百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

使用Docker快速布署FastGPT实现AI私有知识库 (Mac)

ztj100 2024-10-27 18:30 16 浏览 0 评论

FastGPT 是一个基于 LLM 大语言模型的知识库问答系统,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,从而实现复杂的问答场景!

官网地址为:https://github.com/labring/FastGPT

应用场景

具体的玩法是什么:添加或者采集文章,添加到自己的知识库,FastGPT会向量化保存。整合上ChatGPT。

当你提问的内容匹配到自己采集的文章时,会让AI整合知识库的内容进行回复。

比如:下载100篇指定品类的小红书爆文。配合ChatGPT。

可以让AI更高质量的产出此品类下的文章 。搭建自己定制化的AI智能知识助手。

一、安装 Docker 和 docker-compose

Docker是一种容器技术,可以快速布署环境到机器上,并且和主机隔离,应该相当广泛。

其中最核心的概念有2个,一个是镜像images,一个是容器container。

镜像就像是一个模板,容器就是利用这个模板建立的环境。

docker-compose则是docker专用的编排工具,就是设计好模板,让docker按模板来下载、启动并运行相关的镜像。

下面是FastGPT官方的流程。

# 安装 Docker
curl -fsSL https://get.docker.com | bash -s docker --mirror Aliyun
systemctl enable --now docker

# 安装 docker-compose
curl -L https://github.com/docker/compose/releases/download/2.20.3/docker-compose-`uname -s`-`uname -m` -o /usr/local/bin/docker-compose
chmod +x /usr/local/bin/docker-compose

# 验证安装
docker -v
docker-compose -v

实际应用中,Mac安装会比较简单,可以参考:https://docs.docker.com/docker-for-mac/install/#download-docker-for-mac

docker-compose安装可以参考:https://docs.docker.com/compose/install/standalone/

下载dmg安装包,直接就可以安装上。

Linux会复杂一些。安装好之后,可以很快速的搭建本机或者线上的环境,比如我本机Mac上,可以快速搭建一个随用随开的MySQL数据库。

只要一行就可以了。先去Docker官方的中央仓库选好镜像。https://hub.docker.com/ ,注意不同的tag代表不同的版本说明。
我选择mysql8.3进行安装,复制页面上的参数命令。https://hub.docker.com/_/mysql/tags

# 1、拉取镜像image
docker pull mysql:8.3.0

# 创建本地目录:
mkdir -p {data,conf,backup,logs,mysql-files}

# 配置端口和映射本地目录
docker run --name mymysql5.8 \
    --restart always \
    -p 3306:3306 \
    -e MYSQL_ROOT_PASSWORD=xxxx \
    -v /data/env/mysql/data:/var/lib/mysql \
    -v /data/env/mysql/conf:/etc/mysql/conf.d \
    -v /data/env/mysql/backup:/backup \
    --character-set-server=utf8mb4 --collation-server=utf8mb4_unicode_ci
    -d mysql:8.3.0
		

如果想建立第二个库,改个新端口,并把-name改个名字,即可运行。

还有很多用法,可以百度一下,很多相关的资料。

二、下载FastGPT

依次执行下面命令,创建 FastGPT 文件并拉取docker-compose.yml和config.json,执行完后目录下会有 2 个文件。

cd ~/MyCodeEnv
mkdir fastgpt
cd fastgpt
curl -O https://raw.githubusercontent.com/labring/FastGPT/main/files/deploy/fastgpt/docker-compose.yml
curl -O https://raw.githubusercontent.com/labring/FastGPT/main/projects/app/data/config.json

三、配置修改

修改docker-compose.yml中的
1、OPENAI_BASE_URL 改为你的GPT的链接。默认为https://api.openai.com/v1,如果你有魔法环境,不需要改,如果在国内本地,改为中转代理地址。
2、CHAT_API_KEY,对应的ChatGPT的key值。

