开启WSL
因为这里使用的win部署，所以要安装wsl,如果是linux系统就没那么麻烦 控制面板->程序->程序和功能
更新wsl
wsl --set-default-version 2
wsl --update--web-download
安装ubuntu
wsl --install -d Ubuntu `
docker下载
官网下载：docker官网
修改docker镜像源
因为docker下载的镜像源默认是国外的地址，所以下载比较慢，换成国内的镜像源下载会比较快一点
` {
"registry-mirrors":[
]
} `
开启WSL integration
安装fastgpt
先创建一个文件夹来放置一些配置文件mkdir fastgpt cd fastgpt
用命令下载fastgpt配置文件`
这里如果是测试的话就用简单模型就好了，其他的高级玩法后面再慢慢摸索
启动容器码助手代码解读复制代码docker-compose up -d
ollama下载这里就不做说明了，因为现在ollama下载比较简单，需要的话，我再出博客讲解
oneapi配置
模型的处理我们只要用的是oneapi来处理模型
登录oneapi
oneapi登录账号：root 默认密码：123456或者1234
配置ollama渠道
base url那里的ip要换成本地ip 模型那里选择的模型要选择你本地ollama下载的模型 密钥可以随便填 添加完渠道，记得要点一下测试，测试通过了才能正常使用
配置渠道m3e
base url要像我这样填写才行，不然回出问题 模型要选m3e 密钥填：sk-aaabbbcccdddeeefffggghhhiiijjjkkk 这里提交之后也要点测试，看能不能通
创建令牌
这里记得选无限额度和永不过期
这里复制令牌放置docker-compose.yml文件中
修改config.json
首先是加入ollama的本地模型
像我用的是qwen2.5，你们可以根据自己的模型进行选择
然后加入向量模型vectorModels
重启容器
docker-compose down
docker-compose up -d `
FastGTP配置与使用
登录
账号：root 密码：1234
新建知识库
这里选用通用知识库 索引模型也就是向量模型 文件处理模型就是用来做回答的模型
训练模型
因为我这里使用的是本地文件去训练，所以要选择 文本数据集
这里是分割数据的模型，用自动模式就好了
这样就是训练好了，这里之前我踩过一个坑，就是一直在训练然后一条数据都没有，这个一般都是向量模型的问题，向量模型选错了，或者是向量模型没办法访问，所以上面配置渠道的时候一定要测试的原因就是这样的
创建应用
这里测试的话就用简单应用就好了
这里选择模型，选择完之后就可以用了!
