DB-GPT 0.7.3 版本更新:支持Qwen3 Embedding和Reranker模型、支持知识库自定义检索策略等

简介: DB-GPT 0.7.3 版本现已上线,快速预览新特性~

V0.7.3版本主要新增、增强了以下核心特性

🍀 支持Qwen3 Embedding和Reranker模型

🍀 支持知识库自定义检索策略:语义检索、全文检索、树形检索、混合检索等

🍀 新增GaussDB数据源支持

🍀 支持GLM-4.1V多模态模型

🍀 支持Apple芯片的MLX推理模型

🍀DB-GPT 支持AI/MI APIs大模型平台

🍀 新增历史会话消息导出OPEDN API

🍀 支持RAG存储客户端管理器缓存,提升框架性能

🍀 新增数据源结构化执行结果输出AWEL算子

✨新特性

1.支持Qwen3 Embedding和Reranker模型

支持本地部署Qwen3的Embedding和Reranker模型配置

配置文件示例参考:configs/dbgpt-local-qwen3.example.toml

2.支持知识库自定义检索策略:语义检索、全文检索、树形检索、混合检索等

image.gif

3.DB-GPT新增GaussDB数据源

安装需要添加 --extra "datasource_postgres"

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

image.gif

4.支持GLM-4.1V多模态模型

安装命令:

uv pip install git+https://github.com/huggingface/transformers.git

image.gif

image.gif

5.支持Apple芯片的MLX推理模型

使用文档:MLX Inference | DB-GPT

安装需要额外添加:--extra "mlx"

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

image.gif

6.DB-GPT 支持AI/MI APIs大模型平台集成

安装命令(安装OpenAI依赖即可):

AI/ML API | DB-GPT

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

image.gif


7.支持RAG存储客户端管理器缓存,提升框架性能

8.新增历史会话消息导出API接口

OPEN API接口如下:

curl -L 'localhost:5670/api/v1/chat/dialogue/export_messages'

image.gif

9.新增数据源结构化执行结果输出AWEL算子

添加一个新运算符来构建数据库工作流执行结果的输出,为用户提供了工作流执行结果的结构化表示,结构化输出格式如下:

{
    "data": [
        {
            "thoughts": "query something",
            "sql": "sql",
            "display_type": "response_table",
            "data": []
        }
    ]
}

image.gif

image.gif

🐞 Bug 修复

  • 修复自定义Prompt模板编辑后导致对话报错(#2848)
  • 提升chat_dashboard输出解析器的JSON解析健壮性(#2850)
  • 修复对话内容的换行符转义异常问题(#2854)
  • 更新GraphRAG的Milvus的truncate方法(#2847)
  • 优化Prompt按钮的页面位置(#2836)
  • 修复Client SDK的用例正确关闭客户端(#2839)
  • 优化chat_dashboard应用消息自动滚动的动画(#2797)
  • 修复Milvus判断Collection是否存在问题(#2818)
  • 修复/v2/chat/completions接口参数校验失败的异常信息(#2801)
  • 修复chat_dashboard应用的公共prompt列表数据展示问题(#2790)
  • 优化对话消息自动滚动的动画更流畅(#2792)
  • 修复单一智能体模式Agent可以多选的问题(#2785)
  • 移除chat_excel中SQL中的注释,保证SQL语法正确性(#2769)
  • 修复Reranker代理模型的问题(#2783)
  • 修复多智能体自动规划模式中,规划Agent可直接调用工具调用问题(#2778)

🛠️其他

  • 更新 OceanBase 向量数据库使用文档(#2840)
  • 更新CONTRIBUTING.md文档使用UV安装(#2855)
  • 更新文档中ChromaStore的创建方式(#2798)

✨官方文档地址

英文:http://docs.dbgpt.site/docs/overview

中文:概览 · 语雀

✨致谢

🎉新贡献者

0.7.3版本新增6位新的贡献者

🔥🔥感谢所有贡献者使这次发布成为可能!

