FastGPT

TL;DR

来源说明：本文基于 fastgpt.io 官方页面、github.com/labring/FastGPT 仓库、南环 AI 2026-05 评测、腾讯云开发者社区 2026-03 部署教程综合整理。版本迭代较快，命令和价格请以最新官方文档为准。

核心特性

知识库管理（核心能力）

支持文件类型：

• 文档：PDF / Word / Markdown / TXT / HTML
• 表格：Excel / CSV
• 网页：URL 抓取 + 定时同步
• API：通过接口推送内容

处理流程：上传 → 文本切分 → 向量化 → 存储 → 可用于问答。支持：

• 文件夹分组：不同主题 / 部门分类
• 多种分块策略：默认按段落 / 按 token 数 / 自定义
• 批量导入：脚本化大批量同步
• 定时同步：网页源自动更新

RAG 流程编排（最强卖点）

南环 AI 2026 评测 总结的 FastGPT RAG 链路：

1. 问题预处理：改写 / 扩展 / 错词纠正（提升召回率）
2. 检索策略：语义检索 / 关键词 BM25 / 混合检索，可调相似度阈值
3. 重排序（Rerank）：对初步检索结果二次排序，提升相关性
4. 上下文组装：最优 chunk + 问题 → prompt
5. 答案生成：调大模型基于检索结果回答 + 引用标注

每一步都可视化调参，这是 FastGPT 比 Coze / Dify 在 纯知识库 QA 精度上更高的原因。

多模型支持（不绑定厂商）

可以在 应用级别为不同知识库 / 不同场景配置不同模型，做"低成本 embedding + 高质量 LLM 生成"组合。

工作流与高级编排

新版本（v4.14.x）支持类似 Dify 的工作流节点编排——条件分支、循环、HTTP 调用、代码节点。能做"分类 → 路由到不同子知识库 → 不同模型回答"这类复杂场景。

多向量库选择

腾讯云教程 公开的 4 种向量后端：

部署时选对应 docker-compose.{pgvector|milvus|...}.yml。

API 与 MCP

• 对话 API：流式 / 非流式 HTTP，OpenAI 兼容
• 知识库检索 API：单独调检索（不走生成）做 hybrid pipeline
• MCP Server：3005 端口暴露 MCP SSE 服务，可被 Claude Code 等客户端直接接入
• Webhook：回调通知

部署 10 分钟（Docker）

# 克隆代码
git clone https://github.com/labring/FastGPT.git
cd FastGPT

# 切到最新稳定版（参考 GitHub releases）
git switch -c 4.14.7.2

# 选向量库版本（个人 / 小规模选 pg）
cd deploy/docker/cn
wget https://doc.fastgpt.cn/deploy/config/config.json

# 启动
docker-compose -f docker-compose.pg.yml up -d

# 访问 http://<ip>:3000，默认账号 root / 1234

最低配置：2C4G + 20GB 硬盘 + Docker 28+ + Docker Compose 2.20+。

进入后台 → 账号 → 模型提供商 → 配置至少 1 个对话模型 + 1 个嵌入模型 → 即可开始建知识库。

云版 vs 自托管对比

fastgpt.io 官方定价 公开数据：

云版适合：不想运维、量小、要快速上线 自托管适合：量大（10 万+ 日问答）、数据敏感、要深度定制——按 南环评测 估算："日均 10 万次问答的企业场景，商业 SaaS 年费数十万，自建 FastGPT + 开源模型只需数万硬件投入"

与同类怎么选

怎么选（综合 南环 AI 评测）：

• 核心需求是 RAG 精度 → FastGPT
• 需要丰富插件 + 复杂工作流 + 多平台发布 → Dify
• 零代码、快速发布到飞书 / 微信 → Coze
• 文档解析（含 OCR / 表格 / 公式）是瓶颈 → RAGFlow
• 桌面 / 单机使用 → AnythingLLM

很多企业同时用：FastGPT 做知识库底座 + Coze 做前端 Bot 发布 / 工作流编排。

避坑清单

• docker-compose 镜像 tag 不一致：腾讯云教程 实测的坑——某些版本编排文件的 image tag 与最新 release 不一致，启动报"镜像找不到"，手动改 image: 行为正确版本即可
• 3000 端口冲突：默认占用 3000（主服务）/ 9000（S3 / MinIO）/ 3005（MCP）；改 docker-compose 的 ports 映射端口
• PostgreSQL pgvector 不够用就换 Milvus：单库索引超 5000 万时 pgvector 查询性能下降，切 Milvus
• 向量库选错代价大：先评估索引量再选向量后端，迁移要重新 embedding 整库，按 南环评测："新手 / 小规模 PgVector，中大规模 Milvus，企业 / 国产 OceanBase"
• MinIO 默认密码：minioadmin/minioadmin，部署到公网前必须改
• 分段策略影响巨大：默认分段对长法律 / 医疗文档不友好，需调"按章节"或"自定义"
• 嵌入模型 ≠ 对话模型：经常有人只配 GPT-4 没配 embedding 模型，知识库无法索引——必须同时配两类
• 云版 AI 积分会过期：未用完不能跨月累积（按 fastgpt.io 定价 FAQ）

适合 / 不适合

✅ 适合：

• 企业内部知识库（员工手册 / 制度 / 流程）
• 产品 FAQ / 用户手册问答
• 医疗 / 法律 / 金融垂直领域知识系统
• 数据严格不出网 + Apache 2.0 商用
• 有 docker 运维基础的技术团队
• 需要把 RAG 当后端服务的开发者（API 接入业务系统）

❌ 不适合：

• 完全非技术用户（去 Coze）
• 主要需求是工作流 + 插件集成（去 Dify）
• 文档解析 / OCR 是首要痛点（RAGFlow）
• 不想自己运维 + 量很小（FastGPT 云免费版起步即可）

相关阅读

• 同类对比：Dify / Coze / RAGFlow / AnythingLLM / n8n
• 概念：RAG / Embedding / Vector Database / Reranker / AI Agent
• 模型：DeepSeek-V3 / Qwen3 / GLM-5.2 / Kimi K2 / 豆包 Doubao
• 进阶：Context Engineering / Prompt Engineering

来源

• 官网：https://fastgpt.io
• GitHub：https://github.com/labring/FastGPT
• 定价：https://fastgpt.io/zh/price
• 第三方评测：南环 AI / 腾讯云开发者社区 / 飞书 AGI 掘金知识库

本卡片由 AIHO 编辑部根据官方公开资料与第三方评测整理。所有事实点均标注来源；如发现价格 / 命令 / 功能与最新官方信息不一致，请通过 /submit 反馈。