Mac下使用Docker快速布署FastGPT实现AI私有知识库

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！

官网地址为：https://github.com/labring/FastGPT

应用场景

具体的玩法是什么：添加或者采集文章，添加到自己的知识库，FastGPT会向量化保存。整合上ChatGPT。

当你提问的内容匹配到自己采集的文章时，会让AI整合知识库的内容进行回复。

比如：下载100篇指定品类的小红书爆文。配合ChatGPT。

可以让AI更高质量的产出此品类下的文章 。搭建自己定制化的AI智能知识助手。

本文参考官方教程，进行布署，在Mac下的布署会有一点问题，官方仓库也没有issue提到，故记录。

一、安装 Docker 和 docker-compose

Docker是一种容器技术，可以快速布署环境到机器上，并且和主机隔离，应该相当广泛。

其中最核心的概念有2个，一个是镜像images，一个是容器container。

镜像就像是一个模板，容器就是利用这个模板建立的环境。

docker-compose则是docker专用的编排工具，就是设计好模板，让docker按模板来下载、启动并运行相关的镜像。

下面是FastGPT官方的流程。

# 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

实际应用中，Mac安装会比较简单，可以参考：https://docs.docker.com/docker-for-mac/install/#download-docker-for-mac

docker-compose安装可以参考：https://docs.docker.com/compose/install/standalone/

下载dmg安装包，直接就可以安装上。

Linux会复杂一些。安装好之后，可以很快速的搭建本机或者线上的环境，比如我本机Mac上，可以快速搭建一个随用随开的MySQL数据库。

只要一行就可以了。先去Docker官方的中央仓库选好镜像。https://hub.docker.com/ ，注意不同的tag代表不同的版本说明。
我选择mysql8.3进行安装，复制页面上的参数命令。https://hub.docker.com/_/mysql/tags

# 1、拉取镜像image
docker pull mysql:8.3.0

# 创建本地目录：
mkdir -p {data,conf,backup,logs,mysql-files}

# 配置端口和映射本地目录
docker run --name mymysql5.8 \
    --restart always \
    -p 3306:3306 \
    -e MYSQL_ROOT_PASSWORD=xxxx \
    -v /data/env/mysql/data:/var/lib/mysql \
    -v /data/env/mysql/conf:/etc/mysql/conf.d \
    -v /data/env/mysql/backup:/backup \
    --character-set-server=utf8mb4 --collation-server=utf8mb4_unicode_ci
    -d mysql:8.3.0
		

如果想建立第二个库，改个新端口，并把-name改个名字，即可运行。

还有很多用法，可以百度一下，很多相关的资料。

二、下载FastGPT

依次执行下面命令，创建 FastGPT 文件并拉取docker-compose.yml和config.json，执行完后目录下会有 2 个文件。

cd ~/MyCodeEnv
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

三、配置修改

修改docker-compose.yml中的
1、OPENAI_BASE_URL 改为你的GPT的链接。默认为https://api.openai.com/v1，如果你有魔法环境，不需要改，如果在国内本地，改为中转代理地址。
2、CHAT_API_KEY，对应的ChatGPT的key值。

至于中转代理，可以用Nginx进行中转或者Clash，也可以购买别人建立好的。当然也可以用OneAPI，同样使用Docker搭建。不过需要搭建到HK这些节点，国内是访问不到GPT的API的。

如果直接使用 OneAPI 的话，OPENAI_BASE_URL=OneAPI访问地址/v1；CHAT_API_KEY=令牌

我在本地搭建了OneAPI，所以填配置为：

OPENAI_BASE_URL=http://localhost:13000/v1
CHAT_API_KEY=sk-xxxxxxxx # OneAPI后台的Key不是ChatGPT的。特别注意。非OneAPI后台则是填ChatGPT的key值。

如果有需要还可以修改别的信息

最后启动

# 在 docker-compose.yml 同级目录下执行
docker-compose pull
docker-compose up -d

Mac上有Docker管理工具，安装好docker之后自带的。

看到都在Running中代表正常。

如果是Linux系统可以使用docker ps 检查运行状态。

四、初始化 Mongo 副本集(4.6.8以前可忽略)

FastGPT 4.6.8 后使用了 MongoDB 的事务，需要运行在副本集上。副本集没法自动化初始化，需手动操作。

# 查看 mongo 容器是否正常运行
docker ps

# 进入容器
docker exec -it mongo bash

# 连接数据库（这里要填Mongo的用户名和密码）
mongo -u myusername -p mypassword --authenticationDatabase admin
mongo -u root -p QyhsTech2023 --authenticationDatabase admin

