本地部署个人 AI 文献知识库 - FastGPT

本站自营商品：

ChatGPT 镜像站 | Anthropic Claude 镜像站
ChatGPT Plus / Claude Pro 等官方订阅【代充用户账号】
本站提供 API 中转服务：ZetaTechs API（ChatGPT、Claude、Gemini、MidJourney绘图等）

大家好，这一期我们来折腾一下用 GPT 来整理个人的文献知识库。

首先说一下，身为一个普通的 AI 产品用户，这段时间的 ChatGPT 以及部分 AI 工具用下来。我个人的看法是，AI 这个东西确实很有用，但是它只能作为一个辅助手段，别指望它直接全自动帮你写一篇科研论文，即便是文献综述这种不需要做实验的文章，目前也还达不到这么高的要求。

不过说实话想要写好一篇文献综述也不是简单的事。

好了，回到正题。

一、背景介绍

1.1、FastGPT 是什么：

FastGPT GitHub 项目首页：https://github.com/labring/FastGPT

FastGPT 官方在线体验：https://fastgpt.run（建议在官网体验过再尝试自己部署）

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！

1.2、我们用它干什么：

我们可以将自己用得上的文献全都喂给它，创建一个属于自己的知识库，它会整理拆分为一个个片段，你询问它问题的时候，如果知识库里有相关内容，就可以直接调用知识库里的资料进行回答，相当于为自己定制了一个大语言模型。

FastGPT 有商业版和个人版，商业版有多用户系统，其他和个人版一样，所以我们直接用个人版就行了。

二、前期准备

Linux 系统主机一台（VPS 或虚拟机均可），或Sealos账号（支持一键部署）。
OpenAI API Key（官方或第三方均可，需text-embedding-ada-002模型可用，官方免费账号有速率限制，会导致索引失败）。获取方式包括但不限于：【OpenAI 官方】、【本站自营低价 API】
任意 SSH 客户端（本教程使用FinalShell）。

三、FastGPT 快速部署

3.1、Sealos 一键部署

Sealos 是一个以 Kubernetes 为内核的云操作系统发行版。用官方的话说，就是整个数据中心抽象成一台服务器，一切皆应用，像使用个人电脑一样使用 Sealos。
FastGPT 和 Sealos 同属于一家公司，叫做环界云计算，所以Sealos上面有配置好的一键部署，设置好密码就能直接使用，非常简单。
我们首先进入官网：国际：https://sealos.io/ 国内：https://sealos.run/
手机或者微信登录都行：
登录后进入Sealos桌面，点击模板市场，找到FastGPT。
填写root用户密码，待会 FastGPT 登录用的用户名就是root，密码为此处填写的密码（建议使用密码管理软件生成复杂密码）；填写完毕后点击部署应用。
api key前往【OpenAI 官方】或【本站自营低价 API】API Key（官方 Key 只会在创建时可见，记得保存好。）
点击部署应用后会自动部署主程序和两个数据库应用（如果要暂停或者删除，记得全都要操作）：
回到桌面，点击应用管理— FastGPT 这列右边的详情。
点击网络配置—外网地址，即可进入部署好的 FastGPT。登录账号为root，密码为部署时自己设置的密码。
密码忘记了可以点击右上角变更查看Docker环境变量，找到DEFAULT_ROOT_PSW，右边的参数就是密码。
费用可以在首页—费用中心—计价标准查看。右边有本账号的成本预测，我这个账号只开通了 FastGPT，这是刚创建好的时候，还没开始使用，预估一个月费用16.94元。可以通过暂停大法，使用的时候再开启的方法省钱（记得数据库也要暂停）。

3.2、Docker Compose 部署 FastGPT

建议有一台国外的虚拟专用服务器（以下简称 VPS），不会操作的可以搜索相关教程，或者加入简介里的 QQ 群交流。目前各种 AI 相关的应用，有很多是需要部署在服务器上的，有一台在国外的 VPS，既解决了网络问题，使用起来也方便。一台 VPS 上可以部署很多应用，而且这种应用大多都是用 API，对性能要求很低，最低配的 VPS 花费也不高，如果拼车更是能省很多。
本地机器也能部署，自己电脑开虚拟机都行，不过能做到这些的都可以自己部署了，本教程只针对新手。
系统我用的是ubuntu-22.04，安装了1Panel面板方便管理：https://1panel.cn/。各种管理面板都有一键安装，这里就不细说了。面板无所谓用什么，很多人不安装管理面板也照样用，不过建议新手还是安装一个，可视化界面还是方便很多。

