FastGPT：开箱即用的 AI Agent 与知识库工作流平台
官方信息表
| 项目 | 信息 |
|---|---|
| 项目名称 | FastGPT |
| 开源仓库 | labring/FastGPT |
| 官网 | fastgpt.io |
| 在线文档 | doc.fastgpt.io |
| 本地开发文档 | doc.fastgpt.io/self-host/dev |
| 默认访问地址 | http://localhost:3000 |
| 默认账号 / 密码 | root / 1234 |
| 开源协议 | FastGPT Open Source License |
| 文章分类 | AI智能体 |
| 文章标签 | 若琳部署 |
一、项目背景：开箱即用的 AI Agent 构建平台
FastGPT 是一个由 labring（Sealos 团队）开源的 AI Agent 构建平台。按照 README 的原话，它"提供开箱即用的数据处理、模型调用等能力，同时可以通过 Flow 可视化进行工作流编排，从而实现复杂的应用场景"。换句话说，它不是一个只给开发者调用的 SDK，而是一个带可视化界面的完整平台：你可以在网页里上传知识库、拖节点搭工作流、配置模型，然后直接把它做成客服、问答机器人或内部助手。
README 同时提供了多语言版本（英文、简体中文、印尼语、泰语、越南语、日语），说明它面向全球使用者。项目背后还有一系列相关生态：模型聚合负载均衡服务 AI Proxy、插件仓库 FastGPT-plugin、以及一键部署集群应用的 Sealos。
从使用体验上讲，FastGPT 把传统上要写代码才能完成的"知识库问答机器人"变成了三件事：上传文档、拖节点、点发布。它内置了文档切分、向量化、混合检索、重排、对话工作流、插件调用等一整套能力，你不需要自己搭向量数据库、自己写 RAG 管线，也不需要自己维护一个前端对话框。这也是 README 把它定位成"开箱即用（out-of-the-box）"平台的原因——它的目标用户既包括想快速做出一个内部问答助手的中小企业，也包括需要把 AI 能力嵌进自己产品的开发者。
二、环境要求与快速开始
FastGPT 推荐用 Docker 一键启动，README 给出的命令非常简单：
# 输入命令拉取配置文件
bash <(curl -fsSL https://doc.fastgpt.io/deploy/install.sh)
# 启动
docker compose up -d
在终端输入第一条命令后，脚本会根据引导让你输入必要参数，然后拉取 docker compose 配置文件；再用第二条命令后台启动。完全启动后，通过 http://localhost:3000 访问 FastGPT，默认账号为 root，密码为 1234。README 提醒：如果你在部署中遇到问题，可以查看完整的 Docker 部署教程。
也就是说，环境层面只要有 Docker 与 Docker Compose 即可，不需要你手动装 Node、Mongo、PostgreSQL 等一堆依赖——这些都被打进 compose 编排里了。脚本 install.sh 的作用是交互式地问你几个关键配置（比如对外访问域名、模型相关参数等），然后生成一份符合你环境的 .env 和 compose 文件；你完全可以在它生成之后再手动检查一遍这些文件，确认端口、数据卷、密钥都符合自己的安全要求。
三、使用方式：云服务、自托管、商业版
README 把使用方式分成三类：
- 云服务版本：如果你不需要私有化部署，可以直接使用官方提供的云服务，地址为 fastgpt.io。
- 社区自托管版本：可以用 Docker 快速部署，也可以用 Sealos Cloud 一键部署 FastGPT。
- 商业版：如果你需要更完整的功能或深度服务支持，可以选择官方的商业版；官方除了提供完整软件外，还提供场景落地辅导，具体可提交商业咨询。
简单概括：云服务版最省事，打开浏览器就能用；社区自托管版适合有数据合规要求、想把系统跑在自己服务器上的团队；商业版则适合需要完整功能、SaaS 授权和上门辅导的企业。三者的核心功能（知识库、工作流编排、调试、运营）是同一套，区别主要在部署形态、授权范围和服务支持深度。
四、核心功能：五大能力逐项解读
README 用一张四宫格截图加五类清单展示了 FastGPT 的核心能力，下面逐条完整翻译。
