RAG 与知识系统

FastGPT

labring/FastGPT

以知识库和可视化流程搭建 AI 应用,覆盖文档导入、混合检索、重排、对话发布与调用日志,适合快速验证业务问答。

★ 29.6K星级
⑂ 7.3KFork 数
187未解决的问题
TypeScript语言
许可证
Q90编辑评分

概览

FastGPT 把知识处理、模型调用和应用发布连接成可配置流程。它适合希望由业务人员与开发者共同维护知识问答的团队:业务人员调整资料和检索效果,开发者连接外部工具及复杂逻辑。项目的价值不只在聊天窗口,还在于能单独测试知识检索、查看引用、修改切块和检查调用链路。 落地时应把“资料已上传”和“能正确回答问题”分开验收。错误可能来自文档解析、切块、召回、重排或生成,不应一律通过修改提示词解决。项目采用自定义许可,准备以此提供 SaaS 服务的团队需特别核对使用范围。

主要功能

  • 可视化应用编排
  • 多格式资料导入与切块管理
  • 混合检索和重排
  • 引用反馈与搜索测试
  • 分享、嵌入和调用日志

要求、安装和快速入门

使用官方自托管指南提供的 Docker Compose 配置,先配置数据库、模型地址和管理员设置,再执行 docker compose up -d。部署依赖以所选版本的官方配置为准,不要混用不同版本的镜像与配置。

用法

用一份产品手册构建知识库,设计“精确参数、相似术语、文档未提及”三类问题。先运行知识库单点搜索,调整切块与召回,再连接回答节点;上线前核对引用、无答案处理和日志中的实际消耗。

工作原理
资料经过导入和切块进入知识库;工作流根据用户输入执行检索、重排、模型推理或工具节点,再将答案通过分享窗口、嵌入或 API 提供给用户。调用日志与搜索测试帮助定位每个阶段的输入输出。

适用人群与环境
希望快速搭建知识应用的产品、运营及开发团队。 Docker Compose、数据库及检索依赖、配置好的对话和嵌入模型。

具体使用场景
• 产品知识问答:根据手册返回带引用的说明。
• 内部流程助手:在检索后增加条件判断和工具调用。
• 网站嵌入:把经过验证的问答流程放入已有页面。

局限与选型边界
可视化配置降低了组装门槛,但复杂节点仍需工程调试。知识库更新、重复内容和权限范围需要持续维护。README 对 SaaS 服务及商业使用保留版权信息有明确说明,应以完整 LICENSE 为准。

关联项目与选型分析
onyx-dot-app/onyx:对照:需要跨系统自动同步资料时重点比较 Onyx;需要手工编排业务问答时比较 FastGPT。

google/langextract:互补思路:先抽取产品属性或故障字段,再通过自定义数据流程提供给知识应用。

资料说明
基于上游资料的编辑分析,未进行安装实测或性能基准;建议场景和项目搭配属于选型分析。

模型兼容性与使用场景

对话、嵌入与重排是不同角色,分别按当前版本的模型配置接入并验证。

许可证与风险说明

采用 FastGPT Open Source License。README 说明允许作为后台服务直接商用,但不允许提供 SaaS 服务;未经商业授权的商业服务需保留相关版权信息。请阅读完整 LICENSE。

Editorial source review 2026-09-09T05:00:00.950Z. README and live repository page verified; current stars/forks from GitHub HTML. Last-push metadata retained from 2026-09-05 discovery snapshot. No runtime benchmark. Integration proposals are editorial analysis.

发布与维护

资料核对:2026-09-09。统计取自本次仓库页面;功能依据 README 与官方资料整理。版本变化请查看来源区的 Releases。 基于上游资料的编辑分析,未进行安装实测或性能基准;建议场景和项目搭配属于选型分析。

milvus

milvus-io/milvus

★ 45.7KGo

LanceDB

lancedb/lancedb

★ 11.1KRust

EvalScope

modelscope/evalscope

★ 3.2KPython

llm-app

pathwaycom/llm-app

★ 58.9KJupyter Notebook

graphrag

microsoft/graphrag

★ 35.9KPython

onyx

onyx-dot-app/onyx

★ 32KPython