本教程以Linux为例：

打开FinalShell，连接主机，依次使用下列命令安装 Docker 和 Docker-compose（1Panel跳过此步骤）。

# 安装 Docker
curl -fsSL https://get.docker.com | bash -s docker --mirror Aliyun
systemctl enable --now docker
# 安装 docker-compose
curl -L https://github.com/docker/compose/releases/download/2.20.3/docker-compose-`uname -s`-`uname -m` -o /usr/local/bin/docker-compose
chmod +x /usr/local/bin/docker-compose
# 验证安装
docker -v
docker-compose -v
# 如失效，自行百度~

在你想要存放应用产生的数据的目录下，创建fastgpt目录并下载docker-compose.yml：依次执行下面命令，创建FastGPT文件夹并拉取docker-compose.yml和config.json，执行完后目录下会有 2 个文件。

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.jsoncurl -O https://raw.githubusercontent.com/labring/FastGPT/main/projects/app/data/config.json

我个人习惯在根目录建一个appdata文件夹，docker 应用的数据都放在这里面。1Panel只需要在对应目录点击工具栏中的终端按钮即可连接终端执行代码。此时终端会自动进入到appdata目录，直接依次执行上述命令即可。
执行完毕后，安装成功是这样的：
回到文件—/appdata/fastgpt（或者你设置的文件地址）—单击修改docker-compose.yml中的DEFAULT_ROOT_PSW、OPENAI_BASE_URL和CHAT_API_KEY
DEFAULT_ROOT_PSW：FastGPT登录密码，用户名为root。
OPENAI_BASE_URL：使用 OpenAI 官方 Key 无需更改。第三方 API 则改为第三方的地址，例如：https://api.zetatechs.com/v1
CHAT_API_KEY ：前往【OpenAI 官方】或【本站自营低价 API】API Key（官方 Key 只会在创建时可见，记得保存好。）
修改好后点击右下角确认按钮进行保存。
再次点击工具栏—终端，国外VPS可以直接执行docker compose up -d命令：
```
# 在 docker-compose.yml 同级目录下执行
docker compose pull
docker compose up -d
```
等一会就自动安装成功，点击左侧菜单栏—容器即可找到新创建的fasgpt以及对应数据库。
浏览器地址栏填<主机IP>:3000即可访问FastGPT。

四、FastGPT 作为个人文献知识库

打开FastGPT主页<主机IP>:3000，点击立即开始或者登录按钮，均可进入登录页面。我们安装的是个人版，所以没有多用户系统，只有一个root用户，密码就是刚刚在docker-compose.yml文件中设置的DEFAULT_ROOT_PSW。
登录后进入系统，新创建的FastGPT里是一片空白，我们先点击左侧菜单栏—知识库—新建（右上角）—知识库。只需要给知识库取个名字，其他设置使用默认。
知识库创建后自动进入知识库，之后想进入，只需要点击左侧菜单栏—知识库—选择需要编辑的知识库—新建/导入—文件导入。
我们要搭建的是文献知识库，选择直接分段，然后将需要添加的文献拖入对话框（选择文件最多一次十个，拖入可以更多）。支持.txt, .doc, .docx, .pdf, .md文件。
处理完成后点击确认导入。段落长度默认即可，预估价格是使用 API 的价格，按照 OpenAI 的计费计算，费用是 API Key 提供方收取。

如果遇到索引状态不变，大概率是因为你用的 Key 不支持text-embedding-ada-002模型，具体可以看 Docker 日志。
导入完成后就是这样（可以建立文件夹分类管理）：
然后左侧菜单栏—应用—新建—命名—模板选择知识库+对话引导—确认创建
设置本应用，包括：1.选择模型（红框里的二选一），2.AI 配置（选择模板—标准严格模板，这个模板只会回答知识库里已有的内容），3.关联知识库（关联上你需要询问的知识库）。
GPT4-Vision支持的上下文文本量为128K，比GPT3.5-16K高了很多，虽然更贵，不过价格不敏感的还是选GPT4-Vision吧，效果会好很多。
想要回答的效果更好，就要把关联知识库—参数—单次搜索数量拉到最大。

设置好后记得点击保存并预览，右侧对话框可以实时调试，出现引用说明成功使用了知识库里的资料。点击引用和上下文可以查看具体内容。
演示中我只导入了一些综述，所以不会回答的多具体，如果导入了具体的研究论文，AI 可以根据论文中的 Result and Discussion 回答得更具体。
这样就设置完成了，之后可以在左侧菜单栏—聊天直接开启对话，操作逻辑和其他 AI 对话软件一样，可以新建多个对话，也可以进入不同的应用对不同的知识库进行询问。

注意：演示中我只导入了一些综述，所以不会回答的多具体，如果导入了具体的研究论文，AI 可以根据论文中的 Result and Discussion 回答得更具体。