FastGPT VPS 部署教程：私有化知识库问答系统搭建

FastGPT 是一个开源的 AI 知识库问答系统，能把文档、网页、API 等数据喂给大模型，做成私有化的 RAG（检索增强生成）应用。这篇教程直接讲怎么在 VPS 上部署 FastGPT，从环境准备到跑通第一个问答，适合想自己搭知识库的站长和开发者。

环境准备：VPS 配置与系统要求

FastGPT 依赖 Docker Compose 和向量数据库（默认用 Milvus），对 VPS 配置有一定门槛。别想着 1 核 1G 能跑起来，实测至少需要2 核 4G 内存，推荐 4 核 8G。系统选 Ubuntu 22.04 或 Debian 12，CentOS 7 也行但坑多，建议用 Debian 系。

安装 Docker 和 Docker Compose：

curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh
sudo usermod -aG docker $USER # 把当前用户加入 docker 组，避免每次 sudo
sudo apt install docker-compose-plugin -y

验证安装：

docker –version && docker compose version

如果输出正常，继续下一步。

获取 FastGPT 部署文件

FastGPT 官方仓库提供了一键部署脚本和 docker-compose.yml，推荐直接 clone 或下载最新 release。

mkdir fastgpt && cd fastgpt
wget https://raw.githubusercontent.com/labring/FastGPT/main/deploy/docker-compose.yml
wget https://raw.githubusercontent.com/labring/FastGPT/main/deploy/config.json

老鸟叮嘱：版本变化快，以上仓库地址以官方 GitHub 当前分支为准。如果访问 GitHub 慢，可以用 mirror 或国内 gitee 镜像，但注意同步时效。

配置环境变量与端口

FastGPT 需要配置 OpenAI 兼容的 API Key（或本地模型如 Ollama），以及数据库连接信息。编辑 `docker-compose.yml`，找到 `environment` 部分：

yaml

• OPENAI_BASE_URL=https://api.openai.com/v1

• OPENAI_API_KEY=sk-xxxxx

• VECTOR_STORE=pgvector # 可选：pgvector / milvus / chroma

默认使用 pgvector 作为向量库，也可以换成 Milvus（需要额外部署）。如果 VPS 内存小于 8G，建议用 pgvector，轻量很多。

端口方面：FastGPT 主服务默认映射 `3000` 端口，Admin 面板映射 `3001` 端口。记得在 VPS 防火墙放行：

sudo ufw allow 3000/tcp
sudo ufw allow 3001/tcp

启动服务

在 `fastgpt` 目录下执行：

docker compose up -d

首次启动会拉取镜像（约 1-2GB），耐心等待。拉取完成后，查看容器状态：

docker compose ps

确保所有服务 `STATUS` 为 `Up`。如果某个容器不断重启，先看日志：

docker compose logs fastgpt # 看主服务日志
docker compose logs pg # 看数据库日志

常见启动失败原因：API Key 无效、端口冲突、内存不足。内存不足时 Docker 会自动 OOM kill 容器，可以用 `docker stats` 监控内存占用。

初始化管理员账号

服务启动后，浏览器访问 `http://你的VPS IP:3001`，进入管理员初始化页面。设置邮箱和密码，注意密码强度要求。这一步会创建超级管理员，后续可以添加团队和知识库。

坑：如果页面空白或报错，检查前端是否正常。FastGPT 前端默认在 `3000` 端口，管理后台在 `3001`。两个端口都要放行。

创建第一个知识库

登录管理后台，点击“知识库” -> “新建知识库”。支持上传文档（PDF、Word、TXT）、网页链接、甚至 API 接口。上传后系统会自动向量化，向量化引擎默认用 OpenAI Embedding，如果没配 API Key 会失败。你可以换成本地向量模型（如 BGE），但需要额外配置，本文不展开。

建好知识库后，回到“应用”页面，新建一个“对话应用”，关联刚才的知识库，保存后就能在 `3000` 端口测试问答了。

配置反向代理与 HTTPS（可选）

生产环境不建议裸奔端口。用 Nginx 反代，加上 Let’s Encrypt 证书：

nginx
server {
listen 443 ssl;
server_name your-domain.com;
ssl_certificate /etc/nginx/ssl/fullchain.pem;
ssl_certificate_key /etc/nginx/ssl/privkey.pem;

location / {
proxy_pass http://127.0.0.1:3000;
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
}
}

`3001` 管理后台建议只绑定内网或加 IP 白名单，别暴露公网。

老鸟叮嘱

•内存是硬指标：FastGPT + pgvector + OpenAI 调用，2C4G 勉强跑，4C8G 才稳。如果 VPS 内存不够，会频繁 OOM，别想着 swap 能救。

•API Key 安全：不要把 API Key 写死在代码里，用环境变量或 Docker Secret。如果 Key 泄露，立刻在 OpenAI 后台 revoke。

•备份数据库：`docker compose exec pg pg_dump -U postgres fastgpt > backup.sql`，定期备份向量数据。

•升级谨慎：FastGPT 更新频繁，升级前先备份 `docker-compose.yml` 和 `config.json`，然后 `docker compose pull && docker compose up -d`。

•不用 root 跑 Docker：创建普通用户加入 docker 组，避免权限过大。

FAQ

Q1：FastGPT 支持本地模型吗？
A1：支持。可以通过配置 `OPENAI_BASE_URL` 指向本地部署的 Ollama 或 vLLM，但需要本地模型支持 Embedding 和 Chat 接口。

Q2：VPS 只有 2 核 2G 能跑吗？
A2：基本跑不动。最少 2 核 4G，而且只能用小批量向量库 pgvector，Milvus 会直接 OOM。

Q3：向量化速度很慢怎么办？
A3：检查 API Key 的速率限制，或者换用本地向量模型（如 BGE-small），但需要额外部署 Embedding 服务。

Q4：管理后台 3001 端口能改吗？
A4：可以。修改 `docker-compose.yml` 中 `ports` 映射，比如 `"8081:3001"`，然后重启容器。

Q5：知识库文件上传失败，提示“文件过大”怎么办？
A5：FastGPT 默认限制 10MB，可以在 `config.json` 中修改 `maxFileSize` 参数，重启生效。

Q6：问答结果不准确，怎么调优？
A6：检查知识库文档是否切分合理，调整 Chunk Size（默认 500 字符），也可以修改 Prompt 模板，让模型更严格依据知识库回答。

私有化知识库是 AI Agent 落地的基础能力，FastGPT 降低了搭建门槛，但生产环境需要扎实的运维功底。按本文步骤走，别跳坑，跑起来不难。

—

**相关阅读：**

– [Hermes Agent VPS 部署教程：Docker Compose 安装和初始化配置](https://www.zhujixuan.com/jishujiaocheng/9872.html)
– [VPS部署AI工具100讲：AI Agent、Codex、Claude Code、Hermes Agent、Ollama与自动化工作流实战教程](https://www.zhujixuan.com/jishujiaocheng/9606.html)
– [VPS 部署 AI 工具需要哪些基础？Linux、Docker、Nginx 和域名配置入门](https://www.zhujixuan.com/jishujiaocheng/9747.html)