之前三金介绍了很多 AI 大模型以及如何编写 AI Prompt 的文章，但从实际应用的维度来看，我们在使用这些 AI 产品时一般都是将它作为一个搜索引擎来使用的，并没有发挥出它应有的价值。
为什么这么说呢？
首先，大多数情况下我们只是通过和 AI 对话来获取自己想要的答案，一个标准的、符合预期的回答往往需要多轮对话才会产生；
其次，对于一些实时信息、企业内部资料等数据，无法从此类 AI 应用上获取；
最后，单纯通过和 AI 对话来完成一些任务的效率太低，无法很好地发挥 AI 的能力。
而 FastGPT——一款基于 LLM 大语言模型的知识库问答系统，可以完美地解决上述问题。它提供了开箱即用的数据处理、模型调用、RAG 检索、可视化 AI 工作流编排等能力，帮助我们轻松构建复杂的 AI 应用。
目前该项目在 Github 上已经拥有 14.3k 的 Star！
[github 地址]
在线使用
FastGPT 提供了[在线使用地址]，目前用户量已经超 9W+。
通过点击「开始使用」进入到登录页面，支持 Google 和 Github 一键登录：
这里三金使用 Github 进行登录，登录后默认进入到应用页面：
在 FastGPT 中，使用 AI 的前提就是需要创建一个应用，否则寸步难行，我们点击右上角的「+ 新建」按钮来创建一个应用：
在创建应用的对话框中有四种类型的应用供我们选择，分别是：
- 简易模版：一个极其简单的 AI 应用，你可以绑定知识库或工具。
- 对话引导 + 变量：可以在对话开始发送一段提示，或者让用户填写一些内容，作为本次对话的变量
- 知识库 + 对话引导：每次提问时进行一次知识库搜索，将搜索结果注入 LLM 模型进行参考回答
- 问题分类 + 知识库：先对用户的问题进行分类，再根据不同类型问题，执行不同的操作
我们选择简易模版创建一个最基础的应用。这个应用只拥有 AI 对话功能，且输出的内容来源于我们选择的 AI 模型（默认是 FastAI-3.5）：
我们还可以在左侧菜单中的「发布应用」里，将该应用通过免登录窗口的方式将其分享给其他小伙伴使用：
只需要动动小手，粘贴复制即可：
到这里，对于普通用户来讲已经基本满足日常生活中的大多数需求了。
但是对于一些团队、企业来说，这还远远不够！！
他们的数据是内部的，使用在线的 FastGPT 以及远程的 AI 模型会有数据泄漏的风险。这个时候我们可以选择使用本地部署的方式 + 本地 AI 大模型来实现一个完全私有化的 AI 智能应用。
docker-compose 快速部署
- 下载
docker-compose.yml
手动创建一个目录，并下载[配置文件]和对应版本的 [docker-compose.yml]文件(注意，不同向量库版本的文件不一样)。
- 修改
docker-compose.yml环境变量
FastGPT 一共有三个版本：PgVector 版本、Milvus 版本和 Zilliz 版本。
三金这边机器配置不高，所以选择使用默认的 PgVector 版本，这个版本无需修改配置。
- 启动容器
在 docker-compose.yml 同级目录下执行。请确保docker-compose版本最好在2.17以上，否则可能无法执行自动化命令。
docker-compose up -d
sleep 10
docker restart oneapi
- 在 OneAPI 中添加模型
其中 one-api 我们在上一篇文章中介绍过，这里就不多赘述了，感兴趣的朋友可以看这篇[《使用 Docker 部署14.7k stars 的各大 AI 模型 key 分发及接口管理系统》]。
- 访问 FastGPT
通过 IP:3000 的方式访问部署好的应用。登录用户名为 root，密码为 docker-compose.yml环境变量里设置的 DEFAULT_ROOT_PSW。
登录之后我们可以通过添加知识库的方式，将内部的一些资料上传：
- 新建一个通用知识库
- 在知识库中，导入文件-文本数据集
- 回到应用中添加对应的知识库即可
再次对话时，就会优先从知识库中进行检索了。
感兴趣的小伙伴快去试试吧。
PS：AI 模型这里我们可以通过部署本地大模型（比如 Ollama）+ One API + FastGPT 实现完全私有化的应用。
如何学习AI大模型？
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；
第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；
第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；
第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。
1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
