- 综合排序
- 最热优先
- 最新优先
- 来自专栏快乐阿超
fastgpt
——杰克·凯鲁亚克的《在路上》 GitHub - labring/FastGPT: FastGPT is a knowledge-based platform built on the LLMs, offers 通过使用 FastGPT，开发者可以快速搭建自己的 GPT 服务，并灵活调整部署配置，满足不同的需求。 什么是 FastGPT？ FastGPT 是一个为 GPT 模型提供高效部署和服务的解决方案。 FastGPT 的主要特点 高效的模型部署 FastGPT 可以在本地或私有云环境中部署 GPT 模型，并根据硬件配置进行优化。 如何使用 FastGPT？ FastGPT 的部署和使用相对简单。开发者可以根据以下步骤快速启动自己的服务： 1. 克隆仓库 首先，通过 GitHub 克隆 FastGPT 项目： git clone https://github.com/labring/FastGPT.git cd FastGPT 2.
1.1K10编辑于 2025-02-20 - 来自专栏四楼没电梯
FastGPT如何增减用户
背景 开源版本的FastGPT默认只有一个超级用户root，为了更好地管理应用和知识库，可以通过操作MongoDB数据库来增加新的用户和团队。 所需环境 已安装并运行的FastGPT实例 MongoDB客户端工具（如Mongo Shell或Robo 3T等） 操作步骤 启动MongoDB客户端 在命令行中启动MongoDB客户端，并连接到FastGPT /global/common/string/tools'; import { MongoUser } from '@fastgpt/service/support/user/schema'; import { MongoTeam } from '@fastgpt/service/support/user/team/teamSchema'; import { MongoTeamMember } from } from '@fastgpt/global/common/string/tools'; import { authCert } from '@fastgpt/service/support/permission
93510编辑于 2024-10-12 - 来自专栏陶士涵的菜地
FastGPT的安装部署
安装docker和docker-compose 下载更改配置文件 mkdir fastgpt cd fastgpt curl -O https://raw.githubusercontent.com/labring /FastGPT/main/files/deploy/fastgpt/docker-compose.yml curl -O https://raw.githubusercontent.com/labring /FastGPT/main/projects/app/data/config.json 主要就是OpenAI接口地址和key要修改，因为我们要使用第三方代理的 修改docker-compose.yml中的
1.7K10编辑于 2024-01-03 - 来自专栏陶士涵的菜地
如何调用FastGPT的API
fastGPT提供兼容OpenAI格式的接口，但是还是有一些地方需要注意 新建一个应用，可以正常测试通过后。 【外部使用】【API访问】【新建一个KEY】 我们在调用FastGPT API的时候，需要传递一个chatId的参数，这个是标识同一个会话的参数。 只有传递了chatId，才能让FastGPT知道上下文历史记录，否则API调用每次都是一次新的会话 import requests url = "http://fast.v1kf.com/api/v1 : "user", "content": "你叫什么" }, ] } headers = { "Authorization": "Bearer fastgpt-key
4.2K10编辑于 2024-01-03 - 来自专栏最新最全的大数据技术体系
FastGPT知识库结构讲解
FastGPT知识库结构讲解 本节会详细介绍 FastGPT 知识库结构设计，理解其 QA 的存储格式和多向量映射，以便更好的构建知识库。这篇介绍主要以使用为主，详细原理不多介绍。 理解向量 FastGPT 采用了 RAG 中的 Embedding 方案构建知识库，要使用好 FastGPT 需要简单的理解Embedding向量是如何工作的及其特点。 FastGPT 中向量的结构设计 FastGPT 采用了 PostgresSQL 的 PG Vector 插件作为向量检索器，索引为HNSW。 FastGPT 构建知识库方案 在 FastGPT 中，整个知识库由库、集合和数据 3 部分组成。集合可以简单理解为一个文件。一个库中可以包含多个集合，一个集合中可以包含多组数据。 注意，新版的 FastGPT 为了提高搜索的范围，不再将问题和答案分别存储到 qa 中。
