云端text-embedding模型
这个在前面的文章FastGPT私有化部署+OneAPI配置大模型中其实已经说过，大概就是部署完成OneAPI后，分别新建令牌和渠道，并完成FastGPT的配置。
新建渠道
选择模型的类型并配置对应的词向量模型即可，这里我选择的是阿里通义千问。
重启oneAPI
FastGPT配置
docker-compose.yml文件配置
修改 FastGPT 配置文件config.json
"vectorModels": [{"model": "text-embedding-v1","name": "lingmouAI","inputPrice": 0,"outputPrice": 0,"defaultToken": 700,"maxToken": 3000,"weight": 100},{"model": "text-embedding-ada-002","name": "lingmouAI","inputPrice": 0,"outputPrice": 0,"defaultToken": 700,"maxToken": 3000,"weight": 100}],
重启fastGPT
docker-compose up -d
FastGPT测试知识库训练
新建知识库
上传文件
上传文件并设置训练方式和处理方式
上传数据，并等待训练完成
新建应用并测试
新建完成后，在应用内选择刚刚配置的知识库，就可以对话了
对text-embedding理解
问题记录
- 会出现多次请求大模型的情况，导致会有重复输出，重启后也没有解决。现在原因还没分析出来。
如下所示：
我是在本地cpu电脑上跑的qwen:b的模型，并在FastGPT中提问测试。由于我关联了知识库，会到知识库中找到相似的内容后发给本地大模型，但是我发现参数量比较小的模型不能很好处理较多的输入，所以导致时间很长才会有输出且内容不准确。相关截图如下：
本地text-embedding模型
模型下载
使用ollama下载m3e模型，部署完成后可使用PostMan等工具调用
ollama pull milkey/m3e:small-f16
OneAPI一定要使用最新的版本，不然会出现报错
OneAPI配置渠道信息
配置好后可使用postman调用
修改FastGPT的config.json文件
FastGPT上传知识库并训练
新建知识库选择本地知识库模型
上传知识库文件并训练
等待训练完成
FastGPT新建应用并测试
