AI新时代：利用FastGPT高效构建企业级知识库问答系统

当今环境，所有企业都有一个绕不开的问题：信息过载。面对大量的信息资源，一方面，人员流失导致企业知识资产的流失几乎是必然现象，项目也往往受制于关键信息的同频而产生很大的负面影响。另一方面，业务模式无论多么简单，新员工上手的学习曲线同样陡峭，往往在同一类问题的解决上反复浪费资源，重复制造车轮。

解决上述问题，企业知识库算是一个比较合适的方案：一个能够保存企业智慧、促进信息共享、提高工作效率、加速新员工培训、支持决策制定的知识协同系统。员工只需要按照企业制定的统一要求，把属于企业的知识放进去，经知识库加工后输出，逐渐在企业内外部共享使用。随着知识库内容和功能的完善，将为企业管理和协同带来巨大的帮助。

知识库有了雏形，我们就可以借助GPT为企业员工和用户更好的输出知识库内容，提升使用体验，从而提升效率。在本文中，我们将借助OpenAI的GPT和开源程序FastGPT的组合方案，低成本实现企业知识库问答系统的搭建，相比于以往服务商提供的动辄几万块的知识库解决方案，甚至让你不需要花钱就能达到同样甚至更好的效果。

FastGPT简介

免费开源程序FastGPT 是一个基于 LLM 大语言模型的知识库问答系统，支持企业内部免费私有化部署，也支持付费商用多用户版本，目前Github9.2kStar，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！

[FastGPT项目地址>>]

功能特点：

• 项目开源
  FastGPT 遵循附加条件 Apache License 2.0 开源协议，你可以 Fork 之后进行二次开发和发布。FastGPT 社区版将保留核心功能，商业版仅在社区版基础上使用 API 的形式进行扩展，不影响学习使用。
• 独特的 QA 结构
  针对客服问答场景设计的 QA 结构，提高在大量数据场景中的问答准确性。
• 可视化工作流
  通过 Flow 模块展示了从问题输入到模型输出的完整流程，便于调试和设计复杂流程。
• 无限扩展
  基于 API 进行扩展，无需修改 FastGPT 源码，也可快速接入现有的程序中。
• 便于调试
  提供搜索测试、引用修改、完整对话预览等多种调试途径。
• 支持多种模型
  支持 GPT、Claude、文心一言等多种 LLM 模型，未来也将支持自定义的向量模型。

工作原理：

搭建准备

• 服务器：2核2G3M20GB以上即可，推荐入手阿里云99元/年ECS云服务器，推荐购买链接：
  [www.aliyun.com/minisite/go…]
• 域名：阿里云购买域名并在上述购买服务器上进行企业备案（企业备案完成大概1~2周左右时间）。
• API-Key：购买可以支持gpt-3.5和4系列、国内主流AI等多个大模型的聚合API，推荐购买链接：[one.meithink.com/]

以上就是搭建所需全部条件，搭建费用总计成本200元以内，准备好后可继续往下阅读。

搭建步骤

• 在服务器完成宝塔安装（略）

• 服务器端口放行3000（或把默认设置3000修改为自定义的端口并放行）
  

• Docker部署FastGPT

  • 打开宝塔，安装Ngixn推荐环境，再在应用商店安装Docker管理器，进入SSH终端；
    
  • 命令创建文件夹并拉取配置文件：

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

• • yml和json设置
    docker-compose.yml文件主要改三个位置（密码、接口、API-Key），如下图：
    
    config.json可不修改，按需添加。建议添加默认模型：gpt-4-turbo
    
  • 注意，在国内拉取github源镜像可能会非常缓慢甚至卡住不动，这里建议从yml设置文件中修改镜像源为阿里云，如下图：
    
  • 分别执行以下三条命令，拉取镜像并启动：
    cd fastgpt
    docker-compose pull
    docker-compose up -d
  • 完成后，打开你的服务器ip+端口访问，比如：1.1.1.1:3000

