DB-GPT V0.8.1 版本更新|让 AI 数据助理走向生产：定时、连接与长程 Agent

DB-GPT V0.8.1 让AI数据助理从一次性分析工具升级为可重复、可连接、可观测的团队生产力核心。

核心内容：
定时任务功能：将成功分析沉淀为周期任务，实现自动化报告与复盘
MCP连接器：安全接入外部工具，扩展Agent能力边界
上下文管理与任务追踪：保障多步分析稳定执行，过程全透明

V0.8.1 把 AI数据助理的能力进一步沉淀为可调度、可连接、可观察、可运维的生产化工作流，回答几个更偏生产化的问题：
一次成功的数据分析很有价值，如何按周期重复执行，而不必每次重新对话？
只连接数据库的 Agent 能力有限，如何让它安全接入外部系统与业务工具？
复杂分析往往会运行很多步，如何让它稳定控制上下文窗口，并让用户看清楚它在做什么？

围绕这些问题，本版本引入了定时任务、MCP 连接器、上下文管理与任务计划追踪，同时扩展模型、数据源、向量存储和缓存生态，并补充一批面向生产环境的性能、安全与兼容性修复。

V0.8.1 的核心价值可以概括为：让 AI 数据助理从“能完成一次复杂分析”，进一步走向“能被团队反复使用、持续运行和稳定运维”。

🌟关键特性速览
⏰定时任务— 将一次成功的数据分析保存为周期任务，自动按计划产出结果。
🔌MCP 连接器— 通过 MCP 将 AI数据助理接入外部工具，支持内置模板与自定义 MCP Server
🧠上下文管理与任务计划追踪— 通过上下文管理与任务计划追踪，支撑多步分析稳定推进，让执行过程透明可见
🚀数据源连接器缓存— 优化连接器构建、Schema 索引与向量检索链路，提升大 Schema 场景下的速度与可靠性
🧱生态扩展— 新增 LiteLLM、Qdrant、Valkey、DeepSeek V4 Pro 和 MiniMax-M3模型等能力支持

✨ 核心特性

DB-GPT V0.8.1 版本更新|让 AI 数据助理走向生产：定时、连接与长程 Agent

⏰ 定时任务：把一次成功分析变成持续产出

很多数据分析工作天然是周期性的：每日经营日报、每周风险检查、月度财务摘要，或基于最新数据库快照反复执行的诊断分析。V0.8.1 引入定时任务（Scheduled Tasks），让一次成功的分析对话可以沉淀为可重复执行的任务。

你只需先完成一次数据分析，再将该对话保存为任务。DB-GPT 会按 Cron 计划重放完整的 ReAct Agent 流程，每次运行都会生成新的对话与报告，并保留完整执行历史，方便审计、复盘和团队共享。将对话保存为周期性任务一键保存已完成对话
一键保存已完成对话：将任意完成的分析对话转化为定时任务。
灵活设置调度周期：支持每小时、每天、每周、每月，或自定义 Cron 表达式。
冻结执行上下文：原始问题、模型、已选 Skill 和连接器环境会写入任务快照，使每次重放都在相同条件下运行。
启停任务：可在定时任务页面直接暂停或重新启用任务。

