我要投稿

我用FastGPT复刻了官方DeepSeek+联网~

发布日期：2025-02-15 15:52:22 浏览次数： 2222 来源：袋鼠帝AI客栈

最近有朋友留言说，相比其他DeepSeek提供商，总是觉得官方的DeepSeek更好用。

不过就在昨天，DeepSeek公布了R1的官方提示词和用法，其实官方并没有太多的优化和骚操作，就很简单~

我用FastGPT+火山引擎的DeepSeek API，结合官方提供的使用方式，本地搭建了一套自己的DeepSeek R1，简单演示效果如下（速度嘎嘎快，而且贼稳定）：

DeepSeek + FastGPT真的是一对王炸组合，并且可部署在本地windows、mac、也可部署在云端的Linux系统上。

先给大家简单介绍一下FastGPT：

FastGPT是一个开源项目（是一个类似于Coze的智能体平台），它的知识库问答效果贼好，强烈安利给大家！

目前FastGPT在GitHub已经有21.1K Star（图中万是翻译错了，是千）

好了，话不多说，接下来我把这套方案，手把手喂给你！

流程是：

1.本地部署FastGPT；

2.获取火山引擎的DeepSeek R1 apikey和模型id（有免费50万tokens）；

3.将DeepSeek R1接入FastGPT；

4.利用FastGPT工作流复刻官方的DeepSeek R1 + 联网功能。

一、本地部署FastGPT

咱们还是老规矩，部署FastGPT之前还是要先安装docker，通过docker我们可以一键部署FastGPT（不仅FastGPT，大部分的开源项目都可以用docker一键部署），所以我强烈建议玩儿AI的朋友都安装上docker。