2.3K00编辑于 2024-05-26 - 来自专栏Debug日志
智能AI搭建：FastGPT本地简易部署
———— 马尔科姆·格拉德威尔 最近看到一个开源AI项目——FastGPT，感觉挺强大，准备部署到本地玩一玩。 FastGPT： 基于 LLM 大模型的开源 AI 知识库构建平台。 官网：FastGPT 一、前置环境 1.1 Docker 安装 这里我使用的是Windows桌面版Docker Desktop来部署 参考文章： 一篇就够！ fastgpt cd fastgpt curl -O https://raw.githubusercontent.com/labring/FastGPT/main/projects/app/data/ 首次登录FastGPT后，系统会提示未配置**语言模型**和**索引模型**，并自动跳转模型配置页面。系统必须至少有这两类模型才能正常使用。 查看相关教程 本地FastGPT： 以上就相当于本地部署了一个简易版的FastGPT，接下来就可以本地玩一玩，创建自己的应用以及训练知识库等等。
1K10编辑于 2025-10-13 - 来自专栏机器学习与系统
简洁优雅知识库 FastGPT 快速部署
安装 架构图如下： Docker 运行 FastGPT 参考了 FastGPT 官方文档[2]，但是由于 docker-compose.yaml 文件中的配置经常变导致一些组件不兼容部署失败，所以笔者专门新建一个仓库 cd fastgpt-deploy docker compose pull 运行 fastgpt 服务 docker compose up -d 更改 FastGPT 配置 参考 如何自定义配置文件 每次变更配置都要重新运行 FastGPT 容器。 变更配置文件 config.json 中的配置 删除 fastgpt 容器 docker compose down fastgpt 重新运行 fastgpt 容器 docker compose up -d fastgpt ollama 地址（可选） 如果你使用 Ollama 运行开源大模型，这部分要注意下，因为 FastGPT 都是运行在 Docker 容器中的，所以在 FastGPT/OneAPI
1.8K10编辑于 2024-07-25 - 来自专栏四楼没电梯
Dify 与 FastGPT 流程编排能力对比分析
Dify 与 FastGPT 流程编排能力对比分析 一、引言 在人工智能快速发展的今天，大语言模型（LLM）应用平台正在重塑各行各业的工作流程。 其中，Dify 和 FastGPT 作为两款具有重要影响力的工具，凭借各自独特的流程编排能力，为开发者和使用者提供了强大的支持。 （二）FastGPT 简介 FastGPT 是一个专注于知识库问答的系统，其核心特性包括： 开箱即用的数据处理和模型调用能力：简化了系统部署和使用流程。 FastGPT 不足: 模型支持以 OpenAI 为主，扩展较复杂。 部分功能操作流程可进一步优化。 复杂场景定制：对于需要高度定制化的复杂问答场景，FastGPT 的灵活工作流编排可能更有优势。
3.5K10编辑于 2024-10-12 客服系统本地部署对接fastgpt 以及现有业务系统
二、FastGPT 或 Dify 智能体平台如果用户有一定技术能力，了解大模型接口 API，那么可以选择独立部署社区版的 FastGPT 或 Dify。 四、接入 FastGPT 的具体步骤首先，点击【应用】【外部使用】【API 访问】【新建】，新建一个 KEY，同时可以看到 API 根地址。 完成这些操作后，我们的客服系统就对接好了 FastGPT，之后就可以基于 FastGPT 进行智能回复了。
32510编辑于 2025-07-21- 来自专栏陶士涵的菜地
基于FastGPT实现AI判断问题分类进行不同流程处理
需求场景 比如，用户问我 “报名” 相关的问题，AI就不要回复了 如果是其他问题，那么AI就进行自动回复 搭建流程 基于FastGPT流程编排系统进行搭建 问题分类器 默认什么都不需要写，只需要把分类名称写上
53010编辑于 2024-05-14 当 FastGPT 遇见 Doris：无需手写 SQL，丝滑实现自助 ChatBI
我们的目标，就是让FastGPT这个大脑，能够调用操作Doris这个数据仓库的工具。 要让它们能够对话，我们需要一个中间的翻译官，也就是MCP Server。 它能将FastGPT的指令，转换成Doris可以理解的SQL，整个过程非常简单。 当然，如果你的FastGPT和刚才启动的MCP Server不在同一个局域网内，你可能需要用ngrok这样的小工具，给你的本地服务生成一个临时的公网地址。 万事俱备，现在我们回到FastGPT(https://cloud.fastgpt.cn/app)的界面，开始最后的配置。 这次，FastGPT展现了更强大的能力。
53810编辑于 2025-08-24- 来自专栏人工智能应用
FastGPT革命：下一代语言模型的极速进化
