伴随 2026 "开源之夏"活动启动，DB-GPT 社区在开源之夏的3个开发项目都已开启报名，如果你渴望在大模型与数据智能的交叉领域深入探索，并拥有一定的技术基础，欢迎申报 DB-GPT 社区项目。在这里，你将用代码探索未知，开启一场难忘的极客之旅！
开源之夏是由中国科学院软件研究所“点亮计划”发起并长期支持的一项开源项目活动。活动联合各大开源社区，针对重要开源软件的开发与维护提供项目任务，并向高校学生开放报名。学生可自主选择感兴趣的项目进行申请，中选后在项目资深开发者（社区导师）的指导下进行开发。同学们能够借此机会积累实践经验，提高技术能力，结识开源前辈，成功入选并完成结项的同学，还将获得项目奖金和荣誉证书。
今年，DB-GPT 为同学们准备了3 个项目。成功结项的同学将获得 ¥3,500—5,000 的奖金与荣誉证书。项目详情：https://summer.ospp.ac.cn/org/orgdetail/f42fd38d-6bd7-43b9-898f-dbe10fd89957?lang=zhT
项目一 ：基于Agent实现财报采集分析与可追溯研究分析企业财报和行业研究通常需要从年报、季报、公告、网页表格及公开数据文件中发现资料，抽取关键财务指标，并开展跨年度、跨公司的对比分析。DB-GPT 已具备 ReAct 数据助理、自然语言到 SQL、Python 沙箱执行、文件与数据库联合分析、图表及报告生成等能力，但尚缺少将外部公开资料发现、内容解析、数据结构化、分析计算和来源追踪连接起来的完整链路。仅使用大模型总结网页内容难以保证结论可信、数据正确等能力，而仅导入整理好的数据文件又无法满足真实的公开资料研究需求。本项目计划为 DB-GPT 构建公开财报采集与可追溯研究分析能力：支持接入可配置的搜索工具或搜索 API，发现公司年报、季报、公告、财务数据页面以及公开 CSV、Excel 文件；支持抓取并解析 HTML、网页表格和 PDF 财报；结构化抽取营收、毛利、净利润、毛利率、净利率、经营现金流、分业务收入及分地区收入等指标；为每项数据记录来源 URL、文件、页码、表格名称和抽取时间；通过 SQL 或 Python 完成年度趋势、公司对比、同比或环比、业务结构及盈利能力分析，并且搜索的财报可以联合本地上传的文件共同分析。最终应形成一条“公开资料发现—结合本地上传文件—资料解析—指标抽取—来源记录—数据分析—图表生成—引用报告”的完整链路，生成包含摘要、关键指标、趋势图、对比分析、风险提示和数据引用的可追溯研究报告。1. 提供单公司财报分析和多公司财务对比分析两个可演示案例。
2. 完整的项目代码以及详细的功能设计方案文档，功能的演示宣传文档或视频
1. 掌握 Python，熟悉数据处理与分
2. 熟悉 HTML、JS 等前端技术
3. 有 Agent、RAG 或财务数据经验更优
技术领域：AI、LLM、Database
编程语言：Python、HTML、JavaScript
项目难度：进阶（奖金5000元）
项目导师：柯廷
联系邮箱：916701291@qq.com
项目二：构建Agent的可溯源的数据分析报告能力
◎ 项目简述：数据分析报告不仅需要展示数字、图表和结论，还需要说明每个数字来自哪条 SQL、每张图基于哪个查询结果或 Python 计算、分析结论使用了哪些证据，以及数据发生变化后能否重新生成。DB-GPT 目前已经具备数据查询、Python 分析、图表生成和报告输出能力，但现有结果主要以一次性回答或相对松散的分析产物呈现，报告内容与 SQL、计算过程、数据源及中间产物之间尚未形成稳定的结构化关联，因此难以验证、刷新、复用和长期保存。本项目计划设计统一的 Report schema，将报告组织为章节、指标块、图表块、洞察块和文本说明块，并建立报告内容与实际分析产物之间的绑定关系，包括 SQL 结果与指标块、Python 结果与洞察块、图表产物与图表块、分析过程与报告章节之间的关联。