微信扫码
与创始人交个朋友
DB-GPT的目的是构建大模型领域的基础设施,通过开发多模型管理(SMMF)、Text2SQL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。
DB-GPT系统处理查询的架构,展示了以下组件和流程:
提交一个查询。
检索器组件选择相关信息。
重排器细化选择以确保最佳匹配。
为文本转SQL任务细化调整的语言模型(LLM)处理精炼信息。
系统确保身份安全。
生成并返回一个回复。
架构下方还展示了一个多源知识库,表明系统使用多个来源,如数据库、网页和PDF文件。还有如AIOps代理、SQL代理和商业分析代理,可以与不同类型的数据和服务接口。
以下是DB-GPT的关键特性:
一、私域问答&数据处理&RAG(Retrieval-Augmented Generation)
支持内置、多文件格式上传、插件自抓取等方式自定义构建知识库,对海量结构化,非结构化数据做统一向量存储与检索。
二、多数据源&GBI(Generative Business Intelligence)
支持自然语言与Excel、数据库、数仓等多种数据源交互,并支持分析报告。
三、多模型管理
海量模型支持,包括开源、API代理等几十种大语言模型。如LLaMA/LLaMA2、Baichuan、ChatGLM、文心、通义、智谱、星火等。
四、自动化微调
围绕大语言模型、Text2SQL数据集、LoRA/QLoRA/Pturning等微调方法构建的自动化微调轻量框架, 让TextSQL微调像流水线一样方便。
五、Data-Driven Multi-Agents&Plugins
支持自定义插件执行任务,原生支持Auto-GPT插件模型,Agents协议采用Agent Protocol标准。
六、隐私安全
通过私有化大模型、代理脱敏等多种技术保障数据的隐私安全。
论文:https://arxiv.org/pdf/2312.17449.pdf
PS: 欢迎大家扫码关注公众号^_^,我们一起在AI的世界中探索前行,期待共同进步!
53AI,大模型落地应用首选服务商
定位:开箱即用的大模型落地应用平台
承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业
如果你看见AI对商业世界的变革,欢迎来和我们一起探索~
2024-07-04
用coze零代码搭建一个知识库助手
2024-07-04
下一代 RAG 技术来了!微软正式开源 GraphRAG:大模型行业将迎来新的升级?
2024-07-04
什么是知识图谱?与大模型有什么关系
2024-07-04
检索生成(RAG) vs 长文本大模型:实际应用中如何选择?
2024-07-04
用腾讯星脉,给AI网络诊脉
2024-07-04
代码 | 使用本地大模型从文本中提取结构化信息
2024-07-04
Karpor 开源了!打造 AI 时代的 Kubernetes 可视化工具
2024-07-04
普林斯顿大学重磅 | 关键的AI Agent,你遇到过这4大Agent评估陷阱吗
2024-04-24
2024-05-14
2024-04-24
2024-04-23
2024-04-11
2024-04-26
2024-03-22
2024-03-29
2024-04-12
2024-04-25
2024-07-04
2024-07-04
2024-07-03
2024-07-02
2024-07-02
2024-07-01
2024-07-01
2024-07-01