本文主要是介绍FastWiki一分钟本地离线部署本地企业级人工智能客服，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
介绍
FastWiki是一个开源的企业级人工智能客服系统，它使用了一系列先进的技术和框架来支持其功能。
技术栈
- 前端框架：React + LobeUI + TypeScript
- 后端框架：MasaFramework 基于 .NET 8
- 动态函数：基于JavaScript V8引擎实现
- 向量搜索引擎：使用PostgreSQL的向量插件，优化搜索性能 | 简单版本支持磁盘向量
- 深度学习与NLP：微软Semantic Kernel，提升搜索的语义理解能力
- 许可证：Apache-2.0，鼓励社区贡献和使用
特点
- 智能搜索：借助Semantic Kernel的深度学习和自然语言处理技术，能够理解复杂查询，提供精准的搜索结果。
- 高性能：通过PostgreSQL的向量插件优化向量搜索性能，确保即使在大数据量下也能快速响应。
- 现代化前端：使用React + LobeUI前端框架，提供响应式设计和用户友好的界面。
- 强大的后端：基于最新的.NET 8和MasaFramework，确保了代码的高效性和可维护性。
- 开源和社区驱动：采用Apache-2.0许可证，鼓励开发者和企业使用和贡献。
- 动态JavaScript函数：提供Monaco智能代码提示，使开发更方便。
- 强大的QA问答拆分模式：让知识库回复更智能。
FastWiki的部署过程已经被极大地简化，只需运行FastWiki服务即可，无需数据库。
对于FastWiki，我们不段的更新和优化，现在的版本越来越稳定，功能也更丰富，目前我们又简化了FastWiki的部署成本， 您无需数据库即可部署，只需要运行我们的FastWiki服务！
创建Docker指令
下面我们创建我们的FastWiki的指令，只需要一行代码即可运行。
docker run -d --name fast-wiki-service --user root --restart always \-p 8080:8080 \-v $(pwd)/wwwroot/uploads:/app/wwwroot/uploads \-v $(pwd)/data:/app/data \-e OPENAI_CHAT_ENDPOINT=https://api.token-ai.cn/ \-e OPENAI_CHAT_EMBEDDING_ENDPOINT=https://api.token-ai.cn/ \-e OPENAI_CHAT_TOKEN=您的TokenKey \-e ASPNETCORE_ENVIRONMENT=Development \registry.cn-shenzhen.aliyuncs.com/fast-wiki/fast-wiki-service
在这里我们需要注意俩个点，第一个您的AI模型地址需要修改，您的AIToken也需要修改，确保修改完成，替换参数以后再执行。
运行完成以后我们访问一下容器的端口 如果你是再本地运行的则访问 localhost:8080
点击立即开始
登录系统，系统默认账号：admin 默认密码 Aa123456
登录成功后还会返回页面，再次点击立即开始，点击新增，然后输入您创建的应用名称。
然后点击左边菜单的知识库，然后上传头像，设置我们的模型 （这个模型是用于QA问答解析的时候用到的），设置我们的嵌入模型（嵌入模型是我们用于量化文档的模型）创建完成以后进入知识库，然后点击上传文件。
点击上传文件，
然后吧我们的FastWiki上传上去：
然后点击提交数据：
然后返回到知识库详情：我们看到我们的文档已经量化完成
然后回到应用中然后绑定一下我们刚刚创建的知识库，然后点击保存即可。然后点击左边菜单的对话
提问内容：FastWiki有哪些技术栈？回复效果；
这些内容基本上就是我们的文档的内容！
知识库非常的详细的回复出来了。如果FastWiki对你有帮助的话帮忙再GitHub给一个Star，就是给我们最大的支持！！！
## 技术交流
Github: https://github.com/AIDotNet/fast-wiki
Gitee https://gitee.com/hejiale010426/fast-wiki
这篇关于FastWiki一分钟本地离线部署本地企业级人工智能客服的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
