比 GraphRAG 节省1倍 Token，蚂蚁开源 AI 原生数据应用开发框架

DB-GPT 是蚂蚁金服开源的一个综合性 AI 框架，目前在 GitHub 上已获得 14.1 k+ stars。它是构建大模型领域的基础设施，通过开发多模型管理 (SMMF)、Text 2 SQL 效果优化、RAG 框架以及优化、Multi-Agents 框架协作、AWEL (智能体工作流编排) 等多种技术能力，让围绕数据库构建大模型应用更简单，更方便。

架构方案

核心特点

1. 多功能集成

RAG (检索增强生成) 框架

GBI (生成式商业智能)

文本转 SQL 微调框架

多智能体协作系统

数据工厂能力

以下展示 Data Agents:

2. 技术亮点

AWEL: 智能体工作流表达语言

SMMF: 服务导向的多模型管理框架

GraphRAG: 图形化的知识检索增强

Text 2 SQL: 支持多种开源模型的微调

核心能力主要有以下几个部分:

RAG(Retrieval Augmented Generation)，RAG是当下落地实践最多，也是最迫切的领域，DB-GPT目前已经实现了一套基于RAG的框架，用户可以基于DB-GPT的RAG能力构建知识类应用。

GBI：生成式BI是DB-GPT项目的核心能力之一，为构建企业报表分析、业务洞察提供基础的数智化技术保障。

微调框架: 模型微调是任何一个企业在垂直、细分领域落地不可或缺的能力，DB-GPT提供了完整的微调框架，实现与DB-GPT项目的无缝打通，在最近的微调中，基于spider的准确率已经做到了82.5%

数据驱动的Multi-Agents框架: DB-GPT提供了数据驱动的自进化Multi-Agents框架，目标是可以持续基于数据做决策与执行。

数据工厂: 数据工厂主要是在大模型时代，做可信知识、数据的清洗加工。

数据源: 对接各类数据源，实现生产业务数据无缝对接到DB-GPT核心能力。

3. 模型支持

支持主流开源模型：LLaMA/LLaMA 2、Baichuan、ChatGLM 等

支持商业 API：文心、通义、智谱等

最新支持 Qwen 2.5、Llama-3、Gemma 等新模型

实际使用评测

根据社区反馈和实测：

优点

功能全面，集成度高

可视化效果优秀，特别是知识图谱展示

支持模型丰富，包括最新发布的模型

与微软的 GraphRAG 相比：

存在问题

安装部署复杂

依赖项庞大（约 1.9 G）

配置步骤繁琐

环境要求较高

稳定性待提升

部分功能可能报错

界面响应不够及时

文档更新不够及时

适合场景

需要全栈 AI 解决方案的企业

有技术团队支持的项目

需要多模型统一管理的场景

不适合场景

单一功能需求（如仅需 GraphRAG）

快速部署要求

资源受限环境

总结

DB-GPT 试图提供一站式的 AI 应用开发解决方案。虽然功能丰富，但目前还处于相对早期阶段，适合有技术储备的团队进行尝试和探索。对于单一功能需求，建议选择更专注的解决方案。