FastGPT Docker部署教程｜2026最新版

本文适合希望在本地服务器、云服务器或内网环境中快速部署 FastGPT 的用户阅读。文章将从环境准备、Docker 安装、项目配置、容器启动、访问验证、常见问题和生产环境建议等方面，完整介绍 FastGPT 的 Docker 部署流程。

一、FastGPT 是什么？

FastGPT 是一个面向企业和个人开发者的 AI 知识库问答与应用编排平台。它可以帮助用户快速搭建基于大语言模型的智能问答系统，并支持知识库导入、向量检索、工作流编排、多模型接入、API 调用等能力。

相比直接调用大模型 API，FastGPT 更适合以下场景：

• 企业内部知识库问答
• 客服机器人
• 文档检索与总结
• 私有化 AI 助手
• 多模型统一接入
• 工作流式 AI 应用搭建
• 低代码 AI 应用平台建设

FastGPT 的优势在于部署灵活、功能完整、生态活跃，并且可以通过 Docker 快速完成私有化部署。对于希望掌控数据安全、降低 SaaS 依赖、搭建企业 AI 基础设施的团队来说，Docker 部署是非常推荐的方式。

二、部署前准备

在正式部署 FastGPT 之前，需要先准备一台服务器。可以是本地 Linux 主机，也可以是云服务器，例如阿里云、腾讯云、华为云、AWS、Azure、Vultr、Hetzner 等。

1. 推荐服务器配置

如果只是个人测试或小规模使用，可以选择较低配置；如果是企业生产环境，建议预留更高资源。

需要注意的是，FastGPT 本身并不一定需要 GPU，因为大模型推理通常可以调用外部模型服务，例如 OpenAI、DeepSeek、通义千问、智谱、MiniMax、火山方舟、Claude 或本地模型网关。如果你计划在同一台机器上部署本地大模型，则需要额外准备 GPU 资源。

2. 推荐系统环境

本文以 Ubuntu Server 为例，其他 Linux 发行版也可以参考。

推荐环境：

Ubuntu 22.04 LTS 或 Ubuntu 24.04 LTS
Docker 24+
Docker Compose v2+

如果你使用的是 CentOS、Debian、Rocky Linux 或 AlmaLinux，只要 Docker 与 Docker Compose 能正常运行，整体部署流程差异并不大。

三、安装 Docker 和 Docker Compose

如果你的服务器已经安装 Docker，可以跳过本节。

1. 更新系统软件包

sudo apt update
sudo apt upgrade -y

2. 安装基础依赖

sudo apt install -y ca-certificates curl gnupg lsb-release

3. 安装 Docker

推荐使用 Docker 官方安装脚本：

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

安装完成后，检查 Docker 版本：

docker version

如果能看到 Client 和 Server 信息，说明 Docker 已经安装成功。

4. 设置 Docker 开机自启

sudo systemctl enable docker
sudo systemctl start docker

5. 检查 Docker Compose

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

docker compose version

如果能正常输出版本号，说明 Docker Compose 可用。

四、获取 FastGPT Docker 部署文件

FastGPT 官方通常会提供 Docker Compose 部署方式。你可以从官方仓库获取部署文件。

1. 克隆 FastGPT 项目

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

如果你的服务器访问 GitHub 较慢，可以使用代理、镜像源，或者在本地下载后上传到服务器。

2. 查找 Docker 部署目录

进入项目后，可以查看相关部署文件：

ls

通常你需要关注以下内容：

• docker-compose.yml
• .env
• config.json
• projects/app
• files/deploy

不同版本的 FastGPT 目录结构可能略有变化，因此建议以官方文档和当前仓库说明为准。本文重点讲解部署思路和关键配置，具体文件名请结合你下载的版本确认。

五、配置环境变量

FastGPT 的 Docker 部署通常依赖多个服务，例如：

• FastGPT 主服务
• MongoDB 数据库
• PostgreSQL 数据库
• 向量数据库
• Redis 缓存
• SandBox 代码运行环境
• 网关或模型代理服务

在启动前，需要重点检查 .env 或 docker-compose.yml 中的配置。

1. 配置访问地址

如果你准备通过域名访问 FastGPT，例如：

https://fastgpt.example.com

需要在环境变量中配置对应的外部访问地址。常见配置项可能类似：

FE_DOMAIN=https://fastgpt.example.com

如果只是本地测试，也可以暂时使用服务器 IP：

FE_DOMAIN=http://服务器IP:3000

生产环境建议使用 HTTPS 域名，不建议长期使用裸 IP。

2. 配置数据库密码

部署文件中通常会包含 MongoDB、PostgreSQL 等数据库密码。请务必修改默认密码，例如：

MONGODB_PASSWORD=your_strong_mongodb_password
POSTGRES_PASSWORD=your_strong_postgres_password

