FastGPT Docker部署教程｜附配置文件

FastGPT 是一款基于大语言模型的知识库问答与 AI 应用编排平台，支持知识库导入、向量检索、工作流编排、多模型接入、API 调用等能力。对于个人开发者、企业内部知识库、智能客服、RAG 应用原型验证等场景来说，FastGPT 都是一个非常实用的开源项目。

本文将以 Docker Compose 的方式介绍 FastGPT 的部署流程，并提供一套可参考的配置文件，帮助你快速在 Linux 服务器上完成部署。

说明：FastGPT 版本更新较快，不同版本的配置项可能会有所差异。本文以常见 Docker Compose 部署思路为主，实际生产环境建议结合官方文档与具体版本进行调整。

一、部署前准备

在开始部署之前，需要准备一台 Linux 服务器。推荐配置如下：

如果只是个人测试，2 核 4G 也可以运行；如果用于团队知识库、多人访问或大量文档解析，建议至少 4 核 8G。

二、安装 Docker 和 Docker Compose

如果服务器已经安装 Docker，可以跳过本节。

1. 更新系统软件包

sudo apt update
sudo apt upgrade -y

2. 安装 Docker

使用官方脚本安装：

curl -fsSL https://get.docker.com | bash

安装完成后，启动 Docker：

sudo systemctl enable docker
sudo systemctl start docker

查看 Docker 版本：

docker version

3. 安装 Docker Compose

新版 Docker 一般已经内置 Compose 插件，可以使用以下命令检查：

docker compose version

如果能够正常输出版本号，说明已经安装成功。

三、FastGPT 部署目录规划

建议将 FastGPT 相关文件统一放在一个目录中，例如：

mkdir -p /opt/fastgpt
cd /opt/fastgpt

后续所有配置文件都放在该目录下，便于维护、升级和备份。

推荐目录结构如下：

/opt/fastgpt
├── docker-compose.yml
├── config.json
├── mongo
│   └── data
├── pg
│   └── data
└── nginx
    └── fastgpt.conf

其中：

• docker-compose.yml：Docker Compose 主配置文件；
• config.json：FastGPT 应用配置文件；
• mongo/data：MongoDB 数据持久化目录；
• pg/data：PostgreSQL 数据持久化目录；
• nginx/fastgpt.conf：可选，反向代理配置。

四、编写 FastGPT 配置文件

在 /opt/fastgpt 目录下创建 config.json：

vim config.json

示例配置如下：

{
  "systemEnv": {
    "vectorMaxProcess": 15,
    "qaMaxProcess": 15,
    "pgHNSWEfSearch": 100
  },
  "llmModels": [
    {
      "model": "gpt-4o-mini",
      "name": "GPT-4o Mini",
      "maxContext": 128000,
      "maxResponse": 16000,
      "quoteMaxToken": 120000,
      "maxTemperature": 1.2,
      "charsPointsPrice": 0,
      "censor": false,
      "vision": true,
      "datasetProcess": true,
      "usedInClassify": true,
      "usedInExtractFields": true,
      "usedInToolCall": true,
      "usedInQueryExtension": true,
      "toolChoice": true,
      "functionCall": true
    }
  ],
  "vectorModels": [
    {
      "model": "text-embedding-3-small",
      "name": "text-embedding-3-small",
      "charsPointsPrice": 0,
      "defaultToken": 700,
      "maxToken": 3000,
      "weight": 100
    }
  ],
  "reRankModels": [],
  "audioSpeechModels": [],
  "whisperModel": {
    "model": "whisper-1",
    "name": "Whisper"
  }
}

以上配置只是示例，主要定义了：

• 可用的大语言模型；
• 向量模型；
• 语音识别模型；
• 系统处理参数。

如果你使用的是 OpenAI 兼容接口，例如 One API、New API、LiteLLM、硅基流动、DeepSeek、通义千问、智谱等平台，需要根据实际模型名称进行修改。