# 初始化副本集。如果需要外网访问，mongo:27017 可以改成 ip:27017。但是需要同时修改 FastGPT 连接的参数（MONGODB_URI=mongodb://myname:mypassword@mongo:27017/fastgpt?authSource=admin => MONGODB_URI=mongodb://myname:mypassword@ip:27017/fastgpt?authSource=admin）
rs.initiate({
  _id: "rs0",
  members: [
    { _id: 0, host: "mongo:27017" }
  ]
})
# 检查状态。如果提示 rs0 状态，则代表运行成功
rs.status()

这一步会有很大的问题。官方的仓库也有大量的人反映 https://github.com/labring/FastGPT/issues/823

官方的解决方案我放到最后了，参考之后并没有解决。安装时一切正常。登陆时，却提示：
Operation users.findOne() buffering timed out after 10000ms

后来反复删除安装依然不行。但是在启动过程中发现Docker提示：WARNING: MongoDB 5.0+ requires a CPU with AVX support

查了一下，应该是镜像不支持Mac M2芯片，但是看界面上mongo容器是正常Running状态。

于是进入容器检查

docker exec -it mongo bash
ps aux|grep mongo

发现并没有mongo进程，查了一下数据目录，也没有文件出来。怀疑是mongo并没有启动。

于是重新检查docker-compose.yml配置文件。

把image的基础镜像改为官方版本，支持aarm64的Mac镜像的。

具体操作为：修改docker-compose.yml

image: registry.cn-hangzhou.aliyuncs.com/fastgpt/mongo:5.0.18
修改为：
image: mongo:5.0.18

保存并重新安装：

docker-compose down
docker-compose up -d

这下检查数据库有内容了。再回过去，初始化官方要求的副本集。一切正常了。

四、访问 FastGPT并使用

目前可以通过 ip:3000 直接访问(注意防火墙)。登录用户名为 root，密码为docker-compose.yml环境变量里设置的 DEFAULT_ROOT_PSW。
不修改配置的话，默认为：
http://localhost:3000
默认为：
账号：root
密码：1234

如果布到公网可以加一层Nginx，绑定上域名使用。

Mongo 启动失败

docker-compose 示例优化 Mongo 副本集参数，不需要手动创建再挂载。如果无法启动，可以尝试更换下面的脚本：

1、终端中执行：

openssl rand -base64 756 > ./mongodb.key
chmod 600 ./mongodb.key
chown 999:root ./mongodb.key

2、修改 docker-compose.yml：

mongo:
image: registry.cn-hangzhou.aliyuncs.com/fastgpt/mongo:5.0.18 # 阿里云
container_name: mongo
ports:
  - 27017:27017
networks:
  - fastgpt
command: mongod --keyFile /data/mongodb.key --replSet rs0
environment:
  # 默认的用户名和密码，只有首次允许有效
  - MONGO_INITDB_ROOT_USERNAME=myusername
  - MONGO_INITDB_ROOT_PASSWORD=mypassword
volumes:
  - ./mongo/data:/data/db
  - ./mongodb.key:/data/mongodb.key

3、重启服务
docker-compose down
docker-compose up -d

4、进入容器执行副本集合初始化（看上方）

最后的界面如图

可以往里面导入文章，FastGPT会自动进行处理了。

如果有别的模型，比如讯飞的，360的。也可以接入，方法，
就是使用OneAPI包装这几家的API。
修改config.json，第二步下载的配置文件之一，增加上对应平台的model参数即可。

没有ChatGPT依然可以玩国内的AI，免费的也不少。

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、LLM大模型系列视频教程

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。

• 内容：

  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
  • L1.4.1 知识大模型
  • L1.4.2 生产大模型
  • L1.4.3 模型工程方法论
  • L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

• 内容：

  • L2.1 API接口
  • L2.1.1 OpenAI API接口
  • L2.1.2 Python接口接入
  • L2.1.3 BOT工具类框架
  • L2.1.4 代码示例
  • L2.2 Prompt框架
  • L2.3 流水线工程
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

• 内容：

  • L3.1 Agent模型框架
  • L3.2 MetaGPT
  • L3.3 ChatGLM
  • L3.4 LLAMA
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

• 内容：

  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​