuihuan
  • @drakeo338
  • @gaurav0107
  • @googio
  • @ilya-bogin-keenable
  • @jcsdxhe
  • @simpleqt
  • @someorz
  • @toyeshhm
  • @ump45nose
  • @xiaoyvhuv
  • @yetuge

🔥🔥 感谢所有贡献者使这次发布成为可能! @Anai-Guo, @Aries-ckt, @AvAl4nch, @Goodnight77, @Jonathan-Improving, @L4XB, @LostSnowfluff, @MindOfqc, @MohammadHijjawi97, @bosprimigenious, @chen-alan, @chenliang15405, @cuihuan, @drakeo338, @gaurav0107, @googio, @ilya-bogin-keenable, @jcsdxhe, @simpleqt, @someorz, @toyeshhm, @ump45nose, @xiaoyvhuv and @yetuge

参考链接​