例如 DeepSeek Chat 模型可以配置为：

{
  "model": "deepseek-chat",
  "name": "DeepSeek Chat",
  "maxContext": 64000,
  "maxResponse": 8000,
  "quoteMaxToken": 30000,
  "maxTemperature": 1.2,
  "charsPointsPrice": 0,
  "censor": false,
  "vision": false,
  "datasetProcess": true,
  "usedInClassify": true,
  "usedInExtractFields": true,
  "usedInToolCall": true,
  "usedInQueryExtension": true,
  "toolChoice": true,
  "functionCall": true
}

五、编写 Docker Compose 配置文件

在 /opt/fastgpt 目录下创建 docker-compose.yml：

vim docker-compose.yml

下面是一份较完整的示例配置：

version: "3.9"

services:
  mongo:
    image: mongo:5.0
    container_name: fastgpt-mongo
    restart: always
    command: mongod --keyFile /data/mongodb.key --replSet rs0
    environment:
      MONGO_INITDB_ROOT_USERNAME: myusername
      MONGO_INITDB_ROOT_PASSWORD: mypassword
    volumes:
      - ./mongo/data:/data/db
      - ./mongodb.key:/data/mongodb.key
    networks:
      - fastgpt

  mongo-init:
    image: mongo:5.0
    container_name: fastgpt-mongo-init
    depends_on:
      - mongo
    restart: "no"
    entrypoint: >
      bash -c "
      sleep 8;
      mongosh --host mongo:27017 -u myusername -p mypassword --authenticationDatabase admin
      --eval '
      rs.initiate({
        _id: \"rs0\",
        members: [
          { _id: 0, host: \"mongo:27017\" }
        ]
      })
      ';
      "
    networks:
      - fastgpt

  postgres:
    image: pgvector/pgvector:0.7.0-pg15
    container_name: fastgpt-postgres
    restart: always
    environment:
      POSTGRES_USER: postgres
      POSTGRES_PASSWORD: pgpassword
      POSTGRES_DB: fastgpt
    volumes:
      - ./pg/data:/var/lib/postgresql/data
    networks:
      - fastgpt

  fastgpt:
    image: ghcr.io/labring/fastgpt:latest
    container_name: fastgpt
    restart: always
    depends_on:
      - mongo
      - postgres
    ports:
      - "3000:3000"
    environment:
      DEFAULT_ROOT_PSW: "123456"
      OPENAI_BASE_URL: "https://api.openai.com/v1"
      CHAT_API_KEY: "sk-xxxxxxxxxxxxxxxxxxxxxxxx"
      DB_MAX_LINK: 30
      TOKEN_KEY: "any-random-string"
      ROOT_KEY: "root-random-string"
      FILE_TOKEN_KEY: "file-random-string"
      MONGODB_URI: "mongodb://myusername:mypassword@mongo:27017/fastgpt?authSource=admin&replicaSet=rs0"
      PG_URL: "postgresql://postgres:pgpassword@postgres:5432/fastgpt"
    volumes:
      - ./config.json:/app/data/config.json
    networks:
      - fastgpt

networks:
  fastgpt:
    driver: bridge

六、生成 MongoDB KeyFile

由于示例中 MongoDB 使用了副本集模式，需要创建 mongodb.key 文件。

在 /opt/fastgpt 目录下执行：

openssl rand -base64 756 > mongodb.key
chmod 400 mongodb.key

如果不设置正确权限，MongoDB 容器可能会启动失败。

七、配置项说明

下面对几个关键配置项进行说明。

1. FastGPT 镜像

image: ghcr.io/labring/fastgpt:latest

latest 表示使用最新版本。生产环境不建议长期使用 latest，因为升级不可控，建议指定明确版本号，例如：

image: ghcr.io/labring/fastgpt:v4.x.x

具体版本可以到 FastGPT 官方仓库或镜像仓库查看。

2. 默认管理员密码

DEFAULT_ROOT_PSW: "123456"

