摘要

關于FastGPT的部署，官方提供了docker-compose方式的部署文檔，如果使用的是podman和podman-compose的同學，可以參考這篇文章【FastGPT】Linux系統使用podman-compose方式部署指南

如何新增用戶和修改密碼，請參考這篇文章【FastGPT】如何新增用戶&修改密碼

有了知識庫，我們就可以做很多事情了，比如創建各種場景的AI智能助手。接下來，我將帶著大家，一步一步構建助手。

創建知識庫

根據業務需要，把需要上傳的文檔劃分為多個類目，一個類目就對應一個知識庫

上傳文檔

• 支持常用的文檔格式，這里上傳了一個手動數據集，更多的時候上傳的是文本數據集
  
• 點擊右上角插入
  
• 點確認導入或確認更新
  

創建應用

新建->簡易應用，每個應用相當于一個AI智能助手

準備提示詞

大語言模型能夠識別用戶的意圖并執行，效果的好壞，很大程度上取決于用戶輸入的提示詞，比如：

你是資深運維專家，負責方案審核，當用戶需要審核方案時，請根據知識庫進行仔細審核，審核要求如下：
- 根據`敏感指令`，審核方案是否有違規指令
- 審核方案內容是否有回退方案，如果沒有，請為每一條指令補充回退方案
- 根據你的專業知識，檢查該方案是否存在潛在風險，如果有，請逐一列舉出來
- 根據你的經驗，提出5點左右改進建議
- 最終輸出一份詳細的審核報告，與用戶上傳的方案內容緊密結合

準備開場白

請您上傳《運維操作方案》文檔，讓我來幫你審核吧！
- 在聊天輸入框的最左側，有一個文件上傳的小圖標
- 點擊這個小圖標，你只需要上傳《方案》文件
- 然后點**發送按鈕**即可

關聯知識庫

• 可以選擇一個或多個知識庫進行關聯
  
• 知識庫參數中的問題優化開關打開后，會明顯慢很多，因為與大語言模型多了一次交互，并且還是http阻塞調用，目的是把用戶的輸入更好的拆分和理解
  
• 選擇AI模型、關聯知識庫、寫好提示詞和開場白，就可以開始通過對話驗證效果了
  

AI回答效果

一張圖截不完，下一張