FastGPT Docker部署教程｜一键部署

FastGPT 是一款面向企业知识库、客服问答、智能体应用的开源大模型应用平台。相比从零开始搭建 LLM 应用，FastGPT 提供了更完整的能力：知识库管理、工作流编排、模型调用、对话应用创建等。对于想快速落地私有化 AI 能力的团队来说，使用 Docker 一键部署，是最省时、最稳定的方式之一。

本文将以 Docker 一键部署 为主线，带你从环境准备、配置文件、启动流程、常见问题，到后续使用和优化，完整完成 FastGPT 的本地或服务器部署。

一、部署前准备

在开始之前，建议先确认你的服务器或本地环境满足以下条件：

1. 基础环境

• 操作系统：Linux / macOS / Windows（推荐 Linux 服务器）
• Docker：建议 24.x 及以上
• Docker Compose：建议使用 docker compose 新版命令
• 内存：至少 4GB，推荐 8GB 及以上
• 磁盘：至少预留 20GB 空间
• 网络：能够访问所需的大模型 API、数据库镜像源等

2. 推荐部署方式

如果是正式环境，建议使用：

• 独立服务器
• 固定域名
• HTTPS 反向代理
• 持久化存储卷

如果只是测试体验，可以直接在本地使用 Docker Compose 启动，几分钟就能跑起来。

二、FastGPT 的部署思路

FastGPT 一般依赖以下几个核心组件：

• FastGPT 主服务：提供前端页面、API 接口、业务逻辑
• 数据库：通常是 MongoDB，用于存储应用配置、知识库、会话等
• 向量库：用于知识检索与召回，常见为 MongoDB 向量能力或其他兼容方案
• 对象存储：用于文件、文档、图片等资源管理
• 大模型服务：如 OpenAI、Azure OpenAI、通义千问、智谱、DeepSeek、本地模型等

Docker 部署的核心价值在于：

1. 环境隔离，避免依赖冲突；
2. 启动快速，配置统一；
3. 容易迁移和备份；
4. 适合团队协作和持续迭代。

三、获取部署文件

通常 FastGPT 官方会提供 docker-compose.yml、.env 示例文件以及相关初始化脚本。你可以通过以下方式获取：

git clone https://github.com/labring/FastGPT.git
cd FastGPT

如果你已经有单独的部署包，也可以直接进入部署目录查看是否包含：

• docker-compose.yml
• .env
• env.example
• README.md

建议先阅读官方仓库中的说明文档，因为不同版本之间的配置项可能略有差异。

四、修改环境配置

FastGPT 的部署通常离不开 .env 配置文件。你需要根据自己的实际情况填写数据库、端口、域名、模型供应商等信息。

1. 基础配置示例

# 服务端口
PORT=3000

# 站点地址
ROOT_URL=http://localhost:3000

# 数据库地址
MONGODB_URI=mongodb://mongo:27017/fastgpt

# JWT 密钥
JWT_SECRET=your-secret-key

# 模型供应商配置
OPENAI_API_KEY=your-api-key
OPENAI_BASE_URL=https://api.openai.com/v1

2. 关键配置说明

PORT

FastGPT 对外提供服务的端口，默认可能是 3000。如果该端口被占用，可以改成其他端口。

ROOT_URL

网站的访问地址。如果你通过域名访问，比如 https://ai.example.com，这里就要改成对应地址。

MONGODB_URI

MongoDB 连接地址。若 MongoDB 也通过 Docker 部署，通常容器名可以直接作为主机名使用。

JWT_SECRET

用于签名身份认证信息，务必设置一个足够复杂的随机字符串，不要用默认值。

模型配置

你选择的模型供应商不同，这部分也不同。比如：

• OpenAI：OPENAI_API_KEY
• DeepSeek：通常需要配置兼容 OpenAI 的 Base URL
• 私有化模型：可能还要指定局域网地址和鉴权方式

五、Docker Compose 一键部署

下面给出一个典型的 Docker Compose 启动思路。实际字段请以你当前版本的官方文档为准。

1. 启动前检查

确认当前目录下存在 docker-compose.yml 和 .env 文件。

可以先查看配置：

cat docker-compose.yml
cat .env

2. 一键启动

docker compose up -d

这个命令会自动拉取镜像并后台启动服务。

如果你使用的是旧版本命令，也可能是：

docker-compose up -d

3. 查看启动状态

docker compose ps

如果容器都处于 running 状态，说明部署成功。

4. 查看日志

如果访问异常，可以看日志排查：

docker compose logs -f

如果只想看某个服务，比如主服务：

docker compose logs -f fastgpt

六、首次访问与初始化

部署完成后，打开浏览器访问：

http://你的IP:3000

如果你配置了域名和反向代理，则访问：

https://你的域名

首次进入时，一般会引导你完成以下操作：

• 创建管理员账号
• 配置模型供应商
• 设置工作空间
• 导入知识库
• 创建应用

建议先完成管理员初始化，再去配置模型和知识库，这样后续操作会更顺畅。

七、配置大模型

FastGPT 的核心能力之一就是调用大模型。你可以根据预算、性能、隐私需求选择不同的模型。

1. 常见模型选择

• OpenAI：效果稳定，生态成熟
• DeepSeek：性价比高，适合中文场景
• 通义千问：适合国内企业应用
• 智谱 GLM：本地化和中文表现不错
• 本地模型：适合数据敏感场景