系统还需要保存报告依赖的数据源、查询及计算步骤，在数据变化后重新执行相关任务，自动更新数字、图表和分析结论；同时支持 Markdown 导出、HTML 预览、图表嵌入以及证据链展开查看。最终应实现一套可信、可追踪、可刷新、可复用的数据分析报告生成系统，包括报告 schema、报告块组合机制、SQL/Python/图表/洞察证据链、报告刷新能力和前端预览组件。报告中的证据链必须关联 DB-GPT 实际执行的查询、计算结果和生成产物，不能仅由大模型生成文字形式的“依据说明”，项目应优先复用 DB-GPT 现有的数据分析执行链路，验收重点是证据可验证和报告可复现。1. 完整的项目模块代码以及详细的功能设计方案文档
2. 实现 SQL、Python 与图表证据链功能
3. 相关功能的演示案例以及对应的文档或者宣传视频
◎ 项目技术要求：
1. 掌握 Python语言，Agent、RAG等相关技术，熟悉 SQL 与数据分析
2. 熟悉 HTML、React 或 Next.js 前端技术
3. 有报告系统或 BI 产品开发经验更优
技术领域：AI、LLM、Database
编程语言：Python、HTML、JavaScript
项目难度：进阶（奖金5000元）
项目导师：诗唐
联系邮箱：1165243776@qq.com
项目三：基于Agent实现自然语言驱动的数据看板生成与发布
◎ 项目简述：DB-GPT 已具备自然语言问答、SQL 生成、Python 分析和图表生成能力，但目前生成的分析结果尚未形成统一的 Dashboard 结构，缺少从分析目标理解、指标与维度规划、筛选器设计、组件查询绑定到看板保存、编辑、刷新和发布的完整能力。
本项目计划设计统一的 Dashboard schema，用于描述看板标题、说明、全局筛选器、指标卡、图表、明细表、页面布局和数据查询绑定关系。在此基础上，系统需要根据用户的自然语言需求识别业务主题、核心指标、分析维度和筛选条件，自动选择适合的图表类型并生成看板组件；为每个组件生成并保存 SQL，使用户能够刷新数据以及查看、调试组件查询；同时提供看板预览、组件增删改、图表类型切换、筛选器配置、布局调整、保存、发布和分享等能力。最终应实现从“自然语言描述分析目标”到“生成可持续使用的数据看板”的完整流程，形成 Dashboard schema、自然语言看板规划、组件生成、数据查询绑定、看板编辑与发布等通用能力。◎ 项目备注：本项目中的“发布”主要指看板的保存、可访问预览和分享，不要求实现完整的企业级多租户、权限、脱敏或审计体系。项目应重点保证 Dashboard schema、自然语言规划、组件查询绑定、编辑和刷新链路完整，避免将课题简化为单一图表生成或前端页面展示。◎ 项目产出要求：1. 基于当前的数据助理设计并实现 Dashboard schema完整的模块代码以及设计方案文档
2. 完成看板编辑发布及两个演示案例以及对应的文档或者宣传视频demo
◎ 项目技术要求：
1. 熟悉 React、JS/TS、Next.js 前端技术栈，后端需要熟悉Python
2. 掌握 SQL，熟悉数据可视化技术
3. 了解 LLM 应用开发，有 BI 经验更优
技术领域：AI、LLM
编程语言：HTML、JavaScript、Typescript、Python
项目难度：基础（奖金3500元）
项目导师：诗唐
联系邮箱：1165243776@qq.com
对 DB-GPT 社区项目感兴趣的同学，可以通过开源之夏官网（https://summer.ospp.ac.cn）注册报名、申请项目，通过邮箱与导师沟通交流。详见学生指南：https://docs2026.summer.ospp.ac.cn/help/student%20guide期待优秀的你加入DB-GPT社区项目，深入领略开源技术的魅力，积累一段业务实战经历。
最后修改时间：2026-08-14 16:53:57
文章转载自
EosphorosAI，如果涉嫌侵权，请发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。
