FastGPT 实战指南：3 步搭好一个知识库驱动的问答机器人

FastGPT 实战指南：3 步搭好一个知识库驱动的问答机器人

【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

客服每天重复回答同一批问题，新人入职先花一周翻文档——这不是人手问题，是知识流通问题。FastGPT 是一个基于 LLM 的知识库问答平台，把公司文档接进模型，开箱即用混合检索、RAG 召回和可视化工作流编排。本文按 3 个动手步骤走一遍：部署、建库、编排流程。

首次启动：把 FastGPT 跑起来

拉取配置与启动容器

FastGPT 的官方部署方式是 Docker。克隆仓库后，先按仓库 README 引导拉取 docker compose 配置文件（过程会引导你填写模型、数据库等参数），然后启动：

git clone https://gitcode.com/GitHub_Trending/fa/FastGPT cd FastGPT docker compose up -d

配置模板可参考 deploy/dev/docker-compose.yml。容器全部起来后，浏览器访问http://localhost:3000，默认账号 root，密码 1234。注意它不是一个单体容器：Mongo 存业务数据，PgVector 存向量，fastgpt 主容器提供界面和 API，缺一个都会启动失败。

第一次登录：先接模型

进入工作台后第一件事是接模型。FastGPT 支持直接对接 OpenAI 兼容接口，也支持本地模型或模型聚合服务。模型不必选最强的，能调通 API 即可。手头没有模型额度时，先接一个本地小模型把流程跑通，再换大模型做效果对比，这样你分清哪些问题是流程造成的，哪些是模型能力造成的。

建知识库：让 AI 用你的资料回答

三种导入方式，按材料类型选

建库前先把资料备齐。知识库支持三种导入方式：

• 直接分段：PDF、Word、HTML 等文档扔进去自动切块，适合长篇说明类资料；
• QA 拆分：把文档整理成问答对，适合 FAQ、政策条款这类"一问一答"的材料；
• URL 读取：给一批网页链接，批量抓取入库，适合产品文档站。

文件列表里还能给每条资料打标签，检索时按标签过滤——知识库混装多条业务线的资料时，这一步能省掉大量误召回。

混合检索与重排：找到和找准是两回事

为什么要建库？裸模型对你公司的内部知识一无所知，只能编。FastGPT 的做法是：资料先切块并转成向量，提问时用"向量相似度 + 关键词"混合检索召回候选块，再由重排模型打分，只把最相关的几块塞进模型上下文。

知识库的分段策略、检索参数、重排配置都能调，文档在 document/content/guide/dataset/。我的建议：上线前先在"检索测试"里跑几个代表性问题，确认召回的前几名是正确切块。检索召回错了，提示词写得再好也救不回来。

工作流编排：把单点问答变成自动流程

四类节点先上手

知识库解决"答得上"，工作流画布解决"办得成"。左侧组件库分文本输出、功能调用、工具调用、外部调用等类别，最常用的是这四个起点：

• 流程开始：接收用户问题和系统变量；
• AI 对话：核心节点，配提示词、挂知识库；
• 工具调用：调 HTTP 接口或插件，比如查订单状态；
• 特殊回复：识别到跑题内容时直接返回固定话术，不走模型，省 token。

画布后端的执行逻辑在 packages/service/core/，某个节点行为不符合预期时，可以到这里定位对应的执行函数。

调试预览与评测：发布前过一遍链路

画布右上角的预览面板可以像真实用户一样对话，每次模型调用、检索动作都留痕。回归测试则用"应用评测"：准备一组问题和标准答案，指定一个 LLM 当裁判，批量跑完给每条回答打分。

评测是"能用"和"敢上线"的分界线。跳过它的团队通常会遇到同一个坑：预览时修好一个问题就发布，结果另外三类问题悄悄回归。

常见坑：机器人答非所问时查哪里 🔧

端口占用：部署期最常见的报错

docker compose up报bind: address already in use，就是 3000 端口被占。改 compose 里的端口映射，或先停掉占用端口的旧服务，别反复重启容器。

引用了却答错：先查分段，再查重排

症状是引用面板里明明有正确文档，回答却偏了。十有八九是分段问题：切块太大，模型抓错了段落；切块太小，上下文断裂。修复顺序是：先调分段方式，再调重排召回条数，最后才动提示词。反着来是最常见的绕路。

对外分享：把权限风险关进分享链接

机器人稳定后要给外部用户用。在应用详情页从 URL 里拿到 appid，即可生成免登录分享链接，或嵌进自己的网站。

生成链接时可以控制"引用内容""查看来源"开关，设置过期时间和 QPM 限流。一个常见失误是对客户开启来源展示——内部文档片段会跟着答案一起暴露，分享前先把这两个开关过一遍。

今天先做这一步

别想一次搭全。最小可行路径：部署服务 → 导入 10 份高频文档 → 写一段三句话的提示词 → 用 5 个代表性问题测试。四步全通，机器人就可以内部试用了；工作流节点和评测集，等真实用户的问题攒出来再补。FastGPT 的价值在于"知识接入"和"流程自动化"在同一平台完成，先让知识通起来，其他都是加速项。

【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