至于中转代理,可以用Nginx进行中转或者Clash,也可以购买别人建立好的。当然也可以用OneAPI,同样使用Docker搭建。不过需要搭建到HK这些节点,国内是访问不到GPT的API的。

如果直接使用 OneAPI 的话,OPENAI_BASE_URL=OneAPI访问地址/v1;CHAT_API_KEY=令牌

我在本地搭建了OneAPI,所以填配置为:

OPENAI_BASE_URL=http://localhost:13000/v1
CHAT_API_KEY=sk-xxxxxxxx # OneAPI后台的Key不是ChatGPT的。特别注意。非OneAPI后台则是填ChatGPT的key值。

如果有需要还可以修改别的信息

最后启动

# 在 docker-compose.yml 同级目录下执行
docker-compose pull
docker-compose up -d

Mac上有Docker管理工具,安装好docker之后自带的。

看到都在Running中代表正常。

如果是Linux系统可以使用docker ps 检查运行状态。

四、初始化 Mongo 副本集(4.6.8以前可忽略)

FastGPT 4.6.8 后使用了 MongoDB 的事务,需要运行在副本集上。副本集没法自动化初始化,需手动操作。

# 查看 mongo 容器是否正常运行
docker ps

# 进入容器
docker exec -it mongo bash

# 连接数据库(这里要填Mongo的用户名和密码)
mongo -u myusername -p mypassword --authenticationDatabase admin
mongo -u root -p QyhsTech2023 --authenticationDatabase admin

# 初始化副本集。如果需要外网访问,mongo:27017 可以改成 ip:27017。但是需要同时修改 FastGPT 连接的参数(MONGODB_URI=mongodb://myname:mypassword@mongo:27017/fastgpt?authSource=admin => MONGODB_URI=mongodb://myname:mypassword@ip:27017/fastgpt?authSource=admin)
rs.initiate({
  _id: "rs0",
  members: [
    { _id: 0, host: "mongo:27017" }
  ]
})
# 检查状态。如果提示 rs0 状态,则代表运行成功
rs.status()

这一步会有很大的问题。官方的仓库也有大量的人反映 https://github.com/labring/FastGPT/issues/823

官方的解决方案我放到最后了,参考之后并没有解决。安装时一切正常。登陆时,却提示:
Operation users.findOne() buffering timed out after 10000ms

后来反复删除安装依然不行。但是在启动过程中发现Docker提示:WARNING: MongoDB 5.0+ requires a CPU with AVX support

查了一下,应该是镜像不支持Mac M2芯片,但是看界面上mongo容器是正常Running状态。

于是进入容器检查

docker exec -it mongo bash
ps aux|grep mongo

发现并没有mongo进程,查了一下数据目录,也没有文件出来。怀疑是mongo并没有启动。

于是重新检查docker-compose.yml配置文件。

把image的基础镜像改为官方版本,支持aarm64的Mac镜像的。

具体操作为:修改docker-compose.yml

image: registry.cn-hangzhou.aliyuncs.com/fastgpt/mongo:5.0.18
修改为:
image: mongo:5.0.18

保存并重新安装:

docker-compose down
docker-compose up -d

这下检查数据库有内容了。再回过去,初始化官方要求的副本集。一切正常了。

四、访问 FastGPT并使用

目前可以通过 ip:3000 直接访问(注意防火墙)。登录用户名为 root,密码为docker-compose.yml环境变量里设置的 DEFAULT_ROOT_PSW。
不修改配置的话,默认为:
http://localhost:3000
默认为:
账号:root
密码:1234

如果布到公网可以加一层Nginx,绑定上域名使用。

Mongo 启动失败

docker-compose 示例优化 Mongo 副本集参数,不需要手动创建再挂载。如果无法启动,可以尝试更换下面的脚本:

1、终端中执行:

openssl rand -base64 756 > ./mongodb.key
chmod 600 ./mongodb.key
chown 999:root ./mongodb.key

