AI时代，我用FastGPT低成本搭建了企业知识库问答系统

最新推荐文章于 2025-03-16 23:10:04 发布

产品试金石

最新推荐文章于 2025-03-16 23:10:04 发布

阅读量3.9k

点赞数 34

分类专栏： AI应用文章标签：人工智能

本文链接：https://blog.csdn.net/sunsky89757/article/details/135845058

版权

AI应用专栏收录该内容

19 篇文章

订阅专栏

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

FastGPTLOGO

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：
云小站_专享特惠_云产品推荐-阿里云
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：首页 | XD数字商店

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

Copy

- 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。模型调用请参考此文章>>
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>>：

chatgpt-demo项目地址>>

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：

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；
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；
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。