FastGPT：开源知识库问答系统安装与使用指南

官方信息

项目背景

FastGPT 是由 labring 团队开发的开源知识库问答系统，国内团队维护，中文生态友好。它的核心思路非常聚焦：帮你把公司文档、产品手册、FAQ 喂进去，然后做一个"基于自家资料回答问题"的客服机器人。和 Dify 这种全功能平台不同，FastGPT 在知识库这一件事上做到了极致优化。

很多企业上 AI 的第一个需求就是："我有 500 份产品文档，能不能做个机器人，客户问问题直接从文档里找答案？"这个问题看似简单，实际涉及文档解析、切分策略、向量检索、Prompt 编排、多轮对话、引用溯源等一堆环节。FastGPT 把这些全部封装成了可视化界面，运营人员自己上传文档、点按钮、就能用。

FastGPT 在国内中小团队中非常流行，因为它：部署简单（一条 docker compose）、中文优化好、支持接入企业微信/飞书/钉钉客服、价格比商用方案低很多。

核心特性

• 可视化知识库管理：上传文件自动切分，支持手动调整分段、添加问题优化、设置相似度阈值。
• 多种检索模式：向量检索、全文检索、混合检索、语义重排，支持实验对比。
• 工作流编排：可视化工作流，支持问题分类、知识库检索、HTTP 请求、代码执行等节点。
• 多渠道发布：嵌入网页、API、企业微信、飞书、钉钉、微信公众号。
• 对话日志：完整的聊天记录、反馈标注、未答问题统计，可回流优化知识库。
• 权限管理：团队空间、成员协作、应用级权限。
• 价格亲民：自部署完全免费，只有调 LLM API 的费用。

环境要求

详细部署步骤

第一步：安装 Docker

curl -fsSL https://get.docker.com | bash
systemctl start docker && systemctl enable docker

第二步：创建部署目录

mkdir -p /opt/fastgpt/data
cd /opt/fastgpt

第三步：编写 docker-compose.yml

vim docker-compose.yml

填入以下内容：

version: '3.3'
services:
  fastgpt:
    container_name: fastgpt
    image: registry.cn-hangzhou.aliyuncs.com/fastgpt/fastgpt:v4.8.4
    ports:
      - "3000:3000"
    volumes:
      - ./data:/app/data
    environment:
      - DEFAULT_ROOT_KEY=root123123
      - MONGODB_URI=mongodb://fastgpt:fastgpt@mongo:27017/fastgpt
      - PG_URI=postgresql://fastgpt:fastgpt@pg:5432/fastgpt
      - DATA_BASE=/app/data
      - TZ=Asia/Shanghai
    depends_on:
      - mongo
      - pg
    restart: always

  mongo:
    container_name: fastgpt-mongo
    image: mongo:7.0
    restart: always
    environment:
      - MONGO_INITDB_ROOT_USERNAME=fastgpt
      - MONGO_INITDB_ROOT_PASSWORD=fastgpt
    volumes:
      - ./mongo_data:/data/db

  pg:
    container_name: fastgpt-pg
    image: pgvector/pgvector:pg16
    restart: always
    environment:
      - POSTGRES_USER=fastgpt
      - POSTGRES_PASSWORD=fastgpt
      - POSTGRES_DB=fastgpt
    volumes:
      - ./pg_data:/var/lib/postgresql/data

第四步：启动服务

docker compose up -d

# 查看日志
docker compose logs -f fastgpt

首次启动需要初始化数据库，等待 1-2 分钟。

第五步：登录

浏览器访问 http://你的服务器IP:3000：

• 初始账号：root
• 初始密码：docker-compose 中 DEFAULT_ROOT_KEY 的值，即 root123123
• 登录后立即修改密码

第六步：配置模型

右上角头像 → 账号设置 → 模型配置，添加 OpenAI / DeepSeek / 通义等模型：

# 以 DeepSeek 为例，添加配置：
# 模型名：deepseek-chat
# 接口地址：https://api.deepseek.com/v1
# API Key：sk-xxxxxxxx
# 模型类型：对话
# 最大 token：4096

同时需要配置 Embedding 模型（用于知识库向量化），推荐：

• OpenAI：text-embedding-3-small
• 本地：bge-large-zh-v1.5（通过 Ollama 或 Xinference）

第七步：创建知识库

1. 左侧"知识库" → 新建知识库
2. 选择索引模式：
   • 混合索引：向量 + 全文，推荐
   • 向量索引：纯语义检索
   • 全文索引：关键词检索
3. 上传文档，选择分段方式：
   • 通用模板：自动按标点分段
   • 按 Markdown 标题分段
   • 自定义分段符
4. 等待索引完成

第八步：创建应用并关联知识库

1. 左侧"应用" → 新建应用 → 选择"知识库问答"
2. 设置应用名称和图标
3. 在"知识库"模块添加刚才创建的知识库
4. 设置检索参数：
   • 相似度阈值：0.5（根据实测调整）
   • 搜索数量：3-5 段
   • 重排开关：开启
5. 在"AI 对话"模块选择模型，设置系统提示词
6. 右侧调试窗口测试效果

第九步：发布

1. 点击右上角"发布"
2. 选择发布方式：
   • 嵌入网页：复制 iframe 代码
   • API 访问：获取 API Key
   • 二维码：扫码在手机上用

常见坑与解决

• 登录不上：检查 DEFAULT_ROOT_KEY 是否和登录密码一致；MongoDB 容器是否正常启动。
• Embedding 失败：确认 Embedding 模型配置正确，网络能访问对应 API。
• 检索效果差：降低相似度阈值到 0.3-0.5，增加搜索段数，尝试混合索引。
• 内存不够：MongoDB + PG + FastGPT 至少 4GB，建议 8GB。

使用方法示例

API 调用示例：

curl -X POST 'http://your-server:3000/api/v1/chat/completions' \
  -H 'Authorization: Bearer FastGPT-Api-Key-xxxx' \
  -H 'Content-Type: application/json' \
  -d '{
    "chatId": "test-session",
    "stream": false,
    "detail": false,
    "messages": [{"role": "user", "content": "你们的产品怎么退款？"}]
  }'

常见问题 FAQ

Q1：FastGPT 和 Dify 怎么选？
A：只做知识库客服问答选 FastGPT，简单专注；要工作流、Agent、多渠道复杂场景选 Dify。

Q2：支持多少并发用户？
A：默认配置支持几十个并发，瓶颈在 LLM API 而不是 FastGPT 本身。生产环境建议加 Nginx 反代。

Q3：数据存在哪？
A：MongoDB 存对话记录和配置，PostgreSQL + pgvector 存知识库向量。

Q4：能商用吗？
A：FastGPT 是自定义开源协议，自部署免费商用，但不能转售为 SaaS。

Q5：和 FastGPT Cloud 有什么区别？
A：开源自部署版功能和云版基本一致，数据在自己服务器上；云版不用自己运维。

跳转链接

• GitHub 仓库：https://github.com/labring/FastGPT
• 官方文档：https://doc.fastgpt.run
• 在线 Demo：https://fastg.run