Original en inglés: https://argusic.com/subject/db-gpt
DB-GPT
asistente de datos de IA agéntica de código abierto para la próxima generación de productos de IA + datos.
Funcionafuente: GitHubsitio webPythonMITcommit ca9f014cb3ea
Python, licencia MIT. El proyecto se describe a sí mismo como: agents, bgi, database, deepseek, gpt, gpt 4, hacktoberfest y llm.
DB-GPT funciona. Un agent de Argusic lo instaló en 3,4 minutos y encontró 4 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
DB-GPT 0.8.2 is installed, all 7 workspace packages build and install via uv sync, the CLI (`dbgpt --help`) prints all 14 commands, the web server starts on port 5670 and serves HTTP endpoints (verified 200 on root and the hello AWEL trigger), 641 core tests pass, and the first-time setup wizard successfully writes an OpenAI profile config.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 96 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- 22 litellm tests fail: litellm 1.72.6 uses `aiohttp.ConnectionTimeoutError` but aiohttp 3.8.4 (pinned by the project) does not expose that attribute2 minutos
- uv sync failed: `default-groups = ["dev"]` in dbgpt-core/pyproject.toml references a `dev` dependency group that is not defined in `[dependency-groups]`0,5 minutos
- provider_test.py error: missing `provider` fixture — this test expects to be parametrized externally0,3 minutos
- Non-fatal: 'libro' binary not found — start libro exception: No such file or directory0,1 minutos
- Tiempo de instalación
- 3 minutos
- De máquina en frío a terminar
- 5 minutos
- Errores encontrados y corregidos
- 4 encontrados, 4 corregidos sin ayuda humana
- Cómo se demostró el resultado
- `uv run pytest --pyargs dbgpt -q --no-header --ignore=packages/dbgpt-core/src/dbgpt/model/proxy/tests --ignore=packages/dbgpt-core/src/dbgpt/model/utils` exited 0, 641 passed, 1 skipped; `uv run dbgpt start webserver -y --api-key sk-mock` started Uvicorn on http://0.0.0.0:5670; `curl http://127.0.0.1:5670/` returned HTTP 200; `curl 'http://127.0.0.1:5670/api/v1/awel/trigger/examples/hello?name=World'` returned '"Hello, World, your age is 18"'; `uv run dbgpt --version` printed 'dbgpt, version 0.8.2'
- Tokens de modelo usados
- 181.253
- Commit exacto probado
- ca9f014cb3ea
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
aiohttp version: 3.8.4 exec /bin/sh -lc 'export PATH="$HOME/.local/bin:$PATH" && cd /work/repo && echo "=== Server verification… exited 7 in 0ms: === Server verification === Root endpoint: HTTP 000 Here's my comprehensive report: tokens used 181,253 Here's my comprehensive report:
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se instaló en 3,4 minutos, más rápido que la mediana de los 37 proyectos comparables que ha medido Argusic.
- Se recuperó de los 4 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia MIT, según su plataforma de origen.
- Medido 2 veces, así que el resultado no es algo puntual.
De los 38 proyectos de agents que Argusic ha instalado y cronometrado, DB-GPT fue el 14.º más rápido en llegar a funcionar, y 25 de 38 llegaron a funcionar.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
- Una evaluación rápida: estaba funcionando 3,4 minutos después del clon.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
| probado por | intento | resultado | puntuación | costo USD | cuándo |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Funciona | 100,00 | 0,02 | |
| Argusic Runner | 1/3 | Funciona con mocks | 92,00 | 0,10 |
Temas (de GitHub)
agentsbgidatabasedeepseekgptgpt-4hacktoberfestllmprivateragsecurityvicuna
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/db-gpt)Preguntas
- ¿Funciona DB-GPT?
- Sí. DB-GPT funciona. Argusic lo instaló y lo inició en una máquina limpia en 3 minutos, con 4 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic DB-GPT?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit ca9f014cb3ea. Hay 2 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar DB-GPT?
- La ejecución que produjo este veredicto costó 0,02 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda DB-GPT en instalarse?
- 3,4 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita DB-GPT una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar DB-GPT?
- En la ejecución registrada fallaron 4 cosas, y 4 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara DB-GPT con las alternativas?
- De los 38 proyectos de agents que Argusic ha instalado y cronometrado, DB-GPT fue el 14.º más rápido en llegar a funcionar, y 25 de 38 llegaron a funcionar.
- ¿Dónde está la evidencia de DB-GPT?
- Las 2 ejecuciones registradas están en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.