入门
用 FastGPT 搭企业级知识库 AI 客服：零代码 + 可私有化
你有没有遇到过这种情况：公司几百页产品手册、售后规则、内部制度堆在网盘里，客户和员工每问一次，你就得翻一遍？FastGPT 就是专门解决这个问题的——它是国内最成熟的开源知识库问答平台之一，主打「混合检索、拒绝幻觉」的企业级 AI 客服。本教程零代码带你从注册到发布，并演示如何把整套系统私有化部署到自己的服务器，数据完全不出域。
📚 本教程适合：想给公司/店铺/社群搭一个「懂自己资料」的智能客服的运营、客服、IT 负责人，以及任何不想被通用 AI 瞎编答案困扰的人。你只需要一台能上网的电脑。
先搞懂：FastGPT 和通用聊天 AI 有什么不一样？
用一句话理解：ChatGPT 是「通才」，FastGPT 是「装了你资料的专才」。它的核心不是让模型更聪明，而是让模型只基于你喂的文档回答，答不出就老实说「资料里没有」，这就从根上掐断了幻觉。
| 对比维度 | 通用聊天 AI | FastGPT 知识库客服 |
|---|---|---|
| 回答依据 | 模型训练记忆（可能过时/编造） | 你上传的文档（实时、可控） |
| 幻觉风险 | 高，常编细节 | 低，可强制「不知就说不知道」 |
| 数据归属 | 在厂商云端 | 可完全私有化部署 |
| 典型场景 | 闲聊、写稿 | 客服、制度问答、售前咨询 |
新手建议先做「知识库 + 对话引导」应用：它最简单、命中率最高，本教程就带你做一个「懂你产品售后的客服」。学会这个，工作流、API 接入都触类旁通。
Step 1：注册并选好使用方式
1 云端试用 or 私有部署，二选一
FastGPT 有两种用法，新手强烈建议先走云端版，10 分钟跑通流程，理解了再考虑私有化：
方式一：官方云端（推荐新手）
1. 打开 fastgpt.cn（或 fastgpt.in），点右上角「注册」
2. 用邮箱/手机号注册登录，新用户自动获得免费额度
3. 进入「工作台」即可开始，无需绑卡
方式二：私有化部署（数据敏感场景）
1. 准备一台 2 核 4G 以上的服务器（跑本地大模型需更高配置）
2. 推荐用 Sealos 一键部署，复制官方部署链接点一下即可
3. 或手动：装 Docker → 克隆官方仓库 → 填模型 Key → docker-compose up -d💡 金融、政务、医疗等强合规行业，直接用「方式二」把数据留在自己服务器。普通电商/社群先用云端练手，成本最低。
Step 2：创建并导入知识库
2 把资料喂给 AI，它会自动切片向量化
知识库是 FastGPT 的「大脑硬盘」。导入方式很灵活，新手推荐上传结构清晰的 Markdown 或拆分好的主题文档：
1. 左侧点「知识库」→「新建知识库」，填名称（如「售后政策库」）
2. 点「导入数据」，选一种方式：
· 上传 PDF / Word / TXT / Markdown
· 直接粘贴网页链接自动抓取
· QA 自动拆分：上传文本，AI 自动生成问答对
· CSV 批量导入现成的问答对
3. 系统会自动完成「分段 + 向量化 + 建索引」，等状态变「可用」文档质量决定答案质量：别直接丢一份几百页、格式混乱的 Word。更好的做法是拆成「价格说明」「售后政策」「常见问题」等多个主题文档。一个片段讲清一个主题，检索最准。
Step 3：创建应用并关联知识库
3 三下点击，应用就建好了
1. 回到「工作台」点「新建应用」
2. 选「知识库 + 对话引导」模板，起个名字（如「小龙虾智能客服」）
3. 进应用详情，找到「知识库」区域，点「+」关联刚建的库
4. 点「保存并预览」，现在就能在右侧对话窗直接提问了试着问「这款产品的保修政策是什么？」——它会从你上传的文档里抽段落回答，而不是瞎编。
🔑 关键配置：在应用设置里把「回复温度」调低（如 0.1~0.3）。温度越低越稳定，客服/制度类场景要的是准确，不是创意。
Step 4：写好提示词，给 AI 立规矩
4 决定 AI 的「性格」和「红线」
在「系统提示词」框里，把下面这段改成你的业务粘进去。这一步是消灭幻觉的核心：
你是一个专业、严谨的企业知识库问答助手。
请根据知识库内容回答用户问题。
如果知识库中没有相关信息，请明确说「当前资料里没有找到相关内容」，不要编造答案。
回答应简洁、准确、有条理。
涉及流程、规则、金额、时间等关键信息时，严格依据资料。
如果是客服场景：语气友好耐心，优先解决用户问题，必要时给操作步骤；
不要承诺知识库中没有明确说明的政策、价格或服务。💡 想深入学提示词写法，可看本中心《提示词新手入门》教程。记住万能三要素：它是谁（人设）、该做什么（职责）、不能做什么（红线）。
Step 5：用工作流编排复杂逻辑（进阶）
5 让 AI 先判断「该不该答」，再决定怎么答
简单问答够用了，但复杂业务建议你加一个「意图识别」节点，逻辑更稳：
工作流示意：
用户提问 → 检索知识库 → 判断相关性
├─ 相关 → 基于知识库生成回答
└─ 不相关 → 调用联网搜索补充 / 返回预设话术「这个问题我转人工」
拖拽节点即可完成，无需写代码。
调试模式下还能实时看到每个节点的输入/输出，方便优化。对错误回答要「喂回去」：在对话记录里把答错的标记为「不满意」，再把正确答案导入知识库。反复几次，命中率会明显上升——这就是 FastGPT 的「人工调优」闭环。
Step 6：发布上线，接到网站 / 微信
6 一键拿到 API，嵌到任意渠道
1. 点「发布」，获取 API Key 和嵌入代码
2. 嵌网站：复制那段 <iframe> 代码贴到网页，出现聊天气泡
3. 接微信/小程序/飞书：用官方或社区「应用市场」里的预制集成
（应用市场已上架 50+ 模板：AI 客服、简历筛选、文档总结…一键导入）
4. 想彻底私有？Step 1 的「方式二」部署后，所有数据都在你服务器🎉 恭喜！你已经完整走通「建知识库→传文档→建应用→立规矩→接渠道」的全流程。真实案例里，一家小电商用一下午就接好了智能客服，70% 的常见问题自动回答，省了大半客服人力。
常见问题速查
| 你遇到的现象 | 大概率原因 & 解决 |
|---|---|
| 回答和文档对不上 | 文档没预处理，含广告/乱格式；清理后重传 |
| 专业问题答不准 | 换了更强的向量模型（如 BGE-large / text-embedding-3-large） |
| AI 爱瞎编 | 提示词加「不知就说不知道」+ 把温度调到 0.3 以下 |
| 百万级文档检索变慢 | PgVector 换 Milvus / Zilliz 云服务 |