基于 Tauri 2 + Rust + Vue 3 构建，AGPL-3.0 协议开源，GitHub 7.1k+ Stars

做技术运维及开发这些年，数据库客户端换了不下五六款。DBeaver 功能全但启动慢、吃内存；Navicat 好用但价格肉疼；TablePlus 体验不错可惜只支持 macOS。更头疼的是，项目里经常同时用 MySQL、Redis、MongoDB、ClickHouse，光在不同工具之间切来切去就够烦了。

有没有一款工具：体积小、不挑系统、支持的数据库多、顺手还能帮写 SQL？

DBX 就是答案。

一、DBX 是什么

DBX 是一款开源的跨平台数据库统一管理客户端，将连接管理、SQL 编辑、数据表格、结构工具、AI 助手和自托管访问放进一个轻量产品里。

核心数字：

• ~20 MB 桌面安装包，零运行时依赖
• 60+ 数据库引擎
• 2 种模式 桌面版与 Docker 版
• 9.1k+ GitHub Stars，完全开源免费

技术架构：

• 后端：纯 Rust 编写数据库驱动
• 前端：Vue 3 + TypeScript
• 框架：Tauri 2，无需 Java 运行时、无需内嵌 Chromium

对比 DBeaver 动辄几百 MB 还要 Java 环境，DBX 下载即用、启动飞快。

二、50+ 种数据库，一网打尽

DBX 直接支持的数据库覆盖了日常开发中几乎全部类型：

关系型

文档型 / 键值型

分析型

向量数据库

国产信创

通过 JDBC / Agent 扩展

还支持 Snowflake、Trino、Hive、Neo4j、BigQuery、DB2、SAP HANA、Teradata、Vertica、Exasol、Cassandra 等。

一个工具，告别切来切去。

三、核心功能一览

3.1 SQL 查询编辑器

基于 CodeMirror 6 的编辑器，专为数据库操作优化：

• 智能补全：结合 SQL 关键字、表名、视图、字段名和 JOIN 关系给出建议
• 选中执行：选中 SQL 片段后执行，减少误操作
• SQL 格式化：一键统一缩进、换行和关键字风格
• 查询历史：每个连接独立保存历史，支持按时间范围过滤
• 执行目标选择器：多语句时自动提示选择要执行的语句

3.2 数据表格

虚拟滚动渲染，百万行数据也不卡：

• 行内编辑：双击单元格直接编辑，修改内容高亮标记，确认后批量保存
• SQL 预览：保存前展示即将执行的 UPDATE/INSERT/DELETE 语句
• 过滤与排序：支持搜索、WHERE 数据库层筛选、ORDER BY 排序
• 多行操作：批量克隆、批量删除、批量复制
• 列格式化器：日期时间格式化、JSON 路径提取、值掩码、自定义模板
• 转置视图：行列表互换，适合宽列数据查看
• 单元格详情：长文本、JSON、图片预览、二进制十六进制查看器

导出格式：

3.3 结构浏览器

左侧侧边栏按层级组织数据库对象：

连接
└── 数据库
└── Schema
└── 表/视图
└── 字段（类型、约束、默认值）

• 搜索：快速定位表名、视图名、字段名
• 置顶：高频表、重点连接置顶，减少展开操作
• 连接颜色：用颜色区分生产（红）、预发（黄）、测试（蓝）、本地（绿）环境
• Redis 专用浏览器：键以表格方式展示，支持 String/Hash/List/Set/ZSet/Stream 全类型编辑
• MongoDB 浏览器：数据库、集合和分页文档浏览

3.4 AI SQL 助手

说人话就能写 SQL，这是 DBX 最惊艳的功能：

两种模式：

使用方式：

1. 在提示中使用 @table 或 @schema.table 告诉 AI 关注哪些表
2. 用自然语言描述需求，例如「帮我查出最近 7 天注册的用户数量」
3. AI 自动读取表结构，生成对应查询语句
4. 生成后检查表名、字段名、筛选条件和影响范围

安全策略：

支持的供应商：

• Anthropic（Claude 系列）
• OpenAI（GPT 系列）
• 自定义端点（兼容 OpenAI API，如 Ollama 本地模型，数据不出本机）

3.5 ER 图与 Schema 对比

• ER 图：右键数据库或表，一键生成 ER 关系图，表间主外键关联一目了然，支持缩放和 SVG 导出
• Schema Diff：对比两个数据库连接之间的表结构差异，直接生成 ALTER SQL，确认后一键同步

Schema Diff 使用流程：

1. 选择源库（结构较新的数据库）
2. 选择目标库（需要被同步的数据库）
3. 执行对比，计算差异
4. 审查差异（缺失表、字段变化、索引增删）
5. 生成同步 SQL，确认后执行

3.6 MCP 集成

DBX 实现了 MCP（Model Context Protocol），Claude Code、Cursor、Windsurf 等 AI 编码工具可以直接读取你在 DBX 里配好的数据库连接：

// ~/.cursor/mcp.json
{
  "mcpServers": {
    "dbx": {
      "command": "npx",
      "args": ["-y", "@dbx-app/mcp-server"]
    }
  }
}