对于如何安装docker，网上已经有大量详细的教程，这里就不过多赘述了。

本次教程以windows为例，Linux、mac也是类似操作。

接下来我们使用FastGPT的docker-compose.yml文件把FastGPT一键启动。

首先随便找一个文件夹，新建一个空白.txt文件

然后把下面的docker-compose.yml文件内容复制粘贴到.txt中，保存

# 数据库的默认账号和密码仅首次运行时设置有效# 如果修改了账号密码，记得改数据库和项目连接参数，别只改一处~# 该配置文件只是给快速启动，测试使用。正式使用，记得务必修改账号密码，以及调整合适的知识库参数，共享内存等。# 如何无法访问 dockerhub 和 git，可以用阿里云（阿里云没有arm包）
version: '3.3'services:# dbpg:image: registry.cn-hangzhou.aliyuncs.com/fastgpt/pgvector:v0.7.0 # 阿里云container_name: pgrestart: alwaysports: # 生产环境建议不要暴露- 5432:5432networks:- fastgptenvironment:# 这里的配置只有首次运行生效。修改后，重启镜像是不会生效的。需要把持久化数据删除再重启，才有效果- POSTGRES_USER=username- POSTGRES_PASSWORD=password- POSTGRES_DB=postgresvolumes:- ./pg/data:/var/lib/postgresql/datamongo:image: registry.cn-hangzhou.aliyuncs.com/fastgpt/mongo:5.0.18 # 阿里云container_name: mongorestart: alwaysports:- 27017:27017networks:- fastgptcommand: mongod --keyFile /data/mongodb.key --replSet rs0environment:- MONGO_INITDB_ROOT_USERNAME=myusername- MONGO_INITDB_ROOT_PASSWORD=mypasswordvolumes:- ./mongo/data:/data/dbentrypoint:- bash- -c- |openssl rand -base64 128 > /data/mongodb.keychmod 400 /data/mongodb.keychown 999:999 /data/mongodb.keyecho 'const isInited = rs.status().ok === 1if(!isInited){rs.initiate({_id: "rs0",members: [{ _id: 0, host: "mongo:27017" }]})}' > /data/initReplicaSet.js# 启动MongoDB服务exec docker-entrypoint.sh "$$@" &
# 等待MongoDB服务启动until mongo -u myusername -p mypassword --authenticationDatabase admin --eval "print('waited for connection')" > /dev/null 2>&1; doecho "Waiting for MongoDB to start..."sleep 2done
# 执行初始化副本集的脚本mongo -u myusername -p mypassword --authenticationDatabase admin /data/initReplicaSet.js
# 等待docker-entrypoint.sh脚本执行的MongoDB服务进程wait $$!
# fastgptsandbox:container_name: sandboximage: registry.cn-hangzhou.aliyuncs.com/fastgpt/fastgpt-sandbox:v4.8.21-fix # 阿里云networks:- fastgptrestart: alwaysfastgpt:container_name: fastgptimage: registry.cn-hangzhou.aliyuncs.com/fastgpt/fastgpt:v4.8.21-fix # 阿里云ports:- 3000:3000networks:- fastgptdepends_on:- mongo- pg- sandboxrestart: alwaysenvironment:# 前端访问地址: http://localhost:3000- FE_DOMAIN=# root 密码，用户名为: root。如果需要修改 root 密码，直接修改这个环境变量，并重启即可。- DEFAULT_ROOT_PSW=1234# AI模型的API地址哦。务必加 /v1。这里默认填写了OneApi的访问地址。- OPENAI_BASE_URL=http://oneapi:3000/v1# AI模型的API Key。（这里默认填写了OneAPI的快速默认key，测试通后，务必及时修改）- CHAT_API_KEY=sk-fastgpt# 数据库最大连接数- DB_MAX_LINK=30# 登录凭证密钥- TOKEN_KEY=any# root的密钥，常用于升级时候的初始化请求- ROOT_KEY=root_key# 文件阅读加密- FILE_TOKEN_KEY=filetoken# MongoDB 连接参数. 用户名myusername,密码mypassword。- MONGODB_URI=mongodb://myusername:mypassword@mongo:27017/fastgpt?authSource=admin# pg 连接参数- PG_URL=postgresql://username:password@pg:5432/postgres# sandbox 地址- SANDBOX_URL=http://sandbox:3000# 日志等级: debug, info, warn, error- LOG_LEVEL=info- STORE_LOG_LEVEL=warn# 工作流最大运行次数- WORKFLOW_MAX_RUN_TIMES=1000# 批量执行节点，最大输入长度- WORKFLOW_MAX_LOOP_TIMES=100# 自定义跨域，不配置时，默认都允许跨域（多个域名通过逗号分割）- ALLOWED_ORIGINS=# 是否开启IP限制，默认不开启- USE_IP_LIMIT=falsevolumes:- ./config.json:/app/data/config.json
# oneapimysql:image: registry.cn-hangzhou.aliyuncs.com/fastgpt/mysql:8.0.36 # 阿里云container_name: mysqlrestart: alwaysports:- 3306:3306networks:- fastgptcommand: --default-authentication-plugin=mysql_native_passwordenvironment:# 默认root密码，仅首次运行有效MYSQL_ROOT_PASSWORD: oneapimmysqlMYSQL_DATABASE: oneapivolumes:- ./mysql:/var/lib/mysqloneapi:container_name: oneapi    image: ghcr.io/songquanpeng/one-api:v0.6.10ports:- 3001:3000depends_on:- mysqlnetworks:- fastgptrestart: alwaysenvironment:# mysql 连接参数- SQL_DSN=root:oneapimmysql@tcp(mysql:3306)/oneapi# 登录凭证加密密钥- SESSION_SECRET=oneapikey# 内存缓存- MEMORY_CACHE_ENABLED=true# 启动聚合更新，减少数据交互频率- BATCH_UPDATE_ENABLED=true# 聚合更新时长- BATCH_UPDATE_INTERVAL=10# 初始化的 root 密钥（建议部署完后更改，否则容易泄露）- INITIAL_ROOT_TOKEN=fastgptvolumes:- ./oneapi:/datanetworks:fastgpt:

修改.txt的文件名和后缀为：docker-compose.yml

在添加一个配置文件：config.json

内容如下：

// 已使用 json5 进行解析，会自动去掉注释，无需手动去除{"feConfigs": {"lafEnv": "https://laf.dev" // laf环境。https://laf.run （杭州阿里云） ,或者私有化的laf环境。如果使用 Laf openapi 功能，需要最新版的 laf 。},"systemEnv": {"vectorMaxProcess": 15, // 向量处理线程数量"qaMaxProcess": 15, // 问答拆分线程数量"tokenWorkers": 50, // Token 计算线程保持数，会持续占用内存，不能设置太大。"pgHNSWEfSearch": 100 // 向量搜索参数。越大，搜索越精确，但是速度越慢。设置为100，有99%+精度。}}

