FastGPT：拖出企业级知识库应用

国产开源 AI Agent 平台，拖工作流、接知识库、对外发应用一条龙。

做企业内部问答，最难的往往不是模型，是“把文档洗干净、切开、存进向量库、再包成一个能分享的对话框”这一整套。FastGPT 把这一整套做成了可视化产品：知识库、Flow 编排、插件、对外分享窗口都在一个后台里。它是国内团队用得比较多的一套，TypeScript 编写，30,020 星（以 GitHub 为准），一行 docker compose 就能跑起来。

核心能力

1. 知识库：从上传到可检索

支持 TXT、MD、HTML、PDF、Docx、PPTX、CSV、XLSX，也支持直接给 URL 让它去拓、或 CSV 批量导入。切分后可以在 chunk 级别手动改和删，还支持 QA 拆分导入。混合检索加重排是默认能力，意味着“关键词没命中但语义相近”的文档也能被招回来。实际场景：把公司三年的制度文件丢进去，新员工问“年假怎么算”能直接定位到具体条款并给出引用。

2. Flow 可视化编排

对话工作流与插件工作流分开，内置基础 RPA 节点，支持用户交互节点。也就是说不只是“提问→检索→回答”，还能插入表单收集、条件分支、调用外部接口。做售后工单分流这类流程时，可以在一个画布里把判断逻辑画完，不用写后端。

3. 双向 MCP 与插件体系

README 的功能清单里明确列了双向 MCP：既能作为 MCP 客户端调外部工具，也能把自己的能力暴露出去。配合插件市场，接搜索、接 OCR、接内部 API 都有现成路径。对已经有一堆内部服务的团队，这比从零写工具函数快很多。

4. 调试、评测与运营

知识库单点搜索测试、对话时引用可改可删、完整调用链路日志、应用评测——这几项是它相比“套壳聊天页”的差别所在。上线前可以拿一批真实问题跑评测，看召回率与回答质量；上线后能看每个应用的运营日志。

5. 对外发布：免登录窗口与 iframe

它支持免登录分享窗口和 iframe 一键嵌入，意味着做完的问答可以直接嵌进官网、内部系统或公众号菜单。对非技术同事来说，这一步省掉了“再找人做个前端”的环节。

使用上手

1. 准备一台能跑 Docker 的机器（建议 4GB 内存以上），执行官方安装脚本拉配置：bash <(curl -fsSL https://doc.fastgpt.io/deploy/install.sh)。
2. 启动容器：docker compose up -d，完成后访问 http://localhost:3000。
3. 用默认账号 root / 1234 登录，第一件事改密码，这是默认值不是安全值。
4. 进模型配置接一个可用模型（官方兼容 OpenAI 协议，也接 DeepSeek、Qwen 等），先用一句问候确认连通。
5. 建知识库，先传 5–10 份最典型文档，手动看一遍切分结果，不行就调分段参数再重建。
6. 建应用、拉一个对话工作流，接上知识库节点，在调试页拿真实问题测 10 条。
7. 满意后用免登录窗口或 iframe 嵌到业务系统里。

优点与不足

优点

• 知识库、编排、发布三块都在一个后台，不用拼四五个开源项目。
• 文件格式覆盖全，chunk 级别可手改，调试手段比同类多。
• 支持双向 MCP 与插件，能接进已有内部系统。
• Docker 一键部署，国内文档与社区案例充足。

不足

• 许可证不是标准 Apache/MIT：允许后台商用，但不允许拿它做 SaaS 对外卖，商用前务必读 LICENSE。
• 高级编排 Debug、节点日志等能力官方标为未完成，排障时会卡。
• 完整功能依赖多个容器（含向量库与对象存储），资源占用不低。
• 商业版功能（如更完整的企业能力）需要单独买，版本差异要看官方对照表。

适合谁

• 要做企业内部知识库与客服机器人的团队。
• 想把已有文档、制度、产品手册变成可问答入口的运营部门。
• 需要可视化编排而不是写代码搭 RAG 的应用开发者。
• 想自托管、数据不出内网的国内企业。

下载与访问

• 仓库：https://github.com/labring/FastGPT
• 官网：https://fastgpt.io/
• 文档：https://doc.fastgpt.io/

许可证与部署

本文属于「项目」分类的 AI 资源专栏，更多评测见分类页。