本文深度解析FastGPT核心技术架构，涵盖分布式推理、量化压缩、硬件加速等前沿方案，包含完整落地实践指南，助你掌握大模型高效部署的终极武器。 ChatGPT引爆全球AI热潮，但企业落地面临严峻挑战： 响应延迟：GPT-4平均响应时间超10秒 部署成本：千亿级模型单机需8张A100显卡 资源消耗：单次推理耗电相当于60W灯泡工作1小时 FastGPT 一、FastGPT核心技术架构 1. 金融行业：实时风险分析系统 传统方案：T+1生成报告，延迟>8小时 FastGPT方案： 部署Llama3-13B-AWQ模型 流式处理市场数据 实时生成风险评估 成果： 随着Llama3、Phi-3等开放模型崛起，结合FastGPT技术栈，企业级AI应用将迎来爆发式增长。
1K10编辑于 2025-08-01 - 来自专栏NAS原来这么有用
NAS下搭建FastGpt，一个基于 LLM 大语言模型的知识库问答系统 - 熊猫不是猫QAQ
感兴趣可以去看看：https://fastgpt.run/ 部署 FastGPT提供了docker-compose，所以我们可以直接用它官方项目的文件做到快速部署。 图片 fastGPT 这里我选择的为非host版本，需要检查一下端口，更改为自己不冲突端口就可以了。 /mongo/data:/data/db fastgpt: container_name: fastgpt # image: c121914yu/fast-gpt:latest # docker hub image: registry.cn-hangzhou.aliyuncs.com/fastgpt/fastgpt:latest # 阿里云 ports: authSource=admin - MONGODB_NAME=fastgpt # pg配置.
1.4K30编辑于 2023-08-16 - 来自专栏renhailab数据分析
如何利用AI构建第二个大脑
以下是两个推荐的平台，Dify.AI[1] 和 FastGPT[2] ： FastGPT 简单易用的可视化界面 FastGPT是一个功能强大的平台，支持创建 RAG 系统，提供数据可视化、自动化工作流程等功能 以及官方文档：快速了解 FastGPT | FastGPT[3] 知识库构建：FastGPT 支持多种数据源，简化知识库构建。 [5]，版本号是0.6.8[6]， FastGPT 是部署在DigitalOcean[7]的云服务器上，用的是 2c4g(2cpu 核心 4Gb 内容)的 Ubuntu 系统，FastGPT 采用的版本号是 对于我的博客站点，我希望他能实时同步，现在可以选择 FastGPT 导入博客文章的链接之后手动同步，或者 FastGPT 的手动同步 目前貌似只能手动导入和同步，希望官方能推出自动同步的方法。 Dify 和 FastGPT 构建知识库总结 整体来说，Dify 和 FastGPT 都是适合初学者的大语言模型(LLM) 应用开发平台，简单易用。
74200编辑于 2024-05-27 - 来自专栏云原生实验室
国产 AI 智能体惊艳问世，全面致敬 FastGPT！
最让我钦佩的是这个平台竟然致敬了开源产品 FastGPT，而且都没有通知 FastGPT 开发者，选择了把这份致敬默默地埋藏在了心底。古语有云：少说话，多做事。 昆仑万维就做到了，他们不愿意高调宣传自己的敬意，只是脚踏实地在自己的产品中向 FastGPT 致敬，着实感动到我了。 不过没关系，你们负责低调做产品，我负责给你们高调宣传。 登录之后，先创建一个 Agent，设置好名称和描述，然后点击顶部的「规划」，啪的一下就来到了熟悉的界面： 我们再来看看 FastGPT (https://ai.fastgpt.in) 的界面： 不错不错 这一波，我完全可以确定，天工 SkyAgents 全面致敬了 FastGPT。
98510编辑于 2023-12-26 - 来自专栏小白开发
智能问答再升级：快速部署FastGPT大语言模型的知识库系统
1.FastGPT介绍 FastGPT，一个遵循 Apache License 2.0 开源协议的智能问答系统。 无论是针对客服问答场景还是其他应用场景，FastGPT 的无限扩展性和便于调试的特点可以给你的项目带来便利。FastGPT 可以成为您智能问答系统的理想选择。 3.5 进入宝塔面板，我们就开始操作FastGPT的安装部署了，首先打开宝塔面板的左边栏的文件，然后找到一个位置用来存放FastGPT的部署文件等，这里我一般都喜欢在 /www 里来弄。 3.7 执行下方指令 mkdir fastgpt cd fastgpt curl -O https://raw.githubusercontent.com/labring/FastGPT/main/ 通过这篇教程，我们深入探讨了 FastGPT 的介绍、准备事项以及详细的部署教程。我们还了解了如何在服务器上安装宝塔面板，并通过它来部署 FastGPT。
5.3K21编辑于 2024-03-01 - 来自专栏实时计算