密码建议包含大小写字母、数字和特殊符号，长度不少于 16 位。

不要在生产环境中使用示例密码、弱密码或公开文档中的默认密码。

3. 配置模型服务

FastGPT 的核心能力依赖大模型。你可以接入 OpenAI 兼容接口，也可以接入国内模型平台。

常见模型配置包括：

OPENAI_BASE_URL=https://api.openai.com/v1
OPENAI_API_KEY=sk-xxxx

如果使用兼容 OpenAI 格式的服务，例如 DeepSeek、One API、New API、LiteLLM、Ollama 网关或企业内部模型网关，也可以将 OPENAI_BASE_URL 修改为对应地址。

例如：

OPENAI_BASE_URL=https://your-model-gateway.example.com/v1
OPENAI_API_KEY=your_api_key

需要注意的是，具体配置字段可能因 FastGPT 版本不同而变化。部署前建议检查官方示例配置，并确认模型名称、Embedding 模型和 Chat 模型是否正确。

六、启动 FastGPT 服务

完成配置后，可以使用 Docker Compose 启动服务。

1. 后台启动容器

docker compose up -d

首次启动时，Docker 会自动拉取镜像。根据服务器网络情况，可能需要几分钟到十几分钟。

2. 查看容器状态

docker compose ps

如果所有服务状态均为 running 或 healthy，说明基础服务已经启动。

3. 查看日志

如果页面无法访问，或者某些容器不断重启，可以查看日志：

docker compose logs -f

也可以只查看某个服务日志：

docker compose logs -f fastgpt

服务名需要根据你的 docker-compose.yml 文件确认。

七、访问 FastGPT 控制台

容器启动成功后，可以在浏览器访问：

http://服务器IP:3000

如果你配置了域名和反向代理，则访问：

https://fastgpt.example.com

首次访问通常需要创建管理员账号，或者使用部署文件中预设的初始化账号。不同版本 FastGPT 的初始化方式可能不同，建议查看当前版本的官方说明。

登录后，你可以进行以下操作：

1. 创建知识库
2. 上传文档
3. 配置向量模型
4. 创建 AI 应用
5. 绑定聊天模型
6. 测试知识库问答
7. 发布 API 或网页应用

如果知识库导入失败，优先检查 Embedding 模型是否配置正确；如果聊天无响应，优先检查 Chat 模型 API Key、模型名称和网络连通性。

八、配置 Nginx 反向代理和 HTTPS

生产环境中，建议不要直接暴露 3000 端口，而是使用 Nginx、Caddy、Traefik 或云厂商负载均衡进行反向代理。

以下是一个 Nginx 示例：

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

    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";
    }
}

配置完成后，重载 Nginx：

sudo nginx -t
sudo systemctl reload nginx

配置 HTTPS

推荐使用 Certbot 自动申请 Let’s Encrypt 证书：

sudo apt install -y certbot python3-certbot-nginx
sudo certbot --nginx -d fastgpt.example.com

申请成功后，Certbot 会自动修改 Nginx 配置并开启 HTTPS。

生产环境中建议强制 HTTPS，并确保 FastGPT 的外部访问地址配置为 https://，否则可能出现登录回调、资源加载或接口请求异常。

九、常见问题排查

1. Docker 镜像拉取失败

如果拉取镜像失败，通常是网络问题。可以尝试：

• 配置 Docker 镜像加速器
• 使用海外服务器
• 手动拉取镜像
• 检查 DNS 是否可用

查看具体错误：

docker compose pull

2. 容器一直重启

先查看容器状态：

docker compose ps

再查看日志：

docker compose logs -f

常见原因包括：

• 环境变量填写错误
• 数据库密码不一致
• 端口被占用
• 数据卷权限异常
• 依赖服务未正常启动
• 模型接口无法连接

3. 页面能打开，但无法对话

优先检查模型配置：

• API Key 是否正确
• Base URL 是否正确
• 模型名称是否存在
• 账号额度是否充足
• 服务器是否能访问模型 API
• 是否使用了错误的接口格式

可以在服务器上测试接口连通性：

curl https://your-model-api.example.com/v1/models \
  -H "Authorization: Bearer your_api_key"

如果接口无法返回结果，说明问题不在 FastGPT，而在模型服务或网络层。

4. 知识库导入失败

知识库导入通常依赖文档解析、Embedding 模型和向量数据库。可以重点检查：

• 上传文件格式是否支持
• 文件是否过大
• 文档解析服务是否正常
• Embedding 模型是否配置正确
• 向量数据库是否正常运行
• 容器日志是否出现超时或权限错误