@Aries-ckt, @D1m7asis, @HYP-hu, @WangzJi, @chenliang15405, @fangyinc, @geebytes, @huhao0926, @jiao-duan, @myworking2012, @stevenlx96 and @vnicers

image.gif

✨附录

相关文章
|
人工智能 搜索推荐 程序员
当AI学会“跨界思考”:多模态模型如何重塑人工智能
当AI学会“跨界思考”:多模态模型如何重塑人工智能
1631 120
|
自然语言处理 机器人 图形学
腾讯混元图像3.0正式开源发布!80B,首个工业级原生多模态生图模型
腾讯混元图像3.0,真的来了——开源,免费开放使用。 正式介绍一下:混元图像3.0(HunyuanImage 3.0),是首个工业级原生多模态生图模型,参数规模80B,也是目前测评效果最好、参数量最大的开源生图模型,效果可对…
2480 2
腾讯混元图像3.0正式开源发布!80B,首个工业级原生多模态生图模型
|
缓存 物联网 PyTorch
使用TensorRT LLM构建和运行Qwen模型
本文档介绍如何在单GPU和单节点多GPU上使用TensorRT LLM构建和运行Qwen模型,涵盖模型转换、引擎构建、量化推理及LoRA微调等操作,并提供详细的代码示例与支持矩阵。
3053 2
|
存储 机器学习/深度学习 人工智能
54_模型优化:大模型的压缩与量化
随着大型语言模型(LLM)的快速发展,模型规模呈指数级增长,从最初的数亿参数到如今的数千亿甚至万亿参数。这种规模扩张带来了惊人的能源消耗和训练成本,同时也给部署和推理带来了巨大挑战。2025年,大模型的"瘦身"已成为行业发展的必然趋势。本文将深入剖析大模型压缩与量化的核心技术、最新进展及工程实践,探讨如何通过创新技术让大模型在保持高性能的同时实现轻量化部署,为企业和开发者提供全面的技术指导。
1174 0
|
机器学习/深度学习 人工智能 自然语言处理
38_多模态模型:CLIP的视觉-语言对齐_深度解析
想象一下,当你看到一张小狗在草地上奔跑的图片时,你的大脑立刻就能将视觉信息与"小狗"、"草地"、"奔跑"等概念联系起来。这种跨模态的理解能力对于人类来说似乎是理所当然的,但对于人工智能系统而言,实现这种能力却经历了长期的技术挑战。多模态学习的出现,标志着AI从单一模态处理向更接近人类认知方式的综合信息处理迈出了关键一步。
1674 0
|
SQL 存储 关系型数据库
【YashanDB知识库】共享从 MySQL异常处理CONTINUE HANDLER的改写方法
【YashanDB知识库】共享从 MySQL异常处理CONTINUE HANDLER的改写方法
|
SQL 测试技术 数据库
【YashanDB知识库】IMP跨网络导入慢问题
问题现象:290M数据,本地导入2分钟,跨机导入耗时显著增加(最高30分钟)。 原因分析:`imp`逐条SQL通过网络传输至yashanDB执行,交互频繁导致性能下降。 影响版本:客户测试环境22.2.8.3。 解决方法:将导入文件上传至与yashanDB同机后使用`imp`,减少网络延迟。 经验总结:优化`imp`工具,支持直接上传文件至服务器端执行,降低网络依赖。
|
监控 数据库
【YashanDB 知识库】ycm 托管数据库时报错 OM host ip:127.0.0.1 is not support join to YCM
在托管数据库时,若 OM 的 IP 被设置为 127.0.0.1,将导致无法托管至 YCM,并使数据库失去监控。此问题源于安装时修改了 OM 的监听 IP。解决方法包括:将 OM 的 IP 修改为本机实际 IP 或 0.0.0.0,同时更新 env 文件及 yasom 后台数据库中的相关配置。经验总结指出,应避免非必要的后台 IP 修改,且数据库安装需遵循规范,不使用仅限本机访问的 IP(如 127.0.0.1)。

热门文章

最新文章