• url绑定程序

  • 在域名服务商控制台，将访问域名解析到你的服务器IP，如www.123.com；
  • 在宝塔面板→网站→添加网站，设置如图：
    
  • 添加SSL证书（略）；
  • 反向代理ip，绑定url：
    
  • 通过域名访问成功即完成搭建。
    

FastGPT使用

搭建成功后，通过用户名和密码访问私有化部署的FastGPT即可展开使用，你可以基于企业特点选择怎样去使用它，这里我们来简要介绍几个核心功能：

• 创建知识库
  提前准备好你的投喂资料，然后根据系统提示完成知识库的创建即可：
  
• 绑定应用
  新建一个应用，并将知识库与该应用捆绑，你还可以设定回答模型，提示词，语音设置等。
  
• 高级编排
  个人感觉这是FastGPT最良心的功能，高级编排是大模型回答前的预判断条件语句，可以更好的分类用户问题并给出更准确的回答。
  
• 设置外链
  你可以为你的知识库应用生成无需登录即可访问的外部链接。这样做，我们可以将知识库用在任何我们需要的地方，也可以用frame形式嵌入网站。
  
• 设置OpenAI格式的API
  此功能是FastGPT得以广泛使用的原因之一。我们可以将知识库以API的形式输出（OpenAI Chat格式），如此以来大大扩展了知识库的使用面积，可以任意场景快速接入知识库，包括我们熟知的Nextchat这一类AI程序，也可以对接使用，方法和接入OpenAI的API一致。因为蛋壳API是聚合了几十种大模型于一身，通过Newapi进行了格式统一，所以我们购买后可以通过蛋壳API任意调用其中的大语言模型，比如gpt系列+知识库、通义千问+知识库、讯飞星火+知识库、智谱清言+知识库等等。模型调用请参考
  
• 效果展示
  我基于网站FAQ用FastGPT + gpt-3.5 + chatgpt-demo做了个蛋壳AI客服，[蛋壳AI客服访问链接>>]：
  [
  知识库建设思路

---

目前看来，中国大部分中小企业还是没有知识库概念的，老板不重视，员工更不会重视，就像开篇说的那样，企业在人才流失的同时，也流失了太多本应该属于企业的知识沉淀。企业太缺乏这种资产保护意识了！

FastGPT的出现，从一定意义上来说更加具体了知识库的概念，降低了知识库的入门标准，拉低了成本，我在本文也重点介绍了知识库问答系统搭建的整个过程，总的来说还是非常简单的。如此以来也可以倒逼企业建设属于自己的知识库，降本增效就在眼前，无论企业大小，都可以开始着手尝试应用了！

如果还没有头绪着手开始这件事，以下方式可以参考：

1. 指定1名人员作为知识库管理员，并安排其完成基于FastGPT的知识库问答系统搭建，功能使用培训；
2. 各个部门指定1名人员并分配后台账号，负责录入并调校本部门知识档案的输出（包含但不限于规章制度、工作流程、优秀案例、企业文化、宣传资料、产品资料、技术文件等等），并定期维护和更新本部门资料；
3. 由知识库管理员基于知识库创建不同功能的应用，如新员工AI培训师、AI财务助理、AI客服等等，还可以通过知识库API继续深度开发知识库相关应用程序。

总结

虽然短期来看，搭建企业知识库比较费时费力，并有一定滞后性，甚至影响员工工作的积极性，尤其是在知识库内容不全面急需补充的阶段。但是长期来看，建设企业知识库不仅可以提高企业的运营效率，还可以促进企业的持续学习和发展，提高客户满意度，支持决策制定，降低风险，最终加强企业的竞争力。

大模型&AI产品经理如何学习

求大家的点赞和收藏，我花2万买的大模型学习资料免费共享给你们，来看看有哪些东西。

1.学习路线图

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

2.视频教程

网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。

（都打包成一块的了，不能一一展开，总共300多集）

因篇幅有限，仅展示部分资料，需要点击下方图片前往获取

3.技术文档和电子书

这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。

4.LLM面试题和面经合集

这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