Docker部署DB-GPT：两条路径快速跑通智能数据库助手-编程实验室

Docker部署DB-GPT：两条路径快速跑通智能数据库助手

【免费下载链接】DB-GPTopen-source agentic AI data assistant for the next generation of AI + Data products.项目地址: https://gitcode.com/GitHub_Trending/db/DB-GPT

DB-GPT 是一个基于大模型的数据库智能助手，用 Docker 运行它可以跳过繁琐的依赖安装。你可以选择 DB-GPT 代理模型部署：配置 SiliconFlow API 后直接访问 5670 端口；也可以选择 DB-GPT GPU 部署，在本地跑 Qwen2.5-Coder 模型。两种路线的操作与取舍如下。

选型判断：代理模型与本地 GPU 的取舍

DB-GPT 怎么部署，先回答一个问题：你有没有可用的 NVIDIA GPU。

对比维度	代理模型	本地 GPU
硬件要求	无 GPU 也可运行	建议显存 ≥ 8GB
依赖项	Docker + SiliconFlow API 密钥	NVIDIA 驱动、CUDA、NVIDIA Container Toolkit
推理性能	受网络与接口限速影响	本地推理，响应更稳定
成本	按 API 调用计费	一次性下载模型，无调用费用
适合人群	想先体验、无 GPU 的新手	有 GPU、要求数据不出本地的团队

建议：先用代理模型把 Web 界面跑通，确认功能符合预期后，再投入时间做本地 GPU 部署。

代理模型快速跑通：从 API 密钥到 Web 访问

检查 Docker 环境与 API 密钥

确认 Docker 已安装并能正常启动容器（docker -v有版本输出即可），再到 SiliconFlow 平台申请一枚 API 密钥。代理模型的推理全部经 API 完成，密钥是这条路线唯一的"燃料"。配置文件可参考代理模型配置示例，端口 5670 即在其中定义。

拉取镜像并启动容器

拉取官方镜像并通过环境变量注入密钥：

docker pull eosphorosai/dbgpt-openai:latest docker run -it --rm -e SILICONFLOW_API_KEY=你的API密钥 \ -p 5670:5670 --name dbgpt eosphorosai/dbgpt-openai

关键参数说明：

参数	作用
`-e SILICONFLOW_API_KEY`	向容器注入 API 密钥
`-p 5670:5670`	将容器 Web 服务映射到本机 5670 端口
`--rm`	容器退出后自动清理，不留残留

验证 5670 端口访问

终端不再报错退出、容器持续运行时，在浏览器打开http://localhost:5670，能进入登录页即代表 Docker 运行 DB-GPT 成功 ✅

本地 GPU 部署：让 Qwen2.5-Coder 跑进容器

确认 NVIDIA 驱动与 Container Toolkit

本地推理的前提是容器内能"看见"显卡。执行nvidia-smi能看到 GPU 后，再安装 NVIDIA Container Toolkit 并重启 Docker，否则--gpus all不会生效。

准备模型目录与配置文件

国内网络环境下用 ModelScope 下载推理模型与向量模型：

mkdir -p ./models && cd ./models git lfs install git clone https://www.modelscope.cn/Qwen/Qwen2.5-Coder-0.5B-Instruct.git git clone https://www.modelscope.cn/BAAI/bge-large-zh-v1.5.git

然后创建dbgpt-local-gpu.toml（两组配置均为provider = "hf"，指向挂载进容器的路径）：

[models] [[models.llms]] name = "Qwen2.5-Coder-0.5B-Instruct" provider = "hf" path = "/app/models/Qwen2.5-Coder-0.5B-Instruct" [[models.embeddings]] name = "BAAI/bge-large-zh-v1.5" path = "/app/models/bge-large-zh-v1.5"

写法可对照本地模型配置示例。

挂载模型并启动 Webserver

把配置文件与模型目录挂进容器，启动 Web 服务：

docker run --ipc host --gpus all -it --rm \ -p 5670:5670 \ -v ./dbgpt-local-gpu.toml:/app/configs/dbgpt-local-gpu.toml \ -v ./models:/app/models \ --name dbgpt eosphorosai/dbgpt \ dbgpt start webserver --config /app/configs/dbgpt-local-gpu.toml

参数	作用
`--gpus all`	让容器使用全部 GPU
`--ipc host`	共享主机 IPC 命名空间，避免大模型进程间通信出错
`-v ./models:/app/models`	模型目录映射，与 toml 中`path`对应
`-v ...toml:/app/configs/...`	配置文件映射，启动命令`--config`指向它

启动耗时取决于模型加载速度，日志出现服务就绪信息后，同样访问http://localhost:5670验证。

数据持久化（可选）

不加持久化挂载时，会话数据随--rm一起消失。执行mkdir -p ./pilot/{data,message,alembic_versions}建好目录，再为启动命令追加-v ./pilot/data:/app/pilot/data、-v ./pilot/message:/app/pilot/message、-v ./pilot/alembic_versions:/app/pilot/meta_data/alembic/versions三条挂载即可。