首次启动后，系统会创建默认管理员账号。请务必修改默认密码，不要在公网环境使用弱密码。

建议改成复杂密码，例如：

DEFAULT_ROOT_PSW: "FastGPT@2025#StrongPassword"

3. OpenAI 接口地址

OPENAI_BASE_URL: "https://api.openai.com/v1"

如果你使用的是 OpenAI 官方接口，保持该地址即可。

如果你使用 One API 或 New API 中转服务，则填写对应地址，例如：

OPENAI_BASE_URL: "https://oneapi.example.com/v1"

如果使用本地模型服务，比如 Ollama、vLLM、Xinference，也可以填写兼容 OpenAI API 的地址，例如：

OPENAI_BASE_URL: "http://host.docker.internal:8000/v1"

Linux Docker 环境中，如果容器访问宿主机服务，可以考虑使用宿主机内网 IP，或额外配置 extra_hosts。

4. 模型 API Key

CHAT_API_KEY: "sk-xxxxxxxxxxxxxxxxxxxxxxxx"

这里填写模型供应商的 API Key。

如果使用 One API，一般填写 One API 中生成的令牌。

5. MongoDB 连接地址

MONGODB_URI: "mongodb://myusername:mypassword@mongo:27017/fastgpt?authSource=admin&replicaSet=rs0"

这里需要注意：

• 用户名和密码要与 MongoDB 环境变量一致；
• 主机名 mongo 对应 Docker Compose 中的服务名；
• replicaSet=rs0 要与 MongoDB 启动参数一致；
• authSource=admin 表示认证数据库为 admin。

6. PostgreSQL 连接地址

PG_URL: "postgresql://postgres:pgpassword@postgres:5432/fastgpt"

PostgreSQL 主要用于向量数据存储。这里使用的是带 pgvector 扩展的 PostgreSQL 镜像。

八、启动 FastGPT

在 /opt/fastgpt 目录下执行：

docker compose up -d

查看容器状态：

docker compose ps

正常情况下可以看到类似容器：

fastgpt
fastgpt-mongo
fastgpt-postgres

查看日志：

docker compose logs -f fastgpt

如果日志中没有明显报错，等待几十秒后即可访问：

http://服务器IP:3000

首次访问后，使用默认管理员账号登录，具体账号以当前版本说明为准，常见为：

用户名：admin
密码：docker-compose.yml 中 DEFAULT_ROOT_PSW 设置的值

九、配置 Nginx 反向代理

如果需要绑定域名并使用 HTTPS，建议通过 Nginx 做反向代理。

例如你的域名是：

fastgpt.example.com

可以创建 Nginx 配置文件：

vim /etc/nginx/conf.d/fastgpt.conf

写入以下内容：

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

    client_max_body_size 200m;

    location / {
        proxy_pass http://127.0.0.1:3000;
        proxy_http_version 1.1;

        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;

        proxy_set_header Upgrade $http_upgrade;
        proxy_set_header Connection "upgrade";