2. 配置建议

如果是企业正式环境，建议优先考虑：

• 响应稳定
• 支持长上下文
• 价格可控
• 是否支持 OpenAI 兼容接口

FastGPT 通常对 OpenAI 兼容接口支持较好，因此很多国产模型服务商可以直接接入。

3. 选择模型的原则

• 问答类知识库：优先稳定和低延迟
• 文档总结：优先长上下文
• 复杂推理：优先能力强的模型
• 成本敏感：优先低价模型或本地模型

八、知识库导入与测试

部署完成后，最值得验证的就是知识库问答能力。

1. 创建知识库

你可以上传：

• PDF
• Word 文档
• Markdown
• TXT
• FAQ 结构化内容

2. 文档切分

FastGPT 会把大文档切成多个片段，方便向量检索。这里需要注意：

• 切分粒度不要过大
• 内容标题结构尽量清晰
• 表格类内容建议整理成更适合模型理解的格式

3. 测试问答

导入文档后，试着问几个问题：

• “公司报销流程是什么？”
• “如何申请账号权限？”
• “产品安装步骤有哪些？”

如果回答准确，说明知识库召回链路是正常的。

九、反向代理与 HTTPS

如果你希望对外提供正式服务，建议不要直接暴露 Docker 端口，而是使用 Nginx 或 Caddy 做反向代理。

1. 为什么需要反向代理

• 统一入口
• 便于绑定域名
• 便于配置 HTTPS
• 更容易做限流和安全控制

2. Nginx 示例思路

将 ai.example.com 代理到 FastGPT 容器端口：

server {
    listen 80;
    server_name ai.example.com;

    location / {
        proxy_pass http://127.0.0.1:3000;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
    }
}

之后再通过 Certbot 或其他方式申请 HTTPS 证书即可。

十、常见问题排查

1. 容器启动失败

先检查：

• .env 是否缺少必填项
• 端口是否冲突
• 镜像是否拉取成功
• Docker 权限是否正常

可以用：

docker compose logs -f

查看具体报错。

2. 页面能打开但无法对话

可能原因包括：

• 模型 API Key 配置错误
• Base URL 不正确
• 网络无法访问模型服务
• 余额不足或接口被限流

3. 知识库检索不准确

建议检查：

• 文档切分规则是否合理
• 是否上传了重复或噪声文档
• 召回参数是否过于严格
• 使用的模型是否适合中文问答

4. 上传文件失败

可能是：

• 文件过大
• 容器磁盘空间不足
• 对象存储配置错误
• 上传格式不受支持

5. 重启后数据丢失

这通常是因为没有正确挂载持久化卷。请确保：

• MongoDB 数据目录已挂载
• 上传文件目录已挂载
• 配置文件可持久保存

十一、生产环境部署建议

如果你打算长期使用 FastGPT，建议按生产环境标准部署：

1. 数据持久化

一定要挂载：

• 数据库目录
• 上传文件目录
• 日志目录

2. 安全策略

• 修改默认密码
• 使用强 JWT_SECRET
• 限制管理后台访问
• 配置 HTTPS
• 定期备份数据库

3. 性能优化

• 使用更高性能磁盘
• 根据并发情况调整容器资源
• 选择响应更快的模型
• 给数据库配置足够内存

4. 备份方案

建议定期备份：

• MongoDB 数据库
• 上传文件
• .env 配置
• Nginx 配置
• Docker Compose 文件

十二、推荐的部署流程

如果你想要一个最稳妥的一键部署流程，可以参考下面的顺序：

1. 准备服务器和 Docker 环境
2. 拉取 FastGPT 部署文件
3. 修改 .env 配置
4. 启动 docker compose up -d
5. 检查容器状态和日志
6. 浏览器访问站点并初始化管理员
7. 配置模型供应商
8. 导入知识库并验证问答
9. 配置域名和 HTTPS
10. 做好备份与监控

这个流程看似简单，但每一步都很关键。尤其是 .env、数据库持久化和模型配置，决定了你后续是否稳定可用。

十三、FastGPT 的实际应用场景

FastGPT 不只是一个“能聊天”的工具，它更适合落地在以下场景中：

1. 企业知识库

把制度、流程、FAQ、产品手册统一接入，变成可问答的知识助手。

2. 客服机器人

用于售前咨询、售后问答、工单分流，减少人工客服压力。

3. 内部办公助手

员工可以直接问：

• 报销怎么走
• IT 账号怎么开
• 公司制度是什么

4. 产品说明助手

适合软件产品、硬件产品、SaaS 平台，将文档转化为交互式帮助中心。

5. 私有化 AI 应用平台

对于数据敏感行业，FastGPT 可以作为企业内部 AI 中台，统一接入多个模型和知识源。

十四、总结

FastGPT 的 Docker 一键部署方案，最大的优势就是 快、稳、可迁移。只要你准备好基础环境，配置好 .env 和模型信息，使用 docker compose up -d 就能完成核心部署。随后再结合知识库导入、模型接入、域名与 HTTPS 配置，就可以快速搭建出一个可用的企业级 AI 应用平台。

如果你的目标是：

• 快速体验 FastGPT；
• 搭建企业内部知识问答系统；
• 验证大模型应用落地方案；
• 统一管理多个 AI 能力入口；

那么 Docker 部署会是非常合适的起点。

如果你愿意，我可以继续帮你补一版：

1. 更适合公众号发布的排版版式，或者
2. 直接可用的 FastGPT Docker Compose 实战部署教程。