摘要

关于FastGPT的部署，官方提供了docker-compose方式的部署文档，如果使用的是podman和podman-compose的同学，可以参考这篇文章【FastGPT】Linux系统使用podman-compose方式部署指南

如何新增用户和修改密码，请参考这篇文章【FastGPT】如何新增用户&修改密码

有了知识库，我们就可以做很多事情了，比如创建各种场景的AI智能助手。接下来，我将带着大家，一步一步构建助手。

创建知识库

根据业务需要，把需要上传的文档划分为多个类目，一个类目就对应一个知识库

上传文档

• 支持常用的文档格式，这里上传了一个手动数据集，更多的时候上传的是文本数据集
  
• 点击右上角插入
  
• 点确认导入或确认更新
  

创建应用

新建->简易应用，每个应用相当于一个AI智能助手

准备提示词

大语言模型能够识别用户的意图并执行，效果的好坏，很大程度上取决于用户输入的提示词，比如：

你是资深运维专家，负责方案审核，当用户需要审核方案时，请根据知识库进行仔细审核，审核要求如下：
- 根据`敏感指令`，审核方案是否有违规指令
- 审核方案内容是否有回退方案，如果没有，请为每一条指令补充回退方案
- 根据你的专业知识，检查该方案是否存在潜在风险，如果有，请逐一列举出来
- 根据你的经验，提出5点左右改进建议
- 最终输出一份详细的审核报告，与用户上传的方案内容紧密结合

准备开场白

请您上传《运维操作方案》文档，让我来帮你审核吧！
- 在聊天输入框的最左侧，有一个文件上传的小图标
- 点击这个小图标，你只需要上传《方案》文件
- 然后点**发送按钮**即可

关联知识库

• 可以选择一个或多个知识库进行关联
  
• 知识库参数中的问题优化开关打开后，会明显慢很多，因为与大语言模型多了一次交互，并且还是http阻塞调用，目的是把用户的输入更好的拆分和理解
  
• 选择AI模型、关联知识库、写好提示词和开场白，就可以开始通过对话验证效果了
  

AI回答效果

一张图截不完，下一张