亲爱的 DB-GPT 社区伙伴们，DB-GPT v0.6.0 版本发布啦，接下来我们一起看看该版本带来哪些变化吧：
DB-GPT是一个开源的AI原生数据应用开发框架(AI Native Data App Development framework with AWEL and Agents)，在V0.6.0版本中，我们进一步围绕大模型提供灵活、可拓展的AI原生数据应用管理与开发能力，可以帮助企业快速构建、部署智能AI数据应用，通过智能数据分析、洞察、决策，实现企业数字化转型与业务增长。
AWEL协议升级2.0, 支持更复杂的编排
支持数据应用的创建与生命周期管理, 支持多种模式构建应用, 如: 多智能体自动规划模式、任务流编排模式、单一智能体模式、原生应用模式
GraphRAG支持图社区摘要与混合检索，图索引成本相比Microsoft GraphRAG降低50%
支持丰富的Agent Memory，如感知记忆、短期记忆、长期记忆、混合记忆等
支持意图识别与Prompt管理，新增支持Text2NLU与Text2GQL微调
GPT-Vis前端可视化升级, 支持更丰富的可视化图表
?AWEL协议升级2.0，支持更复杂的编排，同时优化了前端可视化与交互能力。
AWEL(Agentic Workflow Expression Language) 是一套专门为大模型应用开发设计的智能体工作流表达式语言，提供强大的功能和灵活性。通过AWEL API开发者可以专注于大模型应用逻辑开发，不需要关注繁琐的模型、环境等细节。在AWEL2.0中，我们支持了更复杂的编排与可视化。
?支持数据应用的创建与生命周期管理，支持多种模式构建应用, 如: 多智能体自动规划模式、任务流编排模式、单一智能体模式、原生应用模式。
?GraphRAG支持图社区摘要与混合检索，图的构建与检索性能相比社区方案有明显优势，且支持炫酷的可视化。GraphRAG是基于知识图谱的增强检索生成系统，通过知识图谱构建与检索，进一步增强检索的准确率与召回的稳定性，降低大模型幻觉的同时，增强领域应用的效果。DB-GPT结合TuGraph，构建了高效的检索增强生成能力。
基于DB-GPT 0.5.6版本推出的融合向量索引、图索引、全文索引的通用RAG框架，DB-GPT 0.6.0版本针对图索引（GraphRAG）做了能力增强，支持了图社区摘要与混合检索能力。新版本我们引入了TuGraph内置的leiden社区发现算法，并结合大模型提取社区子图摘要，最终通过社区总结的相似性召回，很好地应对了泛化性提问场景，即QFS（Query Focused Summarization）问题。另外在知识抽取阶段，我们将原先的三元组抽取升级为带点边信息总结的图抽取，并通过文本块历史优化跨文本块关联信息抽取，进一步增强知识图谱的信息密度。
最终生成的知识图谱我们采用AntV的G6引擎升级了前端渲染逻辑，可以直观地预览知识图谱数据和社区划分结果。
最新版本体验请参考GraphRAG开发手册：http://docs.dbgpt.cn/docs/cookbook/rag/graph_rag_app_develop
?Agent Memory: 支持了多种记忆类型，如感知记忆、短期记忆、长期记忆、混合记忆等。
?GPT-Vis: GPT-Vis是面向LLM与数据的交互可视化解决方案，支持丰富的可视化图表展示与智能推荐。
?Text2GQL与Text2NLU微调: 新增支持了自然语言到图语言的微调，以及语义分类的微调。
V0.6.0中文使用手册
https://www.yuque.com/eosphoros/dbgpt-docs/fho86kk4e9y4rkpd
V0.6.0英文使用手册
http://docs.dbgpt.cn/docs/application/
如何升级至v0.6.0
http://docs.dbgpt.cn/docs/upgrade/v0.6.0
本次迭代离不开广大社区开发者与用户的参与，同时也进一步跟TuGraph与AntV社区进行合作。感谢所有贡献者使这次发布成为可能！
@Aries-ckt, @Dreammy23, @Hec-gitHub, @JxQg, @KingSkyLi, @M1n9X, @bigcash, @chaplinthink, @csunny, @dusens, @fangyinc, @huangjh131, @hustcc, @lhwan, @whyuds, @yhjun1026 and @yunfeng1993
