1.下载Docker

官网地址：Docker: Accelerated Container Application Development

下载AMD64版本

安装完以后需要重启一下电脑，启动Docker  Desktop，无需登录（登录需要翻墙），直接进去

2.安装WSL2

WSL全称Windows Subsystem for Linux，是一个在Windows 上能够运行原生Linux二进制可执行文件（ELF格式）的兼容层。WSL为用户提供了一个基本完整的GNU/Linux环境，用户无需安装虚拟机或者双系统即可使用GNU/Linux中的软件，能提高文件系统 性能，以及添加完全的系统调用兼容性。

打开cmd窗口输入以下命令

wsl --update

会自动安装最新版本并检查更新 

进入启用或关闭Windows功能，确保标红部分已勾选

打开docker desktop WSL2

3.配置docker代理地址

//配置代理地址的模板，自己去找可以用的代理
{
  "debug": true,
  "experimental": false,
  "insecure-registries": [],
  "registry-mirrors": [
    "https://registry.docker-cn.com",
    "https://docker.unsee.tech"
  ]
}

配置完点击Apply&restart，再重启docker desktop

确保这边是running状态

如果提示Docker Engine Stopped

方法一：去任务管理器服务中找到docker desktop确认是启动状态

方法二：确认Hyper-V是勾选状态

方法三：终端管理员

输入已下命令：

bcdedit

如果最后一行不是Auto，则输入命令，然后重启电脑

bcdedit /set hypervisorlaunchtype auto

方法四：确认WSL已更新

方法五：确认代理地址配置正确

4.本地部署FastGPT

新建一个空的文件夹FastGPT，存放下面两种配置文件，要么下载完放进去，要么自己新建改后缀名，记得要去掉注释

①config.json

②docker-compose.yml

这两个配置文件在https://github.site/labring/FastGPT，可以搜索文件名找到对应文件

在FastGPT文件夹中打卡cmd，输入以下命令，如果一直报错或者没动就说明代理地址不行，再重新找可用的地址

curl -o docker-compose.yml https://raw.githubusercontent.com/labring/FastGPT/main/files/docker/docker-compose-pgvector.yml

下载完还是在FastGPT文件夹中打卡cmd分别输入以下命令

docker-compose pull  //这个需要挺久时间
docker-compose up -d

最后出现这个界面表示成功

再去回到docker desktop页面，Running就是运行成功，fastgpt端口是3000，oneapi端口是3001，可以直接点击port打开网页，也可以通过浏览器输入http://localhost:3000

fastgpt页面如下，账号：root  密码：1234

要改密码就在配置文件docker-compose.yml环境变量里设置的 DEFAULT_ROOT_PSW，修改完重启即可

oneapi页面如下，账号root  密码：123456，第一次进去需要修改密码

5.通过oneapi调用模型

第一步进入deepseek官网获取免费的500万tokens，DeepSeek

创建API keys，记得复制sk

第二步进入oneapi渠道-创建新的渠道

类型有很多种，如果是百度，阿里或者其他公司的模型，都可以使用，但是确保密钥是对的

这里选的了deepseek-chat模型，密钥就是上方获取的sk，代理地址：http://api.deepseek.com,然后提交

测试一下连接，如果有响应时间就是成功

第三步去令牌中，添加新的令牌

这边最最重要的就是确认好模型范围，这和后面修改配置文件config.json要能对应的上，一个令牌可以对应多个渠道的模型，然后提交

点击复制你所需要的令牌，会生成sk，一定要保存

第四步打开docker-compose.yml文件，找到以下两个配置，修改完保存

//最后一定要带上v1，如果在同一个网络内，可改成内网地址
OPENAI_BASE_URL=http://xxx:xxx/v1
//key 是由 One API 提供的令牌，之前保存的sk
CHAT_API_KEY

第五步打开config.json文件，因为deepseek是语言模型，所以在llmModels中加入加入所需要的语言模型，如果是其他模型，例如向量模型需要去vectorModels中配置。provider是模型供应商，medel是模型，和渠道中的模型一定要对应上，配置完保存。

第六步，在FastGPT文件路径下打开cmd，分别输入以下两个命令重启服务

docker-compose down

docker-compose up -d

第七步，进入fastgpt中找到刚刚部署的deepseek-chat模型

第八步，在工作台创建一个新应用，AI模型换成deepseek-chat，看右边会话即可使用。

6.创建本地知识库问答系统

我们现在已经拥有了语言模型进行文本理解，但还需要向量模型将自然语言转成向量

以智谱的embedding-2模型为例，去智谱官方获取对应的密钥，然后提交完测试是否可用

在之前的令牌中，模型范围选上embedding-2模型，只要渠道中添加后在这边就会自动显示出来

I

再去config.json文件中添加在向量模型那块

记得每次修改好配置文件都得重启一次

docker-compose down

docker-compose up -d

 重启完去fastgpt中创建知识库，两个模型分别选择刚刚部署的，只有所有的配置都正确才会显示

在知识库中随便导入自己需要的文件，再去工作台创建应用，选择知识库+对话引导

关联知识库，修改参数中问题优化改成deepseek-chat模型

保存即完成了本地知识库问答系统。