labring/FastGPT · 上手攻略

  • 仓库：labring/FastGPT
  • 链接：https://github.com/labring/FastGPT
  • 分类：ai
  • 作者：Jay
  • 更新：2026-07-12

📌 是什么

FastGPT 是一个基于大语言模型的知识库问答与应用编排平台，提供完整的开箱即用能力：数据处理、RAG 检索、可视化 AI 工作流编排，让用户无需深度配置即可快速开发和部署复杂的问答系统。

它的核心定位是：企业级 RAG 应用平台，强调知识库管理与可视化流程编排的结合。相比单纯的知识库工具，FastGPT 多了工作流编排和 Agent 编排能力；相比纯 Agent 框架，它更侧重知识库问答场景。

🔍 解决什么问题

  • 企业有大量内部文档（PDF、Word、网页），想基于这些文档构建 AI 问答系统
  • 需要对问答流程有精细控制（先检索、再重排、最后生成）
  • 想把 AI 问答嵌入到现有业务系统（企微、公众号、钉钉、飞书）
  • 需要可视化编排复杂的多步骤 AI 流程，不需要写代码

⚡ 快速安装

方式一：Docker 一键部署（推荐，5 分钟完成）

# 拉取配置文件（交互式引导）
bash <(curl -fsSL https://doc.fastgpt.io/deploy/install.sh)

# 启动所有服务
docker compose up -d

# 访问 http://localhost:3000
# 默认账号：root
# 默认密码：1234

⚠️ 需要 Docker 和 Docker Compose 环境。如遇网络问题，可提前配置国内镜像源。

方式二：Sealos 云端一键部署（国内推荐）

# 在 Sealos 桌面环境打开
# 搜索「FastGPT」，一键部署

方式三：手动 Docker 部署

# 克隆仓库
git clone https://github.com/labring/FastGPT.git
cd FastGPT

# 复制配置文件
cp docker/docker-compose.yml docker/docker-compose.yml.bak
# 编辑配置文件填入 LLM API Key

# 启动
docker compose -f docker/docker-compose.yml up -d

使用官方云服务（零运维）

如无需自托管，可直接使用： - 🌐 国际版：https://fastgpt.io - 🇨🇳 国内版：https://fastgpt.cn

🧩 核心功能与用法

1. 知识库管理

FastGPT 的知识库是其核心，支持：

支持的文件格式：
- txt、md、html
- PDF（含扫描件 OCR）
- Word (docx)
- Excel (xlsx) / CSV
- PPT (pptx)
- URL 抓取
- 手动输入 / QA 拆分导入

导入后会自动进行智能分块（Chunking），支持： - 手动调整 chunk 边界 - 查看/修改/删除 chunk 记录 - 混合检索 + 重排（Rerank）

# API 调用示例：通过 API 上传知识库
curl -X POST https://api.fastgpt.io/api/knowledge/insert \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "name": "产品文档",
    "files": ["file_url_or_base64"]
  }'

2. 可视化工作流编排

FastGPT 提供类似流程图的编排界面，可视化地连接不同功能节点：

常用节点类型： - LLM 调用 — 选择模型、设定系统提示词 - 知识库检索 — 从知识库中获取相关内容 - 条件判断 — 根据输入内容走不同分支 - 变量提取 — 从用户输入中提取结构化参数 - HTTP 请求 — 调用外部 API - 代码执行 — 自定义 JS/Python 逻辑 - 插件调用 — MCP 工具或自定义插件

3. 应用发布与集成

发布后可生成免登录分享链接，支持： - 免登录分享窗口：生成专用 URL，外部用户无需登录即可使用 - Iframe 嵌入：将 AI 应用嵌入到现有网页 - API 调用：兼容 OpenAI 格式的 API，替换 base URL 即可

# OpenAI SDK 调用 FastGPT API 示例
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_FASTGPT_API_KEY",
    base_url="https://api.fastgpt.io/api/proxy/v1"
)

response = client.chat.completions.create(
    model="YOUR_APP_ID",
    messages=[
        {"role": "user", "content": "公司年假政策是什么？"}
    ]
)
print(response.choices[0].message.content)

4. Agent 编排与插件系统

支持构建 Agent 应用，可调用工具、访问外部服务： - 插件热更新：无需重启即可更新工具定义 - 双向 MCP：既可以作为 MCP Server，也可以作为 MCP Client - AI 实时生成插件：用自然语言描述需求，AI 自动生成插件代码

5. 对话调试

  • 单点搜索测试（单独测试知识库检索效果）
  • 完整调用链路日志
  • 引用来源展示与修改
  • 应用评测工具
  • 可视化 Debug 模式

💻 典型适用场景

  1. 企业内部知识库问答：上传员工手册、HR 政策、技术文档，构建员工自助问答机器人
  2. 客服机器人：接入企微/钉钉，自动回答常见客户问题
  3. 产品文档问答：将产品文档库接入 AI，帮助用户自助解决问题
  4. 合同/法务问答：上传合同模板，构建合同条款查询工具
  5. 内容推荐工作流：结合知识库检索 + 工作流 + 外部 API，构建复杂内容处理流程

⚠️ 坑与注意

  1. 默认密码必须改：root/1234 为默认凭证，首次使用务必修改密码
  2. LLM API Key 配置：Docker 部署需要手动在环境变量中填入 LLM API Key（如 OpenAI、DeepSeek 等）
  3. 中文分词优化：知识库分块对中文语义理解有限，复杂文档建议手动调整 chunk 边界
  4. 商业版限制：开源版允许直接商用，但不允许提供 SaaS 服务；完整商业功能需购买商业版
  5. 向量数据库：默认使用内置向量库，生产环境建议配置独立的 Qdrant/Milvus 等向量数据库
  6. 大文件 PDF：扫描 PDF 和复杂版式的 PDF 识别效果依赖底层 OCR 质量，可能需要预处理
  7. 多语言：虽然支持多语言模型，但界面和文档以中文为主，英文资料相对较少

🔄 与同类对比

维度 FastGPT Dify LangChain RAGFlow
定位 知识库+RAG编排 应用编排平台 开发框架 文档RAG
可视化程度 高（工作流） 高（工作流） 低（代码） 中
知识库能力 强 中 需自行开发 很强
开源协议 FastGPT License Apache 2.0 MIT Apache 2.0
商业限制 禁止SaaS 无限制 无限制 无限制
中文支持 优秀 优秀 一般 优秀
API 兼容 OpenAI OpenAI 多 OpenAI

核心差异：FastGPT 的强项是知识库与工作流编排的深度整合，特别适合需要精细控制 RAG 流程的企业场景；Dify 更偏向通用应用编排；RAGFlow 更专注于文档解析质量。

✅ 一句话推荐结论

FastGPT 是中文生态最成熟的企业级 RAG 应用平台之一，如果你的核心需求是「把一堆文档变成可嵌入的 AI 问答服务」，且希望有可视化流程控制，FastGPT 是当前性价比最高的选择之一，部署简单、文档完善、社区活跃；如需更通用的 Agent 编排，Dify 可能是更好的搭档。

来源：GitHub README、官方文档、官方网页