在编辑器里直接让 AI 帮你查数据库、调试 SQL，不用来回切换工具。

3.7 其他特性

• 深色模式：原生深色模式，9 种编辑器主题随意切换
• 多语言：中文 / 英文 / 西班牙语
• SSH 隧道：支持连接内网数据库
• 代理配置：支持 SOCKS5 / HTTP 代理
• 自动更新：内置自动更新机制
• 连接 URL 解析：直接粘贴连接 URL，自动解析字段

四、安装指南

macOS（Homebrew）

# 安装
brew install --cask dbx

# 更新
brew upgrade --cask dbx

也可从 GitHub Releases 下载 .dmg 安装包（支持 Apple Silicon 和 Intel）。

Windows

方式一：Scoop 包管理器（推荐）

# 添加 DBX 的 Scoop Bucket
scoop bucket add dbx https://github.com/t8y2/scoop-bucket

# 安装 DBX
scoop install dbx

# 更新
scoop update dbx

方式二：手动下载安装

从 GitHub Releases 下载安装包：

Linux

从 GitHub Releases 下载对应安装包：

# AppImage 需要添加执行权限
chmod +x DBX*.AppImage

Docker 自部署

适合部署在服务器上，团队通过浏览器共享访问：

docker run -d \
  --name dbx \
  -p 4224:4224 \
  -v dbx-data:/app/data \
  t8y2/dbx

启动后访问 http://localhost:4224，支持 amd64 和 arm64。

Docker Compose：

services:
  dbx:
    image: t8y2/dbx
    ports:
      - "4224:4224"
    volumes:
      - dbx-data:/app/data
    restart: unless-stopped

volumes:
  dbx-data:

桌面版 vs Docker 版

五、快速上手

5.1 创建第一个连接

1. 打开新建连接：在侧边栏或工具栏中点击「新建连接」
2. 选择数据库类型：从 50+ 种数据库中选择
3. 填写连接信息：
4. 网络数据库：主机、端口、用户名、密码、默认数据库
5. 文件型数据库（SQLite、DuckDB、Access）：选择本地文件
6. 快捷方式：直接粘贴连接 URL，DBX 自动解析
7. 网络选项：如需 SSH 隧道或代理，在对应页签配置
8. 测试并保存：点击「测试」验证连接，通过后保存

5.2 编写与执行 SQL

1. 从侧边栏打开连接
2. 在编辑器中输入 SQL
3. Ctrl+Enter（Windows）/ Cmd+Enter（macOS）执行
4. 选中文本时只执行选中部分
5. 结果显示在下方数据表格中

5.3 浏览与编辑数据

1. 在侧边栏点击表名，直接打开数据浏览
2. 双击单元格进入编辑
3. 右键菜单支持筛选、排序、导出
4. 保存前查看 SQL 预览，确认无误后执行

5.4 使用 AI 助手

1. 进入 DBX 设置页，找到 AI 配置
2. 选择供应商（Anthropic / OpenAI / 自定义端点）
3. 填写 API Key，保存配置
4. 在编辑器中使用 @table 提及表名，用自然语言描述需求
5. AI 生成 SQL 后，审查确认再执行

5.5 配置 MCP 集成

在你的 AI 编码工具配置文件中添加：

{
  "mcpServers": {
    "dbx": {
      "command": "npx",
      "args": ["-y", "@dbx-app/mcp-server"]
    }
  }
}

配置完成后，AI 编码工具即可直接查询 DBX 中已配置的数据库连接。

六、生产环境安全建议

• 给生产连接起明确名称，如 prod-orders
• 用连接颜色区分生产（红）、预发（黄）、测试（蓝）、本地（绿）环境
• 对编辑、导入、Schema 同步生成的 SQL，先审查再执行
• 大表操作优先使用数据库侧的 WHERE 和 ORDER BY
• 使用 AI 助手时注意 SQL 安全策略，危险语句会被自动阻止

七、从源码运行（开发者）

如果你想参与开发或本地调试：

环境要求：

• Node.js >= 18
• pnpm
• Rust >= 1.77

启动开发环境：

git clone https://github.com/t8y2/dbx.git
cd dbx
pnpm install
pnpm dev:tauri

构建安装包：

pnpm tauri build

安装包输出到 src-tauri/target/release/bundle/。

八、总结

DBX 把轻量、多库支持、AI 辅助、MCP 集成这几件事做得很扎实。15MB 的体量，放在 U 盘里随身带着都不占地方。

适合你使用 DBX 的场景：

• 日常需要频繁操作多种数据库，不想在工具间切来切去
• 受够了 Java 运行时的启动速度和内存占用
• 需要国产信创数据库支持
• 想用 AI 辅助写 SQL，又不想数据外泄
• 团队需要共享数据库连接配置

不适合的场景：

• 只用一种数据库且已有趁手工具（没有切换动力）
• 需要非常复杂的数据库建模和设计功能（DBX 侧重查询和管理）

AGPL-3.0 协议开源，所有功能免费。

相关链接：

• 源码：https://github.com/t8y2/dbx
• 官网：https://dbxio.com/cn
• 文档：https://dbxio.com/cn/docs/getting-started
• Scoop Bucket：https://github.com/t8y2/scoop-bucket