【开源项目推荐】——纯中文本地GPT知识库搭建项目.assets
今天为大家推荐的就是一个纯中文本地GPT知识库搭建项目，虽然刚刚开源不到半年的时间，标星已经达到了8.8K， 让我们一起来看看吧~ FastGPT 今天为大家推荐的开源项目名为FastGPT。 FastGPT基本对齐了全球、国产主流AI，如 OpenAI ，清华GML，可集成到各种平台中。FastGPT的部署非常简单，可以使用Docker快速的进行部署。 而且FastGPT的整个配置过程都是支持中文的，非常方便。 mkdir fastgpt cd fastgpt curl -O https://raw.githubusercontent.com/labring/FastGPT/main/files/deploy/ fastgpt/docker-compose.yml curl -O https://raw.githubusercontent.com/labring/FastGPT/main/projects/app
6.4K11编辑于 2024-01-17 23.5K star！零代码构建AI知识库，这个开源神器让问答系统开发像搭积木一样简单！
嗨，大家好，我是小华同学，关注我们获得“最新、最全、最优质”开源项目和高效工作学习方法 FastGPT 是一个基于大语言模型的智能知识库平台，提供开箱即用的数据处理、RAG检索和可视化AI工作流编排能力 传统开发方式需要投入大量人力进行算法调优和系统搭建，而FastGPT通过三大革新彻底改变了游戏规则：可视化编排：像搭积木一样设计AI工作流零代码部署：5分钟完成从数据导入到服务上线多模型支持：无缝对接OpenAI :latest与同类项目对比项目名称核心优势局限性FastGPT优势LangChain灵活的组合式架构需要编码能力可视化编排+零代码部署LlamaIndex优秀的检索性能功能单一完整的企业级功能套件PrivateGPT 本地化部署仅支持单一模型多模型自由切换ChatPDF专注PDF解析场景受限支持20+文件格式为什么选择FastGPT？ 国产顶尖大模型解决方案Dify：可视化LLM应用开发平台OneAPI：多模型管理中间件LangChain-Chatchat：本地知识库问答系统项目地址https://github.com/labring/FastGPT
1K10编辑于 2025-04-11- 来自专栏测试游记
FastGPT二次开发-使用应用库进行代码Code Review
FastGPT 是一个基于 LLM 大语言模型的知识库问答系统，提供开箱即用的数据处理、模型调用等能力。同时可以通过 Flow 可视化进行工作流编排，从而实现复杂的问答场景！ 背景 在之前使用Gitlab CI进行AI Code Review的时候发现一些痛点,这次为了解决这些问题故在FastGPT平台上进行二次开发 现有痛点 优化提示词后需要多个项目同步修改 收集使用反馈困难 技术栈 NextJs + TS + ChakraUI + Mongo + Postgres (Vector 插件) 将项目下载到本地后对关键路径进行分析 fastgpt/projects/app/src /service: 存入mongo时的存储内容,相当于表设计 fastgpt/projects/app/src/web/core:接口使用 fastgpt/projects/app/src/pages: 页面路由 fastgpt/projects/app/src/pages/api:API路由 功能设计 工程 每个工程都可以选择对应的应用或者提示词来进行代码评审 // projects/app/src/
1.7K10编辑于 2024-01-26 - 来自专栏云原生实验室
FastGPT 这个新功能让你提前下班
今天给大家介绍 FastGPT 4.8.11 版本新增的一个超强节点 - 【循环运行】节点。如果你经常需要处理大量数据，这个功能绝对能让你事半功功倍！ 这个节点是干嘛的？ FastGPT 国内版：https://fastgpt.cn FastGPT 海外版（需要纵云梯）：https://tryfastgpt.ai 输入参数设置 【循环运行】节点需要配置两个核心输入参数： 下载链接：https://images.tryfastgpt.ai/vocabulary.csv 导入方式很简单，在 FastGPT 中新建一个通用知识库： 然后导入表格数据集： 然后上传你的 csv 和之前文章中的工作流一样，术语翻译的一致性保持的非常完美： 总结 本文介绍了 FastGPT 循环运行节点的功能和使用场景，并通过两个具体案例展示了如何使用循环运行节点。 通过这两个案例，我们可以看到循环运行节点在处理需要重复执行的任务时的强大功能，它能够有效地组织和管理复杂的工作流程，是 FastGPT 中一个非常实用的功能模块。
88110编辑于 2024-11-05
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号