利用FastGPT与私有知识库构建本地化智能AI客服问答系统

一、了解FastGPT

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。它支持通过Flow可视化进行工作流编排，实现复杂的问答场景。同时，FastGPT支持多种数据导入途径，包括手动输入、直接分段、LLM自动处理和CSV等，并自动对文本数据进行预处理、向量化和QA分割，节省手动训练时间，提升效能。

主要技术包括: Docker 、Next.js 、TypeScript 、ChakraUI 、MongoDB 、Postgres

简而言之，FastGPT能够高效且相对简单的整合各类大模型，构建高效的对话系统，实现智能化问答功能。

二、准备搭建环境

服务器：选择满足FastGPT运行需求的服务器配置，建议Linux系统，本文使用环境为CentenOS7，主要用于Docker部署Mongo和postgresql。（非必须）

数据库也可部署到本地电脑上，也是建议Linux系统，Win系统部署Docker会麻烦一些，可以参考这篇文章：超详细 Windows 安装 Docker Desktop 全过程 juejin.cn/post/713046...
API-Key：请购买一个支持OpenAI、百度千帆、阿里千问、讯飞星火等大模型的聚合API账号，以确保能够顺利访问并调用这些模型。在本示例中，我们将采用OpenAI的GPT 3.5模型进行演示。

三、搭建步骤

安装数据库：在本文中，我们使用了宝塔面板，通过其可视化的Docker管理工具，轻松拉取了Mongo 5.0.18和PostgreSQL 15的镜像，并据此分别创建了Mongo和PostgreSQL的容器实例。

为容器开通了相应的暴露端口，其中PostgreSQL容器的端口设置为5432，MongoDB容器的端口则设置为27017。

**拉取FastGPT代码：**从FastGPT的GitHub仓库进行克隆，可以使用以下命令（请将<github_username>替换为实际的GitHub用户名）：
bash 复制代码
```
git clone git@github.com:<github_username>/FastGPT.git
```
拉取FastGPT项目后，得到一个包含项目所有文件的本地副本。

修改配置文件 ：此步骤至关重要。在成功拉取FastGPT项目后，FastGpt和核心代码在project/app目录下。接下来，复制其目录下的.env.template，并改名为.env.local，并进行配置，关键配置项有数据库连接信息、API密钥、Api网关设置、管理员密码：

ini 复制代码

# 默认用户密码，用户名为 root，每次重启时会自动更新。
DEFAULT_ROOT_PSW=123456
# openai 基本地址，可用作中转。购买的api网关地址
OPENAI_BASE_URL=https://api.hb***.cn/v1
#  ONEAPI 的 key
CHAT_API_KEY=sk-D7lnqa4V6tGENGqh3d1e62BaB9F14dE9A931E83*******
# mongo 数据库连接参数，本地开发时，mongo可能需要增加 directConnection=true 参数，才能连接上。
MONGODB_URI=mongodb://myusername:mypassword@49.***.***.213:27017/fastgpt?authSource=admin&directConnection=true
# PG 数据库连接参数
PG_URL=postgresql://username:password@49.***.***.213:5432/postgres

.env.local的全部配置项，如下：

ini 复制代码

LOG_DEPTH=3
# 默认用户密码，用户名为 root，每次重启时会自动更新。
DEFAULT_ROOT_PSW=123456
# 数据库最大连接数
DB_MAX_LINK=5
# token
TOKEN_KEY=dfdasfdas
# 文件阅读时的秘钥
FILE_TOKEN_KEY=filetokenkey
# root key, 最高权限
ROOT_KEY=fdafasd
# openai 基本地址，可用作中转。
OPENAI_BASE_URL=https://api.hb***.cn/v1
# oneapi 地址，可以使用 oneapi 来实现多模型接入
# ONEAPI_URL=https://xxxx.cloud.sealos.io/openai/v1
# 通用key。可以是 openai 的也可以是 oneapi 的。
# 此处逻辑：优先走 ONEAPI_URL，如果填写了 ONEAPI_URL，key 也需要是 ONEAPI 的 key
CHAT_API_KEY=sk-D7lnqa4V6tGENGqh3d1e62BaB9F14dE9A931E83*******
# mongo 数据库连接参数，本地开发时，mongo可能需要增加 directConnection=true 参数，才能连接上。
MONGODB_URI=mongodb://myusername:mypassword@49.***.***.213:27017/fastgpt?authSource=admin&directConnection=true
# PG 数据库连接参数
PG_URL=postgresql://username:password@49.***.***.213:5432/postgres
# 商业版地址
PRO_URL=
# 首页路径
HOME_URL=/
# Loki Log Path
# LOKI_LOG_URL=

启动系统

此系统采用React框架的Next.js进行前端开发，推荐使用pnpm来管理前端依赖，以提高构建效率和依赖管理的准确性。以下是具体的操作步骤：

1、安装依赖：请执行postinstall.sh脚本来安装所需的依赖项。如果使用的是Windows系统，可以打开该脚本文件，并在PowerShell中依次执行其中的命令。

2、构建前端：在成功安装依赖后，请进入projects/app根目录，并执行pnpm dev命令来启动开发服务器并进行构建。请注意，由于是首次构建，可能会需要较长的时间来完成。
访问系统 ：通过lcoalhost:3000来访问搭建的FastGPT系统，进行后续的配置和使用。

四、使用FastGPT

创建应用：可以根据业务场景，从简易模板、对话引导+变量、知识库+对话引导、问题分类+知识库四种对话模板中进行创建。

创建知识库导入数据集：根据系统提供的指引，完成知识库的创建过程，并导入各类相关的数据集或问答对以供训练。系统支持多种数据格式，包括但不限于本地的PDF、DOCX等文件、网页链接内容、自定义的文本内容，以及CSV格式的表格文件。

在开始创建之前，可以提前准备一些与公司业务紧密相关的客服知识电子文档。这些文档可以是WORD、PDF、TXT、Excel或Markdown等格式的文件，内容应涵盖客户可能询问的各种问题和答案。

此示例中，以自定义文本的方式输入了两个问题，这些问题数据导入后，将自动启动训练过程。

应用绑定企业知识库：将知识库与应用进行绑定，一个应用能够关联多个知识库。当接收到用户的提问时，系统会智能地从已绑定的知识库中优先检索并提取相关的答案，以提供给用户最准确的回复。

应用发布：完成应用的配置后，可以利用发布功能为其生成一个独立的URL。这个URL可以提供给外部的客服咨询用户使用，进行咨询和获取帮助。

通过以上步骤，能够利用FastGPT搭建起一个既高效又智能的AI客服问答系统，该系统将为企业或组织带来卓越的客户服务体验。