1. 应用编排能力
- [x] Agent Skill 编排
- [x] 对话工作流、插件工作流，包含基础的 RPA 节点
- [x] 用户交互
- [x] 双向 MCP
- [ ] 辅助生成工作流（规划中）
意思是：FastGPT 支持把多个 Agent 技能编排在一起，支持对话型工作流和插件型工作流，内置了基础 RPA（机器人流程自动化）节点，可以和用户做交互，并且支持双向 MCP（Model Context Protocol）；"辅助生成工作流"目前还在路线图上。双向 MCP 意味着 FastGPT 既可以作为 MCP 客户端去调用外部 MCP Server 提供的工具，也可以把自己的能力暴露成 MCP Server 给别的智能体调用，这让它能和越来越多的 MCP 生态工具互通。
2. 应用调试能力
- [x] 知识库单点搜索测试
- [x] 对话时反馈引用并可修改与删除
- [x] 完整调用链路日志
- [x] 应用评测
- [ ] 高级编排 DeBug 调试模式（规划中）
- [ ] 应用节点日志（规划中）
即：你可以在后台单独测试知识库的某一条搜索结果；对话时模型给出的引用来源可以被反馈、修改甚至删除；每一次调用都有完整链路日志；还能对应用做评测。高级 DeBug 模式和节点级日志还在规划中。
3. 知识库能力
- [x] 多库复用，混用
- [x] chunk 记录修改和删除
- [x] 支持手动输入，直接分段，QA 拆分导入
- [x] 支持 TXT、MD、HTML、PDF、Docx、PPTX、CSV、XLSX（需要更多 File Loader 可 PR），支持 URL 读取、CSV 批量导入
- [x] 混合检索 & 重排
- [x] API 知识库
这是 FastGPT 最核心的能力之一：多个知识库可以复用、混用；切分后的 chunk 支持修改和删除；录入方式支持手动输入、直接分段、QA 对拆分导入；文档格式覆盖 TXT、Markdown、HTML、PDF、Word、PPT、CSV、Excel，并支持直接读 URL、用 CSV 批量导入；检索采用混合检索并加重排模型；还支持通过 API 对接外部知识库。所谓"混合检索"，是指同时走向量语义检索和关键词检索，再用重排模型把最相关的片段排到前面，这样既能理解同义表述，又不会丢掉专有名词和精确数字；"API 知识库"则是让你不必把数据真的搬进 FastGPT，而是通过接口实时查询外部数据源。
4. 插件能力
- [x] 系统工具热更新
- [ ] RAG 模块热更新（规划中）
- [ ] Agent-loop 热更新（规划中）
- [ ] AI 实时生成插件（规划中）
系统级工具可以热更新，不用重启；RAG 模块、Agent-loop 的热更新以及 AI 实时生成插件都在路线图上。
5. 运营能力
- [x] 免登录分享窗口
- [x] iframe 一键嵌入
- [x] 统一查阅对话记录，并对数据进行标注
- [x] 应用运营日志
即：可以不开账号直接分享一个对话窗口；可以把应用用 iframe 一键嵌到你自己的网站里；所有对话记录统一查阅并支持数据标注；还有完整的应用运营日志，方便复盘和优化。这几项直接决定了 FastGPT 能不能"从做出来到用起来"：免登录分享窗口让你不用给每个客户开账号，iframe 嵌入让你把 AI 能力变成自己网站的一部分，对话记录标注则让你能基于真实问答持续改进知识库和提示词。
五、典型使用流程
把上面这些能力串起来，一个典型的 FastGPT 使用路径是：先用 Docker 或云服务把平台跑起来；然后在"知识库"里上传你的 PDF、Word、CSV 或直接粘贴文本，选择分段方式（直接分段或 QA 拆分导入），等它完成切分和向量化；接着在"应用编排"里新建一个应用，用 Flow 可视化拖入对话节点、知识库检索节点、大模型节点、RPA 节点，必要时接上双向 MCP；在调试面板里单点测试知识库搜索、看完整调用链路日志、做应用评测；调好之后，用免登录分享窗口或 iframe 一键嵌入的方式，把应用开放给最终用户；最后在运营后台统一查阅对话记录、对数据做标注，反哺知识库优化。整个过程不需要写一行后端代码，这正是 FastGPT 区别于纯开发框架的地方。
六、相关项目与第三方生态
README 还列出了一系列相关入口：
