目录
1、ollama
ollama的一些操作命令：
使用的方式：
2、fastgpt
快速部署：
修改配置：
config.json:
docker-compose.yml:
运行fastgpt：
访问OneApi:
添加令牌和渠道：
登陆fastgpt，创建知识库和应用
3、总结：
附录：
1. 11434是ollama的端口：
2. m3e 测试 404 说明：
定义： ollama 是一个本地的大模型运行框架
下载地址：Ollama
定义：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！
docker快速部署参考：Docker Compose 快速部署 | FastGPT
config.json:
config.json 修改 llmModels（大语言模型） 和 vectorModels （向量模型）的配置。
例如：大语言模型我使用了qwen2:latest，则有如下配置：
向量模型我使用了m3e，则有如下配置：
在fastgpt中，大语言模型和向量模型都可以配置多个。
大语言模型的名称可以查询ollama下的模型列表（ollama list）找到：
上面的m3e向量模型在ollama中没有，所以我们需要下载和运行。命令如下：
可以根据自己电脑是否有GPU运行的条件决定使用哪个启动命令。
docker-compose.yml:
docker-compose.yml 需要修改如下内容：（若其他镜像配置的端口有冲突，也需要修改）
解释：
- OPENAI_BASE_URL参数：
- 端口3001是OneApi设置的端口。
- host.docker.internal 是docker容器内访问宿主机的地址，相当于IP地址，当在不同的网络下工作时尤其有用。
注意：host.docker.internal 尽量避免手敲，手敲也要仔细检查，避免出现单词拼写错误的情况。
- CHAT_API_KEY参数：
- 需要启动OneApi后，从令牌处复制过来。（这里先跳过）
- m3e向量模型是我们另外加进来的，所以这里也需要加上相关配置。
笔者修改后的配置：
config.json
docker-compose.yml
访问OneApi:
地址：http://localhost:3001/
账号/密码： root/123456
注意：账号密码可能会更新，若登陆失败。可以去官网查找最新的账号密码。
添加令牌和渠道：
添加令牌：
名称可以随便设置，模型范围、IP限制、过期时间及额度根据个人情况设置，提交。
之后就可以点击“复制”按钮复制key 到 docker-compose.yml 文件中的 CHAT_API_KEY，保存。
添加渠道：
我们需要给ollama 和 m3e各配置一个渠道。
配置 ollama 渠道：
端口问题详见附录.1。
渠道测试：
配置m3e渠道：
渠道测试：
报错了，错误是 404。这个说明是正常的，原因是fastgpt最初是针对chatgpt开发的，默认的请求路径是到chatgpt的API的路径。
说明详见附录.2
地址：localhost:3000
账号/密码：root/1234
手动输入知识库文本物料：
修改配置：
导入外部文件：
输入应用名称，选择"知识库+对话引导"，点击确认
点击发布。开启知识库的问答！
模型回答的准确性有待提高，在选择模型和训练模型的时候需要尤其注意。
访问测试：http://localhost:11434/
1. 打开docker中 fastgpt内 m3e 的日志
2.重新点击 OneApi 中 m3e 渠道的测试按钮