v0.5.0 · AIDotNet/fast-wiki
默认提供win-64,mac-64一体包
使用Docker指令傻瓜式运行，不需要依赖任何数据库
sudo 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 DEFAULT_TYPE=sqlite \ -e DEFAULT_CONNECTION=Data\ Source=/app/data/fast-wiki.db \ -e WIKI_TYPE=disk \ -e WIKI_CONNECTION=/app/data/wiki \ -e OPENAI_CHAT_TOKEN=您的AI Key \ -e ASPNETCORE_ENVIRONMENT=Development \ registry.token-ai.cn/ai-dotnet/fast-wiki-service请修改上面的参数，如果您是http://api.token-ai.cn/用户，只需要修改OPENAI_CHAT_TOKEN的环境变量，然后执行指令即可，然后放到Linux服务器执行。
然后打开浏览器访问http://ip:8080
然后就会进入到这个界面，我们随便点击一个菜单然后就会跳转到登录界面
默认的账号是admin,Aa123456然后点击登录，在点击项目管理
然后点击右上角的新增，然后输入名称AIDotNet在点击创建
在点击知识库管理，然后点击右上角新增
然后输入知识库名称，输入模型，推荐使用gpt-4o-mini模型目前最便宜的模型并且效果非常好，嵌入模型使用text-embedding-ada-002，然后上传一个头像，然后点击创建。
然后点击创建的知识库，然后点击右上角的上传文件，
然后可用吧图片推到图片中，也可以点击上传，但是文件推荐使用.md的格式，如果你有pdf或其他格式也可以使用，但是不一定可用，我们将Fast-Wiki的中文文档进行了上传到知识库，然后点击右下角的下一步。
默认情况下可用使用文本拆分或者AI拆分，
然后点击提交数据即可，点击了提交数据左下角会现在当前用户正在量化的数据。
然后回去界面，就可以看到量化的文件，我们店家操作的详情，
然后我们可以看到很多小片小片的文件，然后我们在回到项目管理，
然后点击进入应用，
在点击配置绑定刚刚创建的知识库，然后点击保存修改，在获到项目管理，在点击进入对话。参考上面进入页面的代码
然后我们输入需要提问的内容，我们看到它的回复是完全没问题的，跟我们上面的教程也是一样的。
非常好多效果。
后面我们计划给FastWiki接入mem0，让RAG更加智能。
FastWiki是一个开源的可商用的智能知识库项目，采用了MasaFramework+react技术栈，AI的框架使用了微软开源的SK+KM实现RAG部分，然后通过我们系统进行管理实现智能知识库项目，如果您公司有智能客服相关的项目开发或者想法您完全可以使用FastWiki构建一个给自己公司内部系统使用。
开源地址：https://github.com/AIDotNet/fast-wiki
体验地址：https://wiki.ai-dotnet.com/
微信交流群：