        proxy_read_timeout 600s;
        proxy_send_timeout 600s;
    }
}

检查 Nginx 配置：

nginx -t

重载 Nginx：

systemctl reload nginx

此时可以通过域名访问：

http://fastgpt.example.com

十、配置 HTTPS 证书

推荐使用 Certbot 免费申请 Let's Encrypt 证书。

1. 安装 Certbot

Ubuntu/Debian：

sudo apt install certbot python3-certbot-nginx -y

2. 申请证书

certbot --nginx -d fastgpt.example.com

根据提示选择是否自动跳转 HTTPS。

完成后访问：

https://fastgpt.example.com

如果证书申请成功，Certbot 通常会自动配置续期任务。

可以测试续期：

certbot renew --dry-run

十一、常见问题排查

1. FastGPT 页面打不开

先检查容器是否启动：

docker compose ps

查看日志：

docker compose logs -f fastgpt

同时确认服务器防火墙或云安全组是否放行了 3000 端口。如果使用 Nginx 代理，则需要放行 80 和 443 端口。

2. MongoDB 启动失败

如果看到 keyFile 权限相关错误，执行：

chmod 400 mongodb.key

然后重启：

docker compose restart mongo

如果副本集初始化失败，可以进入 MongoDB 容器检查：

docker exec -it fastgpt-mongo mongosh -u myusername -p mypassword --authenticationDatabase admin

查看副本集状态：

rs.status()

3. 模型调用失败

如果页面中提示模型调用失败，需要检查：

• OPENAI_BASE_URL 是否正确；
• CHAT_API_KEY 是否有效；
• config.json 中模型名称是否与供应商一致；
• 当前模型是否支持 Chat Completions；
• 中转服务是否正常工作；
• 服务器是否能访问模型服务地址。

可以在服务器上使用 curl 测试：

curl https://api.openai.com/v1/models \
  -H "Authorization: Bearer sk-xxxxxxxxxxxxxxxx"

如果使用 One API，也可以测试：

curl https://oneapi.example.com/v1/models \
  -H "Authorization: Bearer your-token"

4. 知识库导入失败

知识库导入失败通常与以下因素有关：

• 向量模型配置错误；
• embedding 模型名称不正确；
• API Key 无权限调用 embedding；
• 文档过大；
• 服务器内存不足；
• PostgreSQL 或 MongoDB 状态异常。

可以重点查看 FastGPT 日志：

docker compose logs -f fastgpt

如果是 embedding 模型名称错误，需要修改 config.json 中的 vectorModels 配置。

十二、升级 FastGPT

升级前一定要备份数据。

1. 备份目录

由于本文使用了本地目录挂载，核心数据主要在：

/opt/fastgpt/mongo/data
/opt/fastgpt/pg/data
/opt/fastgpt/config.json
/opt/fastgpt/docker-compose.yml

可以直接打包备份：

cd /opt
tar -czvf fastgpt-backup-$(date +%F).tar.gz fastgpt

2. 拉取新镜像

cd /opt/fastgpt
docker compose pull

3. 重启服务

docker compose up -d

查看日志确认是否正常：

docker compose logs -f fastgpt

生产环境不建议直接使用 latest，更推荐先在测试环境验证新版本，再升级正式环境。

十三、安全建议

如果 FastGPT 部署在公网环境，建议至少做好以下安全措施：

1. 修改默认管理员密码
   不要使用 123456、admin123 等弱密码。

2. 不要暴露数据库端口
   MongoDB 和 PostgreSQL 不需要映射到公网，保持 Docker 内部网络访问即可。

3. 启用 HTTPS
   使用 Nginx + Let's Encrypt 配置 HTTPS，避免登录信息明文传输。

4. 限制后台访问来源
   如果是企业内部使用，可以通过防火墙或 Nginx 限制访问 IP。

5. 定期备份数据
   知识库数据和应用配置非常重要，建议每天或每周定期备份。

6. 固定镜像版本
   生产环境尽量不要使用 latest，避免自动升级导致兼容问题。

十四、完整配置文件汇总

下面给出一份简化后的完整配置，方便直接参考。

docker-compose.yml

version: "3.9"

services:
  mongo:
    image: mongo:5.0
    container_name: fastgpt-mongo
    restart: always
    command: mongod --keyFile /data/mongodb.key --replSet rs0
    environment:
      MONGO_INITDB_ROOT_USERNAME: myusername
      MONGO_INITDB_ROOT_PASSWORD: mypassword
    volumes:
      - ./mongo/data:/data/db
      - ./mongodb.key:/data/mongodb.key
    networks:
      - fastgpt

