飞牛NAS部署FastGPT
前言
FastGPT是什么？
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！
与dify的区别对比竹瓜就直接贴一下perplexity的回答
fastgpt的docker-compose提供的三个版本，本次部署的是第一个PgVector的轻量版本版本区别如下：
部署
先读一下fastgpt的compose
<span leaf="">https://github.com/labring/FastGPT/blob/main/deploy/docker/docker-compose-pgvector.yml</span>
发现虽然fastgpt也使用了PostgreSQL数据库的5432端口，但是- <span leaf="">5432:5432</span> 的端口映射已被注释，因此 PostgreSQL 容器不会绑定宿主机的 5432 端口。
PostgreSQL 仅在 Docker 内部网络 (<span leaf="">fastgpt</span>) 中通过 <span leaf="">pg:5432</span> 访问，不会与宿主机的 5432 端口冲突
整个compose文件默认端口映射仅有fastgpt的web访问端口3000，只要确保3000端口没有被占用就能顺畅部署
如果需要外网访问需求修改第97行默认的密码
方法一 通过官方一键脚本部署
在飞牛设置中打开ssh
在飞牛文件管理docker目录下新建fastgpt文件夹，右键详细信息复制原始路径
通过ssh工具连接上飞牛 用飞牛账户密码登录后先执行sudo -i 再次输入密码切换到root账户 输入cd+复制的路径 命令进入到刚创建的文件夹目录
依次执行官方文档中的命令
curl -O https://raw.githubusercontent.com/labring/FastGPT/main/projects/app/data/config.json
curl -o docker-compose.yml https://raw.githubusercontent.com/labring/FastGPT/main/deploy/docker/docker-compose-pgvector.yml
docker compose up -d
等待拉取完毕，返回飞牛可以看到对应的容器已经启动了
又发现一个容器一直在重启，查看日志发现是config.json文件没有权限读取
返回ssh界面用 <span leaf="">ls -l ./config.json</span> 命令确认一下文件权限，发现上面用curl直接拉取的文件只有dawei 和root有访问权限其他用户无权读取
用 <span leaf="">chmod 644 ./config.json</span>命令赋予一下其他用户读取文件权限
在回到飞牛就能正常启动了 打开http://飞牛ip:3000就能看到fastgpt登录界面了
方法二 直接通过docker compose启动
一样在飞牛文件管理docker目录下新建fastgpt文件夹
先下载config.json 文件
打开fastgpt的GitHub地址
<span leaf="">https://github.com/labring/FastGPT/blob/main/projects/app/data/config.json</span>
在projects--app--data目录下下载config.json
把下载的文件上传至飞牛docker--fastgpt目录下
再打开 <span leaf="">https://github.com/labring/FastGPT/tree/main/deploy/docker</span> 在deploy--docker目录下打开docker-compose-pgvector.yml复制compose代码
回到飞牛--docker--compose 粘贴代码并勾选立即启动，路径还是选择docker--fastgpt
打开http://飞牛ip:3000就能看到fastgpt登录界面了
使用
使用默认的用户名root 密码1234 登录
如下图新增模型渠道这里演示用硅基流动的api，没有注册的可以用我的邀请链接注册你我都能获得14元无期限的赠金 <span leaf="">https://cloud.siliconflow.cn/i/uy4d8V8Y</span>
这里的模型没有显示DeepSeek-R1我们新增一下，还是点击新增渠道，点击新增模型，选择语言模型
PixPin_2025-03-15_21-11-22
新增完模型在模型渠道中编辑一下把新增的模型添加进去，然后在模型配置里面把新增的模型都打开，可以点击一下小飞机测试一下模型是否可用
PixPin_2025-03-16_09-24-30
在侧边栏创建一个通用知识库
选择导入文本数据集，一路下一步直到显示已就绪，很快知识库就创建完成了
回到工作台创建一个简易小助手
回答和引用还是很准确的
最后
上期提到dify创建的agent外部调用的api格式不兼容OpenAI格式，fastgpt的兼容性就很好可以任意的接入各种机器人、聊天工具而且fastgpt部署简单，功能强大知识库引用精准，编排可视化做的很好，能轻松做到零代码创建可用agent。大伙感兴趣的话下期用fastgpt的高级编排复刻一下上期dify中推荐的deepgemini，顺便为deepgemini添加联网搜索的功能
文中嵌入模型使用的是硅基流动的api，有需要的小伙伴也可以使用docker自部署M3E的嵌入模型配置再配合本地的ollama就能实现完全的本地化
上文接入的硅基流动的DeepSeek-R1在晚高峰使用会有明显卡顿，实测嵌入模型速度还是很快的，嫌速度慢的话可以接入一下火山引擎的api
2025-7-4 11:18:33
看我的，把FastGPT的数据库和minio，api分发都拆出来了，调用我以前部署的