然后在当前目录的地址栏上输入cmd，回车，就能进入控制台

接着输入docker-compose up -d 指令，回车

当出现一堆started（如下图），就表示启动成功了

用docker ps 指令，可以查看现在有六个服务在运行

也可以到docker-desktop里面查看

我们主要关注fastgpt和one-api这两个服务即可。

访问FastGPT的页面：http://127.0.0.1:3000/

FastGPT 账号：root，初始密码：1234

访问one-api的页面：http://127.0.0.1:3001/

one-api 账号：root，初始密码：123456

FastGPT已经介绍过了，是一个类似Coze的智能体平台。

one-api又是什么呢？

one-api是一个开源AI_API中转站（可以说目前市面上大部分的API中转站都是基于one-api二次开发出来的），它能够配置对接市面上几乎所有的主流大模型API，并已OpenAI API的调用方式统一对外提供服务。

简单来说，使用one-api，我们后续就可以在fastgpt随意切换大模型使用。

二、满血版DeepSeek接入FastGPT

如何把DeepSeek接入FastGPT呢，答案是通过DeepSeek API接口，上篇内容进行了主流DeepSeek API提供商的 API速度测试。

满血版DeepSeek API的速度测评
袋鼠帝，公众号：袋鼠帝AI客栈满血DeepSeek API哪家强？官方最慢...

其中最快的还是财大气粗的字节（火山引擎）

目前火山引擎免费送 50万token，可以白嫖一段时间了~

我们需要先去字节的火山引擎获取R1和V3的模型id，以及Apikey。

获取步骤可以参考这篇（我觉得还挺详细的）

火山引擎V3、R1 API
orangesai，公众号：橘子汽水铺终于来了！满血高速能联网 DeepSeek R1 API 获取教程

我们获取到模型id和apikey之后，需要去one-api配置一下

添加新的渠道

按照下图添加火山引擎的v3和r1 API配置

模型重定向json：

{  "deepseek-chat": "v3的模型id",  "deepseek-reasoner": "r1的模型id"}

在填写apikey之后就可以提交保存了

保存之后点击一下测试，如果右上角出现保存成功的提示就代表配置OK啦~

接下来我们去FastGPT添加deepseek-chat（V3）和deepseek-reasoner（R1）模型。

在工作台->新建->工作流

搭建一个如下的简易工作流，基本就能复刻DeepSeek官方的R1+联网搜索效果啦。

这个工作流很简单，首先是一个问题分类节点：用于区分联网问题和其他问题

如果是联网问题，走下半部分的流程（先通过DuckDuckGo根据用户问题搜索结果，然后把结果丢给r1节点，并带上官方的R1联网搜索提示词）

search_answer_zh_template = \'''# 以下内容是基于用户发送的消息的搜索结果:{search_results}在我给你的搜索结果中，每个结果都是[webpage X begin]...[webpage X end]格式的，X代表每篇文章的数字索引。请在适当的情况下在句子末尾引用上下文。请按照引用编号[citation:X]的格式在答案中对应部分引用上下文。如果一句话源自多个上下文，请列出所有相关的引用编号，例如[citation:3][citation:5]，切记不要将引用集中在最后返回引用编号，而是在答案对应部分列出。在回答时，请注意以下几点：- 今天是{cur_date}。- 并非搜索结果的所有内容都与用户的问题密切相关，你需要结合问题，对搜索结果进行甄别、筛选。- 对于列举类的问题（如列举所有航班信息），尽量将答案控制在10个要点以内，并告诉用户可以查看搜索来源、获得完整信息。优先提供信息完整、最相关的列举项；如非必要，不要主动告诉用户搜索结果未提供的内容。- 对于创作类的问题（如写论文），请务必在正文的段落中引用对应的参考编号，例如[citation:3][citation:5]，不能只在文章末尾引用。你需要解读并概括用户的题目要求，选择合适的格式，充分利用搜索结果并抽取重要信息，生成符合用户要求、极具思想深度、富有创造力与专业性的答案。你的创作篇幅需要尽可能延长，对于每一个要点的论述要推测用户的意图，给出尽可能多角度的回答要点，且务必信息量大、论述详尽。- 如果回答很长，请尽量结构化、分段落总结。如果需要分点作答，尽量控制在5个点以内，并合并相关的内容。- 对于客观类的问答，如果问题的答案非常简短，可以适当补充一到两句相关信息，以丰富内容。- 你需要根据用户要求和回答内容选择合适、美观的回答格式，确保可读性强。- 你的回答应该综合多个相关网页来回答，不能重复引用一个网页。- 除非用户要求，否则你回答的语言需要和用户提问的语言保持一致。
# 用户消息为：{question}'''