Original em inglês: https://argusic.com/subject/db-gpt
DB-GPT
assistente de dados de IA agêntica de código aberto para a próxima geração de produtos de IA + dados
Executafonte: GitHubpágina do projetoPythonMITcommit ca9f014cb3ea
Python, licença MIT. O projeto se descreve como: agents, bgi, database, deepseek, gpt, gpt 4, hacktoberfest e llm.
DB-GPT executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 3,4 minutos e encontrou 4 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
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.
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 96 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- 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
- Tempo de instalação
- 3 minutos
- Da máquina limpa até o fim
- 5 minutos
- Erros encontrados e corrigidos
- 4 encontrados, 4 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- `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 exato testado
- ca9f014cb3ea
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
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:
Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Instalado em 3,4 minutos, mais rápido que a mediana dos 37 projetos comparáveis que a Argusic mediu.
- Recuperou-se de todos os 4 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
- Medido 2 vezes, então o resultado não é um caso isolado.
Dos 38 projetos de agents que a Argusic instalou e cronometrou, DB-GPT foi o 14º mais rápido a chegar a um estado de execução, e 25 de 38 chegaram a esse estado.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
- Uma avaliação rápida: ele estava executando 3,4 minutos depois do clone.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
| testado por | tentativa | resultado | pontuação | custo USD | quando |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Executa | 100,00 | 0,02 | |
| Argusic Runner | 1/3 | Executa com mocks | 92,00 | 0,10 |
Tópicos (de GitHub)
agentsbgidatabasedeepseekgptgpt-4hacktoberfestllmprivateragsecurityvicuna
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/db-gpt)Perguntas
- DB-GPT executa?
- Sim. DB-GPT executa. A Argusic o instalou e iniciou em uma máquina limpa em 3 minutos, encontrando 4 erros no caminho, e gravou a sessão.
- Como a Argusic testou DB-GPT?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit ca9f014cb3ea. Há 2 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar DB-GPT?
- A execução que produziu este veredito custou US$ 0,02: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar DB-GPT?
- 3,4 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- DB-GPT precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar DB-GPT?
- 4 coisas quebraram na execução registrada, e 4 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como DB-GPT se compara às alternativas?
- Dos 38 projetos de agents que a Argusic instalou e cronometrou, DB-GPT foi o 14º mais rápido a chegar a um estado de execução, e 25 de 38 chegaram a esse estado.
- Onde estão as evidências de DB-GPT?
- Todas as 2 execuções registradas estão nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.