FastGPT

快速上手：用 FastGPT 搭建企业级 AI 知识库与智能代理

通过本教程，你将掌握以下能力：

• 在 30 分钟内部署一个私有化 AI 知识库（支持文档、网页、数据库导入）
• 通过可视化工作流串联 LLM、知识检索、API 调用，构建自动问答机器人
• 将智能代理嵌入网站或企业微信，实现客户支持、内部知识查询等场景

前置条件

• 一台 Linux 服务器（Ubuntu 20.04+，4 核 8G 内存，50GB 磁盘）
• 已安装 Docker 和 Docker Compose（v2.0+）
• 拥有一个 OpenAI API Key 或兼容的本地模型（如通过 Ollama 部署的 Llama 3）
• 域名及 SSL 证书（可选，用于生产环境 HTTPS 访问）

第一步：部署 FastGPT 服务

1. 在服务器终端执行以下命令，拉取官方部署脚本：

   curl -o docker-compose.yml https://raw.githubusercontent.com/labring/FastGPT/main/files/docker-compose.yml
   curl -o config.json https://raw.githubusercontent.com/labring/FastGPT/main/files/config.json

2. 编辑 config.json，在 llmModels 字段中填入你的模型配置（例如 OpenAI 的 gpt-4 或本地模型地址）：

   "llmModels": [
     {
       "model": "gpt-4",
       "name": "GPT-4",
       "provider": "OpenAI",
       "apiKey": "sk-xxxxxxxxxxxx",
       "baseUrl": "https://api.openai.com/v1"
     }
   ]

3. 启动服务：

   docker-compose up -d

4. 访问 http://服务器IP:3000，使用默认账号 root 密码 1234 登录（首次登录后请立即修改密码）。

预期结果：浏览器显示 FastGPT 控制台首页，左侧菜单包含「知识库」「工作流」「应用」等模块。

常见问题：

• 若端口被占用，修改 docker-compose.yml 中 3000:3000 为 8080:3000 后重新启动。
• 若模型调用失败，检查 config.json 中 baseUrl 是否包含 /v1 路径，且 API Key 有效。

第二步：创建知识库并导入数据

1. 点击左侧菜单「知识库」→「新建知识库」，选择「通用知识库」模板。
2. 在「数据源」页面，支持三种导入方式：

• 上传文档：支持 PDF、Word、TXT、Markdown 格式，单文件不超过 50MB
• 网页抓取：输入 URL，系统自动爬取并清洗正文内容
• API 导入：通过 HTTP POST 发送 JSON 数据（适合对接内部系统）

3. 以「上传文档」为例，点击「上传文件」，选择公司产品手册 PDF，等待系统自动切片和向量化（进度条显示在右上角）。
4. 点击「测试」按钮，输入问题「产品保修期多久？」，确认系统能返回匹配的文档片段。

预期结果：知识库列表中显示刚创建的库，状态为「已就绪」，测试问答返回准确结果。

注意事项：

• 文档切片长度默认 500 字符，若回答不完整，可在「知识库设置」中调整切片重叠率（建议 10%-20%）。
• 网页抓取仅支持静态页面，动态渲染的页面（如 Vue/React 单页应用）需使用 API 导入。

第三步：搭建可视化工作流

1. 点击「工作流」→「新建工作流」，选择「空白模板」。
2. 从左侧组件面板拖拽以下节点到画布：

• 输入节点：接收用户问题
• 知识库检索节点：选择上一步创建的知识库，设置返回片段数量（建议 3-5 条）
• LLM 节点：选择模型，编写提示词模板，例如：

     你是一个客服助手，根据以下知识库内容回答用户问题。如果找不到答案，请回复“请联系人工客服”。
     知识库内容：{context}
     用户问题：{question}

• 输出节点：返回 LLM 的回复

3. 用连线连接各节点：输入 → 知识库检索 → LLM → 输出。
4. 点击「保存并测试」，输入问题「如何重置密码？」，观察每个节点的输出日志。

预期结果：工作流运行成功，输出节点返回格式正确的回答，日志中显示检索到的文档片段和 LLM 消耗的 Token 数。

失败排查：

• 若知识库检索节点返回空，检查知识库是否已导入数据且状态为「已就绪」。
• 若 LLM 节点报错，在节点配置中点击「测试模型连接」，确认 API 可用。

第四步：发布为智能代理

1. 点击「应用」→「新建应用」，选择「对话型」。
2. 在「应用配置」中，关联上一步创建的工作流，并设置：

• 欢迎语：如「您好，我是智能客服，请问有什么可以帮您？」
• 对话历史：保留最近 10 轮对话（避免 Token 超限）
• 用户权限：选择「所有人可访问」或「仅限登录用户」

3. 点击「发布」，获取两种集成方式：

• 嵌入代码：复制 <iframe> 代码，粘贴到网站 HTML 中
• API 接口：复制 https://你的域名/api/v1/chat/completions，用于对接企业微信、钉钉等

预期结果：在浏览器中打开嵌入的页面，或通过 API 发送请求，均能获得智能回复。

注意事项：

• 生产环境务必配置 HTTPS，否则浏览器会阻止 iframe 加载。
• API 调用需在请求头添加 Authorization: Bearer 你的API密钥（密钥在「应用」→「API 密钥」中生成）。

常见问题与边界

• Q：知识库数据更新后，需要重新部署吗？
  A：不需要。FastGPT 支持增量更新，在知识库中点击「重新训练」即可，不影响在线服务。
• Q：工作流能否调用外部 API？
  A：可以。拖拽「HTTP 请求节点」到画布，配置 URL、请求头和参数，例如查询订单状态或天气预报。
• Q：免费版有什么限制？
  A：开源版无功能限制，但需自行管理服务器和模型费用。官方提供付费云服务（含自动扩缩容和监控）。