2、修改 docker-compose.yml:

mongo:
image: registry.cn-hangzhou.aliyuncs.com/fastgpt/mongo:5.0.18 # 阿里云
container_name: mongo
ports:
  - 27017:27017
networks:
  - fastgpt
command: mongod --keyFile /data/mongodb.key --replSet rs0
environment:
  # 默认的用户名和密码,只有首次允许有效
  - MONGO_INITDB_ROOT_USERNAME=myusername
  - MONGO_INITDB_ROOT_PASSWORD=mypassword
volumes:
  - ./mongo/data:/data/db
  - ./mongodb.key:/data/mongodb.key

3、重启服务
docker-compose down
docker-compose up -d

4、进入容器执行副本集合初始化(看上方)

最后的界面如图

可以往里面导入文章,FastGPT会自动进行处理了。

相关推荐

再说圆的面积-蒙特卡洛(蒙特卡洛方法求圆周率的matlab程序)

在微积分-圆的面积和周长(1)介绍微积分方法求解圆的面积,本文使用蒙特卡洛方法求解圆面积。...

python编程:如何使用python代码绘制出哪些常见的机器学习图像?

专栏推荐...

python创建分类器小结(pytorch分类数据集创建)

简介:分类是指利用数据的特性将其分成若干类型的过程。监督学习分类器就是用带标记的训练数据建立一个模型,然后对未知数据进行分类。...

matplotlib——绘制散点图(matplotlib散点图颜色和图例)

绘制散点图不同条件(维度)之间的内在关联关系观察数据的离散聚合程度...

python实现实时绘制数据(python如何绘制)

方法一importmatplotlib.pyplotaspltimportnumpyasnpimporttimefrommathimport*plt.ion()#...

简单学Python——matplotlib库3——绘制散点图

前面我们学习了用matplotlib绘制折线图,今天我们学习绘制散点图。其实简单的散点图与折线图的语法基本相同,只是作图函数由plot()变成了scatter()。下面就绘制一个散点图:import...

数据分析-相关性分析可视化(相关性分析数据处理)

前面介绍了相关性分析的原理、流程和常用的皮尔逊相关系数和斯皮尔曼相关系数,具体可以参考...

免费Python机器学习课程一:线性回归算法

学习线性回归的概念并从头开始在python中开发完整的线性回归算法最基本的机器学习算法必须是具有单个变量的线性回归算法。如今,可用的高级机器学习算法,库和技术如此之多,以至于线性回归似乎并不重要。但是...

用Python进行机器学习(2)之逻辑回归

前面介绍了线性回归,本次介绍的是逻辑回归。逻辑回归虽然名字里面带有“回归”两个字,但是它是一种分类算法,通常用于解决二分类问题,比如某个邮件是否是广告邮件,比如某个评价是否为正向的评价。逻辑回归也可以...

【Python机器学习系列】拟合和回归傻傻分不清?一文带你彻底搞懂

一、拟合和回归的区别拟合...

推荐2个十分好用的pandas数据探索分析神器

作者:俊欣来源:关于数据分析与可视化...

向量数据库:解锁大模型记忆的关键!选型指南+实战案例全解析

本文较长,建议点赞收藏,以免遗失。更多AI大模型应用开发学习视频及资料,尽在...

用Python进行机器学习(11)-主成分分析PCA

我们在机器学习中有时候需要处理很多个参数,但是这些参数有时候彼此之间是有着各种关系的,这个时候我们就会想:是否可以找到一种方式来降低参数的个数呢?这就是今天我们要介绍的主成分分析,英文是Princip...

神经网络基础深度解析:从感知机到反向传播

本文较长,建议点赞收藏,以免遗失。更多AI大模型应用开发学习视频及资料,尽在...

Python实现基于机器学习的RFM模型

CDA数据分析师出品作者:CDALevelⅠ持证人岗位:数据分析师行业:大数据...

取消回复欢迎 发表评论: