FastGPT 知识库问答平台：5分钟跑起可视化 AI 工作流

FastGPT 知识库问答平台：5分钟跑起可视化 AI 工作流

【免费下载链接】FastGPTFastGPT is a knowledge-based platform built on the LLMs, offers a comprehensive suite of out-of-the-box capabilities such as data processing, RAG retrieval, and visual AI workflow orchestration, letting you easily develop and deploy complex question-answering systems without the need for extensive setup or configuration.项目地址: https://gitcode.com/GitHub_Trending/fa/FastGPT

FastGPT 是一个开源的知识库 AI 应用平台：把文档传进去，5分钟就能得到一个能引用原文的问答助手，还支持用拖拽方式编排复杂 AI 工作流。它内置模型接入层和 Docker Compose 一键部署脚本，配置门槛很低。接下来按顺序完成首次启动和两个最实用的场景。

项目第一印象

FastGPT 定位是"把大模型变成企业内可用的问答系统"的中间层平台：它不训练模型，而是把你的私有文档、业务流程和大模型连接起来。核心能力有四项：

• 📚知识库问答（RAG）：RAG 即检索增强生成，通俗说就是"先查资料再回答"，让 AI 基于你的文档作答而不是瞎编
• 🔀可视化工作流编排：在画布上拖拽节点，设计"提问→判断→查库→回答"的完整流程
• 🔌多模型接入（AIProxy）：统一接入 OpenAI 兼容接口、Ollama 本地模型等多家供应商
• 🔍单点检索测试与调用链路日志：每一步检索到什么、模型返回了什么，都能在界面上直接看到

技术上它靠"向量数据库 + 分块检索"支撑：文档先被切成小段并转成向量存入数据库，提问时先搜出最相关的段落，再交给模型生成带引用的回答。

快速上手：三条命令完成部署

⚙️ 环境要求：一台 Linux 服务器（最低 2核4G 内存可跑测试环境），安装好 Docker 和 Docker Compose。

git clone https://gitcode.com/GitHub_Trending/fa/FastGPT cd FastGPT/deploy/dev docker compose -f docker-compose.cn.yml up -d

首次拉取镜像需要几分钟，全部启动后访问http://localhost:3000，默认账号root，密码1234。你会看到一个包含知识库管理、应用编排和模型配置的后台界面。

几个说明：

• 默认使用 PgVector 作为向量库，适合 5000 万条索引以内的场景，够用即可
• 完整的端口与资源配置建议见 Docker 部署指南
• 部署配置模板在 deploy/dev/docker-compose.cn.yml，可按需修改

核心场景实操

场景一：三步接入一个 AI 模型

解决什么问题：FastGPT 本身不带模型，必须先接一个"大脑"才能对话。

1. 登录后进入模型管理（AIProxy）后台
2. 新增一个 OpenAI 兼容接口，填 API 地址和密钥；本地模型走 Ollama 也同样接入
3. 至少各启用一个对话模型和向量模型（embedding 模型，负责把文本转成向量供检索用），保存后刷新页面验证

如果不确定接口是否可用，先单独验证一下：

curl https://api.openai.com/v1/models \ -H "Authorization: Bearer $API_KEY"

预期效果：保存并刷新后，模型列表中出现刚接入的模型；用默认对话窗口发一句"你好"，2~3 秒内收到回复。若页面打不开或报undefined类错误，九成是模型没配全（见下文 FAQ）。

场景二：五步搭一个能引用原文的知识库问答

解决什么问题：员工天天问"报销标准是多少""年假怎么算"，你想让文档自己回答。

1. 在"知识库"模块新建一个集合，命名为如"公司制度"
2. 导入文档（支持 Markdown、TXT、Excel 等格式），系统自动分块并建立向量索引
3. 检查分块结果，长文档可按业务调整分块大小，一般 500~1000 字符一段
4. 新建一个对话应用，关联该知识库集合
5. 在系统提示词里约束回答方式，例如：

你是公司内部制度助手，只根据知识库内容回答。 若知识库中没有相关条款，直接回答"未找到相关规定"， 不要自行编造。回答时注明出处条款名称。

预期效果：拿一份 100 页的 PDF 手册做测试，导入后约 1~2 分钟完成索引；提问"出差住宿标准"时，答案 3 秒内返回且附带引用段落，点引用可直接跳回原文。相比人工翻文档找答案，单次查询从几分钟降到秒级。详细的 RAG 检索参数说明见 知识库指南。

进阶与扩展

• 接入 MCP 双向工具：让工作流调用外部系统接口，或反过来把 FastGPT 应用暴露为工具
• 解析非结构化文档：通过第三方数据接入（webSync）同步网页内容，定期更新知识库
• 对接企业系统：通过 OpenAPI 把问答能力嵌入自己的 OA、客服或 App，参考 packages/openapi 目录下的接口定义
• 本地化部署：全链路用 Ollama 跑本地模型，实现纯内网运行
• 多团队协作：开启团队模式，按成员分配知识库和应用权限

常见问题与踩坑

Q1：启动后页面打不开或前端崩溃怎么办？先查模型配置：确保对话模型和向量模型都至少各启用一个；再关闭浏览器翻译功能（开启翻译会导致部分页面崩溃）。约 90% 的崩溃是模型参数异常，检查对象类参数是否被存成了空值。

Q2：数据库 3306 端口被占用，启动失败？把 compose 文件中的端口映射改为3307:3306之类的未占用端口，重新docker compose up -d。

Q3：知识库一直"索引中"没有进度？优先检查是否配置了向量模型（embedding 未配置则索引永远不动）；其次看日志中是否有 API 调用失败，常见原因是模型地址或密钥不通。

Q4：换了向量模型为什么不生效？向量模型在创建集合时就已绑定，不会动态更新。已建的集合需要删除重建，新集合才会用新模型。

Q5：如何修改 root 密码？修改环境变量DEFAULT_ROOT_PSW后重启容器即可。完整排查清单见 常见问题排查。

FastGPT 的价值在于把"私有文档 + 大模型"接通的整条链路（分块、检索、模型调度、界面）都做好了，你只需要关心自己的业务文档和流程。现在就去仓库把它跑起来，五分钟之内你会收到第一条带引用的回答。

👉 查看快速上手教程，开始你的第一个知识库应用

【免费下载链接】FastGPTFastGPT is a knowledge-based platform built on the LLMs, offers a comprehensive suite of out-of-the-box capabilities such as data processing, RAG retrieval, and visual AI workflow orchestration, letting you easily develop and deploy complex question-answering systems without the need for extensive setup or configuration.项目地址: https://gitcode.com/GitHub_Trending/fa/FastGPT