FastGPT 是一个基于 LLM 大语言模型的知识库问答系统，将智能对话与可视化编排完美结合，让 AI 应用开发变得简单自然。无论您是开发者还是业务人员，都能轻松打造专属的 AI 应用。

今天来试着搭建下，使用docker安装比较简单，推荐使用docker安装。

看下推荐配置，fastgpt还分了不同的版本，一般的电脑配置都可以。

1、首先贴上git地址与文档地址

https://github.com/labring/FastGPT

https://doc.tryfastgpt.ai/docs/intro/

2、docker、docker-compose的安装部署参考Ubuntu上docker、docker-compose的安装，win的wsl也适用。

3、下载代码

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

4、下载config文件，也可直接新建文件将下面代码复制进去。

// 已使用 json5 进行解析，会自动去掉注释，无需手动去除{  "feConfigs": {    "lafEnv": "https://laf.dev", // laf环境。 https://laf.run （杭州阿里云） ,或者私有化的laf环境。如果使用 Laf openapi 功能，需要最新版的 laf 。    "mcpServerProxyEndpoint": "" // mcp server 代理地址，例如： http://localhost:3005  },  "systemEnv": {    "vectorMaxProcess": 10, // 向量处理线程数量    "qaMaxProcess": 10, // 问答拆分线程数量    "vlmMaxProcess": 10, // 图片理解模型最大处理进程    "tokenWorkers": 30, // Token 计算线程保持数，会持续占用内存，不能设置太大。    "hnswEfSearch": 100, // 向量搜索参数，仅对 PG 和 OB 生效。越大，搜索越精确，但是速度越慢。设置为100，有99%+精度。    "customPdfParse": {      "url": "", // 自定义 PDF 解析服务地址      "key": "", // 自定义 PDF 解析服务密钥      "doc2xKey": "", // doc2x 服务密钥      "price": 0 // PDF 解析服务价格    }  }}

5、接着下载docker-compose.yml文件

curl -o docker-compose.yml https://raw.githubusercontent.com/labring/FastGPT/main/deploy/docker/docker-compose-pgvector.yml

也可像上一步一样新建一个yml文件，直接粘贴进去。

6、docker 拉取镜像，启动

sudo docker-compose up -d

7、默认端口3000，默认账号root 密码 1234,密码可在docker-compose.yml文件中修改。记得修改后重启即可。最好将地址映射成https的地址。

8、接着咱们来配置本地部署的大模型工具ollama

按照如图所示依次填写。

然后再在模型配置页面添加ollama下面安装好的模型即可。

这就是我搭建的整个过程，大家在搭建的过程中有什么问题的话欢迎留言，大家一起讨论学习。

我们该怎样系统的去转行学习大模型 ？

很多想入行大模型的人苦于现在网上的大模型老课程老教材，学也不是不学也不是，基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近100余次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来： 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​

一、大模型经典书籍（免费分享）

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套大模型报告（免费分享）

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、大模型系列视频教程（免费分享）

四、2025最新大模型学习路线（免费分享）

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：我们会去了解大模型的基础知识，以及大模型在各个行业的应用和分析；学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段是我们的AI大模型RAG应用开发工程，我们会去学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造我们自己的Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调。

L5阶段：专题集丨特训篇 【录播课】

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方二维码，免费领取

​