第三方生态包括：AI Proxy 大模型聚合服务、词元跳动 TokenDance 统一 AI API 网关、SiliconCloud 硅基流动开源模型在线体验平台。社区交流可以扫码加入飞书话题群（二维码见 README 顶部）。README 也非常欢迎各种形式的贡献，如果你想贡献代码，可以从 GitHub Issues 里挑一个上手。
七、使用协议与商用说明
本仓库遵循 FastGPT Open Source License 开源协议，README 明确了四条：
- 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，任何形式的商用服务均需保留相关版权信息。
- 完整条款请查看仓库内的 LICENSE。
- 联系方式：Dennis@sealos.io，商业版定价见商业版说明。
这意味着：你可以把它架在自己公司内部当后台系统用，但不能直接把它包装成一个对外收费的 SaaS 产品——那需要购买商业授权。README 还特别强调，未经商业授权的任何形式商用服务都必须保留相关版权信息，这一点在二次开发和对外提供服务前一定要仔细核对 LICENSE 原文，避免合规风险。
八、FAQ（常见问题）
Q1：最快怎么跑起来？
A：在终端执行 bash <(curl -fsSL https://doc.fastgpt.io/deploy/install.sh) 按引导拉配置，再 docker compose up -d，然后访问 http://localhost:3000，默认账号 root、密码 1234。
Q2：支持哪些文档格式进知识库？ A：TXT、MD、HTML、PDF、Docx、PPTX、CSV、XLSX，还支持 URL 读取和 CSV 批量导入；需要更多格式可以提 PR。
Q3：可以直接对外做 SaaS 卖吗？ A：不行。协议允许作为后台服务商用，但禁止提供 SaaS 服务；需要 SaaS 请走商业授权，联系 Dennis@sealos.io。
Q4：不想自己部署有什么选择？ A：可以直接用官方云服务 fastgpt.io，或用 Sealos Cloud 一键自托管。
Q5：能把做好的应用嵌到自己网站吗？ A：可以。README 运营能力里明确支持 iframe 一键嵌入，以及免登录分享窗口。
Q6：它和 LangGraph、AutoGPT 这类框架是什么区别？ A：FastGPT 是带可视化界面的完整平台，开箱即用的知识库 + 工作流编排，偏应用交付；LangGraph 是低层编排库，AutoGPT 是专家团队式产品，定位不同。
Q7：默认 root/1234 安全吗？ A：这只是本地快速启动的初始账号，README 给的是开箱即用体验。真正对外使用前，务必修改默认密码、限制 3000 端口暴露范围，并按 Docker 部署教程做生产化配置。
Q8：想用自己的大模型可以吗？ A：可以。README 把"模型调用"列为开箱即用能力之一，商业版和自托管版都支持接入你自己的模型；配合同生态的 AI Proxy 还能做模型聚合和负载均衡。
Q9：知识库检索效果不好怎么调？ A：README 提到可以在后台做"知识库单点搜索测试"，逐条看搜索结果；对话时还能反馈引用、修改或删除引用。配合完整调用链路日志和应用评测，可以逐段定位是切分问题、检索问题还是提示词问题。
Q10：怎么二次开发？ A：README 给了本地开发文档和 OpenAPI 文档，插件可以去 FastGPT-plugin 仓库找或自己写。
Q11：需要更多文档格式支持怎么办？ A：README 在知识库格式那一行明确写了"有需要更多 File Loader 可 PR"，意味着欢迎社区贡献新的文件解析器，你可以按仓库的贡献流程提合并请求。
九、跳转链接
- 项目仓库：labring/FastGPT
- 官网云服务：fastgpt.io
- 相关文档：doc.fastgpt.io
- 本地开发：self-host/dev
- Docker 部署教程：self-host/deploy/docker
- Sealos 一键部署：self-host/deploy/sealos
- OpenAPI 文档：cloud.fastgpt.io/apidoc
- 商业版说明：guide/version/commercial
- 商业咨询：fastgpt.cn/zh/contact
- 插件仓库：labring/fastgpt-plugin
- AI Proxy：labring/aiproxy
- Sealos：labring/sealos