  mongo-init:
    image: mongo:5.0
    container_name: fastgpt-mongo-init
    depends_on:
      - mongo
    restart: "no"
    entrypoint: >
      bash -c "
      sleep 8;
      mongosh --host mongo:27017 -u myusername -p mypassword --authenticationDatabase admin
      --eval '
      rs.initiate({
        _id: \"rs0\",
        members: [
          { _id: 0, host: \"mongo:27017\" }
        ]
      })
      ';
      "
    networks:
      - fastgpt

  postgres:
    image: pgvector/pgvector:0.7.0-pg15
    container_name: fastgpt-postgres
    restart: always
    environment:
      POSTGRES_USER: postgres
      POSTGRES_PASSWORD: pgpassword
      POSTGRES_DB: fastgpt
    volumes:
      - ./pg/data:/var/lib/postgresql/data
    networks:
      - fastgpt

  fastgpt:
    image: ghcr.io/labring/fastgpt:latest
    container_name: fastgpt
    restart: always
    depends_on:
      - mongo
      - postgres
    ports:
      - "3000:3000"
    environment:
      DEFAULT_ROOT_PSW: "FastGPT@2025"
      OPENAI_BASE_URL: "https://api.openai.com/v1"
      CHAT_API_KEY: "sk-xxxxxxxxxxxxxxxxxxxxxxxx"
      DB_MAX_LINK: 30
      TOKEN_KEY: "replace-with-random-token-key"
      ROOT_KEY: "replace-with-random-root-key"
      FILE_TOKEN_KEY: "replace-with-random-file-token-key"
      MONGODB_URI: "mongodb://myusername:mypassword@mongo:27017/fastgpt?authSource=admin&replicaSet=rs0"
      PG_URL: "postgresql://postgres:pgpassword@postgres:5432/fastgpt"
    volumes:
      - ./config.json:/app/data/config.json
    networks:
      - fastgpt

networks:
  fastgpt:
    driver: bridge

config.json

{
  "systemEnv": {
    "vectorMaxProcess": 15,
    "qaMaxProcess": 15,
    "pgHNSWEfSearch": 100
  },
  "llmModels": [
    {
      "model": "gpt-4o-mini",
      "name": "GPT-4o Mini",
      "maxContext": 128000,
      "maxResponse": 16000,
      "quoteMaxToken": 120000,
      "maxTemperature": 1.2,
      "charsPointsPrice": 0,
      "censor": false,
      "vision": true,
      "datasetProcess": true,
      "usedInClassify": true,
      "usedInExtractFields": true,
      "usedInToolCall": true,
      "usedInQueryExtension": true,
      "toolChoice": true,
      "functionCall": true
    }
  ],
  "vectorModels": [
    {
      "model": "text-embedding-3-small",
      "name": "text-embedding-3-small",
      "charsPointsPrice": 0,
      "defaultToken": 700,
      "maxToken": 3000,
      "weight": 100
    }
  ],
  "reRankModels": [],
  "audioSpeechModels": [],
  "whisperModel": {
    "model": "whisper-1",
    "name": "Whisper"
  }
}

十五、总结

通过 Docker Compose 部署 FastGPT 的核心步骤并不复杂，主要包括：

1. 安装 Docker 和 Docker Compose；
2. 创建部署目录；
3. 编写 docker-compose.yml；
4. 配置 config.json；
5. 启动 MongoDB、PostgreSQL 和 FastGPT；
6. 配置模型 API；
7. 使用 Nginx 和 HTTPS 对外提供服务。

对于个人用户来说，FastGPT 可以快速搭建自己的 AI 知识库系统；对于企业用户来说，它也可以作为内部知识问答、智能客服、流程自动化助手的基础平台。

如果是生产环境部署，建议重点关注三件事：数据备份、访问安全、版本稳定性。只要这三点做好，FastGPT 就可以相对稳定地运行在你的服务器上，为团队提供长期可用的 AI 应用能力。