源码部署

直接通过源码部署 DB-GPT。这是最灵活的方式，适合开发、调试以及自定义集成场景。

硬件要求

模式	CPU × 内存	GPU	说明
API proxy	4C × 8 GB	无	代理模式不使用本地 GPU
Local model	8C × 32 GB	≥ 24 GB VRAM	需要支持 CUDA 的 NVIDIA GPU

第一步：克隆仓库

git clone https://github.com/eosphoros-ai/DB-GPT.git
cd DB-GPT

第二步：安装 uv

macOS / Linux

curl -LsSf https://astral.sh/uv/install.sh | sh

PyPI (pipx)

python -m pip install --upgrade pip
python -m pip install --upgrade pipx
python -m pipx ensurepath
pipx install uv --global

验证：

uv --version

第三步：安装依赖

OpenAI (proxy)

uv sync --all-packages \
  --extra "base" \
  --extra "proxy_openai" \
  --extra "rag" \
  --extra "storage_chromadb" \
  --extra "dbgpts"

DeepSeek (proxy)

uv sync --all-packages \
  --extra "base" \
  --extra "proxy_openai" \
  --extra "rag" \
  --extra "storage_chromadb" \
  --extra "dbgpts"

信息

DeepSeek 使用 OpenAI 兼容代理，因此所需 extras 与 OpenAI 相同。

Ollama (local)

uv sync --all-packages \
  --extra "base" \
  --extra "proxy_ollama" \
  --extra "rag" \
  --extra "storage_chromadb" \
  --extra "dbgpts"

Local GPU (HuggingFace)

uv sync --all-packages \
  --extra "base" \
  --extra "cuda121" \
  --extra "hf" \
  --extra "rag" \
  --extra "storage_chromadb" \
  --extra "quant_bnb" \
  --extra "dbgpts"

使用交互式安装辅助工具

DB-GPT 提供了一个交互式辅助工具，用于生成合适的 uv sync 命令：

uv run install_help.py install-cmd --interactive

或者列出所有可用的 extras：

uv run install_help.py list

第四步：配置模型

编辑与你所选 provider 对应的 TOML 配置文件。详情请参考 Model Providers。

OpenAI

编辑 configs/dbgpt-proxy-openai.toml：

[models]
[[models.llms]]
name = "chatgpt_proxyllm"
provider = "proxy/openai"
api_key = "your-openai-api-key"    # <-- 替换为你的 key

[[models.embeddings]]
name = "text-embedding-3-small"
provider = "proxy/openai"
api_key = "your-openai-api-key"    # <-- 替换为你的 key

DeepSeek

编辑 configs/dbgpt-proxy-deepseek.toml：

[models]
[[models.llms]]
name = "deepseek-reasoner"
provider = "proxy/deepseek"
api_key = "your-deepseek-api-key"  # <-- 替换为你的 key

[[models.embeddings]]
name = "BAAI/bge-large-zh-v1.5"
provider = "hf"

信息

如果使用 HuggingFace Embedding，请在安装命令中额外加入 --extra "hf" 和 --extra "cpu"。

Ollama

请先确保 Ollama 已运行，然后编辑 configs/dbgpt-proxy-ollama.toml：

[models]
[[models.llms]]
name = "qwen2.5:latest"
provider = "proxy/ollama"
api_base = "http://localhost:11434"

[[models.embeddings]]
name = "nomic-embed-text:latest"
provider = "proxy/ollama"
api_base = "http://localhost:11434"

环境变量

你可以在 TOML 中使用 "${env:OPENAI_API_KEY}" 这样的写法从环境变量读取 key，而不是将密钥硬编码到文件里。

第五步：启动服务

OpenAI

uv run dbgpt start webserver --config configs/dbgpt-proxy-openai.toml

DeepSeek

uv run dbgpt start webserver --config configs/dbgpt-proxy-deepseek.toml

Ollama

uv run dbgpt start webserver --config configs/dbgpt-proxy-ollama.toml

第六步：打开 Web UI

在浏览器中访问 http://localhost:5670。

验证是否成功

如果 Web UI 能正常打开，且你可以发起聊天会话，就说明 DB-GPT 已成功运行。

首次运行常见问题

• uv sync fails
  • 重新检查 Python 与 uv： Prerequisites
  • 如果你在中国大陆，可通过 UV_INDEX_URL 使用镜像源
• Provider auth fails
  • 确认 configs/ 下所选 TOML 文件是否正确
  • 参考对应 provider 指南：Model Providers
• Server starts but UI is blank
  • 确认终端中服务已正常启动且没有报错
  • 检查是否有其他进程占用了 5670 端口

数据库配置

SQLite (default)

SQLite 是默认选项，相关表会自动创建，无需额外配置。

[service.web.database]
type = "sqlite"
path = "pilot/meta_data/dbgpt.db"

MySQL

1. 创建数据库：

mysql -h127.0.0.1 -uroot -p{your_password} < ./assets/schema/dbgpt.sql

2. 更新 TOML 配置：

[service.web.database]
type = "mysql"
host = "127.0.0.1"
port = 3306
user = "root"
database = "dbgpt"
password = "your-password"

加载测试数据（可选）

# Linux / macOS
bash ./scripts/examples/load_examples.sh

# Windows
.\scripts\examples\load_examples.bat

单独运行前端（可选）

如果你需要进行前端开发或自定义 UI：

cd web && npm install
cp .env.template .env
# 编辑 .env，将 API_BASE_URL 设为 http://localhost:5670
npm run dev

Open http://localhost:3000.

下一步

主题	链接
配置更多模型提供方	Model Providers
使用 Docker 部署	Docker
以集群方式部署	Cluster
了解 Web UI	Web UI Guide