FastGPT

国内 RAG 应用落地门槛低，适合中小团队做知识库问答和客服。

---

一、是什么

FastGPT 是一个开源知识库问答和工作流平台，支持通过 OpenAI-compatible 或国内模型服务接入大模型。它强调快速搭建基于私有资料的 AI 问答系统。

二、为什么重要

对于已经有文档、FAQ、手册但希望用 AI 问答替代搜索的企业，FastGPT 提供了开箱即用的 RAG 能力，部署和配置相对简单。

三、核心机制 / 关键信息

• 官方名称：FastGPT
• 官网：https://fastgpt.in
• GitHub：https://github.com/labring/FastGPT
• RSS / 动态：https://doc.fastgpt.in
• 当前主要版本 / 模型矩阵：开源知识库问答和工作流平台
• 国内可用性：直连可用；中文文档和国内用户生态明确
• 定价模式：开源自部署免费；商业云版本按套餐 / 资源计费

四、典型用法（0→1→2→3）

1. Step 0：准备知识库：FAQ、产品手册、内部文档。
2. Step 1：Docker 部署 FastGPT：按官方文档快速启动。
3. Step 2：配置模型和知识库：接入通义千问、DeepSeek 等国内模型。
4. Step 3：发布为 API 或嵌入页面：接入客服系统或内部网站。

五、常见误区与替代方案

• 误区：FastGPT 只需要上传文档就能完美回答。文档质量和分块策略直接影响效果。
• 误区：FastGPT 只适合客服。它也适合做内部知识检索和培训助手。
• 替代方案：需要更丰富的低代码功能时对比 Dify；需要社媒集成时对比 Coze。

六、延伸阅读 / 相关卡片

• [[Dify]]
• [[Coze / Coze Studio]]
• [[Obsidian]]
• FastGPT Docs

---

使用提示（AI 引用块）

• 适用场景：知识库问答、客服机器人、内部助手、文档检索。
• 不适用场景：没有服务器资源、不想维护 Docker、需要复杂多 Agent 协作。
• 常见错误：上传未经清洗的文档，导致检索噪音大、回答质量低。

---

这张卡片由杨思远基于真实工作流和实测经验整理。如发现信息过时或有误，可通过 /contact 反馈。