如果使用中文知识库，建议选择中文表现较好的 Embedding 模型，以提升检索效果。

5. 端口被占用

如果启动时报端口占用，可以查看端口：

sudo lsof -i:3000

或者：

sudo ss -lntp | grep 3000

如果已有服务占用该端口，可以修改 docker-compose.yml 中的端口映射，例如将外部端口改为 3001。

十、升级 FastGPT

FastGPT 会持续更新，升级前一定要备份数据。

1. 备份数据

如果使用 Docker volume，需要确认数据卷位置：

docker volume ls

建议至少备份：

• MongoDB 数据
• PostgreSQL 数据
• 上传文件
• 配置文件
• .env
• docker-compose.yml

2. 拉取新版本

进入项目目录：

git pull

然后拉取新镜像：

docker compose pull

3. 重启服务

docker compose down
docker compose up -d

4. 检查日志

docker compose logs -f

升级后建议立即验证登录、知识库检索、应用对话、API 调用等核心功能。

如果是生产环境，建议先在测试环境完成升级验证，再安排业务低峰期升级正式环境。

十一、生产环境优化建议

如果你准备长期运行 FastGPT，建议从安全性、稳定性和可维护性三个方面进行优化。

1. 使用独立数据库

Docker Compose 内置数据库适合快速部署，但生产环境建议使用独立数据库服务，例如：

• 云数据库 MongoDB
• 云数据库 PostgreSQL
• 自建高可用数据库
• 独立 Redis 服务

这样可以降低容器故障对数据的影响，也便于备份、监控和扩容。

2. 配置自动备份

至少应定期备份：

• 数据库
• 上传文件
• 配置文件
• 知识库相关数据

可以使用定时任务：

crontab -e

将备份同步到对象存储或异地服务器，避免单机磁盘损坏导致数据丢失。

3. 开启访问控制

不要将管理后台直接暴露给公网所有用户。可以考虑：

• 使用强密码
• 开启 HTTPS
• 限制管理入口 IP
• 使用企业 SSO
• 配置防火墙规则
• 避免公开数据库端口

服务器安全组只开放必要端口，例如：

• 80
• 443
• 22
• FastGPT 对外服务端口

数据库、Redis、向量数据库等内部端口不应直接暴露到公网。

4. 监控资源使用

FastGPT 在处理大文件、批量导入知识库或高并发问答时，可能会消耗较多 CPU、内存和磁盘 IO。

可以使用以下命令查看资源：

docker stats

也可以接入 Prometheus、Grafana、云监控等工具，对服务状态、磁盘空间、容器重启次数和接口错误率进行监控。

5. 合理选择模型

模型质量直接影响 FastGPT 的使用体验。一般来说：

• Chat 模型决定回答质量
• Embedding 模型决定检索质量
• Rerank 模型决定召回排序质量
• 文档解析能力影响知识入库质量

如果你的知识库以中文为主，建议选择中文语义表现更好的 Embedding 和 Rerank 模型。如果业务场景对准确率要求较高，可以配置更强的模型，并通过知识库分段、召回数量、相似度阈值和重排策略不断优化效果。

十二、部署完成后的使用建议

部署 FastGPT 只是第一步，真正影响效果的是后续配置和知识库质量。

建议按照以下流程使用：

1. 先创建一个测试知识库
2. 上传少量高质量文档
3. 检查分段效果是否合理
4. 测试检索是否能命中关键内容
5. 调整 Embedding 和 Rerank 配置
6. 创建应用并编写清晰的系统提示词
7. 逐步导入更多业务文档
8. 邀请真实用户测试并收集反馈

不要一开始就上传大量杂乱文档。知识库问答的效果很大程度取决于文档结构、内容质量和分段策略。对于企业内部资料，建议先进行文档清洗，删除过期内容、重复内容和无效内容，再导入 FastGPT。

十三、总结

通过 Docker 部署 FastGPT，是目前最方便、最稳定的私有化部署方式之一。整个流程可以概括为：准备服务器、安装 Docker、获取部署文件、修改环境变量、启动容器、配置模型服务、访问后台并创建知识库。

对于个人用户来说，Docker 部署可以快速体验 FastGPT 的核心能力；对于企业用户来说，私有化部署可以更好地保障数据安全、控制模型接入方式，并根据业务需求进行深度定制。

如果是测试环境，使用默认 Docker Compose 基本即可完成部署；如果是生产环境，则建议进一步配置 HTTPS、独立数据库、自动备份、访问控制、监控告警和模型网关。只有把基础设施、数据治理和模型配置都做好，FastGPT 才能真正成为稳定可靠的企业级 AI 应用平台。