DB-GPT V0.8.1 版本更新|让 AI 数据助理走向生产：定时、连接与长程 Agent

运行历史与只读回放每一次定时运行都会记录状态、耗时、结果摘要，以及它生成的对话 ID。你可以打开任意一次历史运行，直接从历史记录中回放该次对话；回放不会再次触发 LLM 调用，让复盘既低成本又可复现。🔌 MCP 连接器：让 Agent 安全接入外部工具V0.8.1 通过 MCP 连接器（MCP Connectors）将 DB-GPT Agent 的能力从数据库和本地 Skill 扩展到外部服务。Agent 现在可以通过 MCP 接入外部工具，同时由用户掌控每次会话到底挂载哪些连接器。当前内置连接器模板包括飞书、钉钉、语雀、GitHub、Notion、Linear、Tavily 和 DeepWiki。你也可以接入任意支持 SSE 或 Streamable HTTP 的自定义 MCP Server。 🧠 上下文管理与任务计划追踪：让长程任务更稳定、更透明Agentic 数据分析往往不是一个短对话，而是需要多步探索、反复尝试、生成中间产物的长任务。V0.8.1 为 Data Agent 流程新增上下文管理与任务计划追踪，让长任务更稳定，执行过程也更易理解。多层上下文压缩：帮助长任务避免超过模型上下文窗口。实时上下文使用事件：将上下文窗口使用情况实时推送到前端。任务计划追踪：Agent 维护结构化 Todo 列表，并在步骤推进时推送计划更新。更清晰的动作解释：每一步动作都会展示它在做什么，以及为什么需要执行。前端任务计划卡片与上下文使用指示器：让整个执行过程透明可见。在底层，ContextManager 编排一套由 Token 预算状态驱动的渐进式多层压缩机制。随着用量越过警告与错误阈值，压缩力度逐级增强：从截断早期 Observation，到丢弃早期轮次，再到由LLM 生成结构化摘要；若模型仍报 contexttoolong，还有应急兜底层。这些改进让 DB-GPT 更适合承接需要多步推理、反复尝试和中间产物管理的复杂数据分析工作流。上下文窗口使用情况。 🧱 模型、数据源与存储生态扩展V0.8.1 进一步扩展了 DB-GPT 周边生态，让团队可以更方便地复用已有模型、数据库、向量存储和缓存基础设施。LiteLLM 嵌入式 AI GatewayDB-GPT 新增 LiteLLM 作为嵌入式代理 Provider，注册名为 proxy/litellm。它不是一个额外的代理服务，而是 DB-GPT 进程内直接调用 LiteLLM，让你通过统一入口访问 OpenAI、Anthropic、Vertex AI、Bedrock、Azure、Cohere、Mistral、Groq、Ollama 等 LiteLLM 支持的众多后端。[[models.llms]]name = "anthropic/claude-3-5-sonnet-20241022"provider = "proxy/litellm"新增向量检索与缓存后端Qdrant 向量检索：支持高性能向量搜索场景。Valkey 向量存储：支持使用 Valkey 和 valkey-search 构建向量检索链路。Valkey 缓存存储：支持 LLM 响应缓存和 Embedding 缓存场景。可配置距离度量：向量检索的距离度量可按需配置。Valkey 向量客户端 CLIENT SETNAME：使 DB-GPT 的连接在 Valkey 监控工具中可被清晰识别。新增数据源与模型支持openGauss 数据源：补充连接、展示和使用文档支持。StarRocks VARBINARY 与 BINARY 类型：完善 StarRocks 类型兼容。MiniMax-M3：升级为 MiniMax Provider 默认模型，同时保留 MiniMax-M2.7 可选。DeepSeek V4 Pro：新增模型支持。 🚀 性能优化：面向大 Schema 和生产库的关键改进V0.8.1 针对大 Schema、生产级数据库和索引链路做了重要性能优化。数据源连接器缓存：ConnectorManager.getconnector(dbname) 现在对构建好的连接器增加 TTL 缓存。在近 900 张表的生产 SQL Server 场景中，热缓存连接器查询从约 63 秒降至 10ms 以内。按数据库粒度的索引锁：避免 Schema 索引与刷新操作并发竞争，降低产生空索引的风险。按 Chunk 粒度容错：单个异常 Embedding Chunk 不再导致整个索引任务失败。MSSQL 元数据兼容：针对 SQL Server 使用正确的 INFORMATION_SCHEMA 与扩展属性查询字段元数据。Milvus 2.5+ 兼容：提升 Milvus 向量存储在新版本下的兼容性。 🛡️ 安全与稳定性加固本版本还包含多项面向生产环境的安全与稳定性增强：~/.dbgpt/configs/本地 Profile 配置文件权限优化。知识库模块接口补充认证依赖。更严格校验 Skill 上传文件名、示例文件名和 Python 上传文件名。限制个人 Skill 脚本执行，降低未受控执行风险。Code Interpreter 临时脚本写入时显式使用 UTF-8 编码。Markdown 知识库默认使用 size chunking，索引过程更可预测。ReAct 解析器更好地兼容多步输出。Chat DB 提示词明确说明当前检索到的表结构是 TOP-K 子集，提升全库元问题的回答准确性。

🐞问题修复
修复 Web UI 创建 DuckDB 数据源的问题（#3009）
支持 DeepSeek V4 Pro（#3079）
Markdown 知识库默认使用 size chunking（修复#3030）（#3033）
限制个人 Skill 脚本执行（#3071）
校验示例文件名（#3066）
校验 Skill 上传文件名（#3065）
约束 Python 上传文件名（#3064）
处理知识空间 ID 响应（#3070）
兼容多步 ReAct 输出（#3074）
告知 LLM 当前表列表是 TOP-K 子集，而非全库表列表（#3045）
扩展gpts_messages.content字段以容纳更长的 Agent 消息（#3055）
兼容 Milvus 2.5+（#3042）
增加按 Chunk 粒度容错和按数据库粒度索引锁（#3040）
为 MSSQLgetfields()实现 SQL Server 兼容的INFORMATIONSCHEMA查询（#3039）
为知识库模块接口补充认证依赖（#3038）
修复 BranchOperator 错误跳过共享下游节点的问题（修复#2935）（#3035）
遵循已配置的通义 Embedding 模型名称（修复#3029）（#3032）
写入 Code Interpreter 临时脚本时显式使用 UTF-8 编码（#3023）

LiteLLM 代理 Provideruv sync –all-packages –extra "proxylitellm"# Qdrant 向量存储uv sync –all-packages –extra "storageqdrant"# Valkey 缓存 / 向量存储uv sync –all-packages –extra "storage_valkey"

[登录查看剩余 70% 内容](javascript:void (0);)

数字化转型制造业智能化改造和数字化转型智能化数字化转型

DB-GPT V0.8.1 版本更新|让 AI 数据助理走向生产：定时、连接与长程 Agent