我用FastGPT复刻了官方DeepSeek+联网~

手把手教你复刻官方DeepSeek：FastGPT本地部署与联网实战

上周有朋友留言，说对比了一圈各家提供的DeepSeek服务，还是觉得官方原版用起来最顺手。这个问题其实挺有意思——官方到底做了什么优化，让体验感明显优于其他渠道？

有意思的是，就在昨天DeepSeek正式公布了R1的官方提示词和使用方法。看下来你会发现，官方其实并没有什么神秘的“黑科技”，整个调用逻辑非常朴素。更妙的是，这套逻辑完全可以在本地复现。

最近用

加上，按照官方公开的使用方式，搭建了一套完全自主可控的DeepSeek R1服务。效果怎么样？一句话：，体验上已经不输给官方网页版。

这套组合拳——

，堪称目前个人部署领域的“王炸”配置。它既能跑在本地Windows、Mac上，也完全可以在云端Linux服务器上运行，灵活度很高。

先说下

。它是一个完全的智能体平台，定位类似于Coze，但在这块表现特别出色。目前在GitHub上已经有21.1K Star（图中“万”是翻译误差，实际是千），社区活跃，文档齐全，强烈推荐给所有AI应用开发者。

教程分为几个关键步骤：

1. 本地部署FastGPT
2. 获取火山引擎DeepSeek R1的API Key和模型ID（目前有50万tokens免费额度）
3. 将DeepSeek R1接入FastGPT
4. 通过FastGPT工作流，复刻官方的DeepSeek R1+联网功能

一、本地部署FastGPT

先说部署这件事。还是老规矩，

。Docker的价值在于——通过它你可以一键拉起绝大多数开源项目，不只是FastGPT。对于经常折腾AI模型的朋友来说，装上Docker绝对是值得的投资。

Docker的安装教程网上已铺天盖地，这里不再重复。下面以Windows为例，Linux和Mac的操作思路完全一致。

接下来用

来一键启动整个服务栈。

第一步：随便找个文件夹，新建一个空白.txt文件。

第二步：把下面的docker-compose.yml内容完整复制进去，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:
  # db
  pg:
    image: registry.cn-hangzhou.aliyuncs.com/fastgpt/pgvector:v0.7.0 # 阿里云
    container_name: pg
    restart: always
    ports: # 生产环境建议不要暴露
      - 5432:5432
    networks:
      - fastgpt
    environment:
      # 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=postgres
    volumes:
      - ./pg/data:/var/lib/postgresql/data
  mongo:
    image: registry.cn-hangzhou.aliyuncs.com/fastgpt/mongo:5.0.18 # 阿里云
    container_name: mongo
    restart: always
    ports:
      - 27017:27017
    networks:
      - fastgpt
    command: mongod --keyFile /data/mongodb.key --replSet rs0
    environment:
      - MONGO_INITDB_ROOT_USERNAME=myusername
      - MONGO_INITDB_ROOT_PASSWORD=mypassword
    volumes:
      - ./mongo/data:/data/db
    entrypoint:
      - bash
      - -c
      - |
        openssl rand -base64 128 > /data/mongodb.key
        chmod 400 /data/mongodb.key
        chown 999:999 /data/mongodb.key
        echo 'const isInited = rs.status().ok === 1
        if(!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; do
          echo "Waiting for MongoDB to start..."
          sleep 2
        done

        # 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 $$!

  # fastgpt
  sandbox:
    container_name: sandbox
    image: registry.cn-hangzhou.aliyuncs.com/fastgpt/fastgpt-sandbox:v4.8.21-fix # 阿里云
    networks:
      - fastgpt
    restart: always
  fastgpt:
    container_name: fastgpt
    image: registry.cn-hangzhou.aliyuncs.com/fastgpt/fastgpt:v4.8.21-fix # 阿里云
    ports:
      - 3000:3000
    networks:
      - fastgpt
    depends_on:
      - mongo
      - pg
      - sandbox
    restart: always
    environment:
      # 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=false
    volumes:
      - ./config.json:/app/data/config.json

  # oneapi
  mysql:
    image: registry.cn-hangzhou.aliyuncs.com/fastgpt/mysql:8.0.36 # 阿里云
    container_name: mysql
    restart: always
    ports:
      - 3306:3306
    networks:
      - fastgpt
    command: --default-authentication-plugin=mysql_native_password
    environment:
      # 默认root密码，仅首次运行有效
      MYSQL_ROOT_PASSWORD: oneapimmysql
      MYSQL_DATABASE: oneapi
    volumes:
      - ./mysql:/var/lib/mysql
  oneapi:
    container_name: oneapi
    image: ghcr.io/songquanpeng/one-api:v0.6.10
    ports:
      - 3001:3000
    depends_on:
      - mysql
    networks:
      - fastgpt
    restart: always
    environment:
      # 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=fastgpt
    volumes:
      - ./oneapi:/data
networks:
  fastgpt:

然后将文件名从.txt改为

。

接下来还需要一个配置文件

，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。
  }
}

在当前文件夹的地址栏里输入

回车，打开控制台，然后运行：

docker-compose up -d

等终端输出一堆“started”字样，就说明启动成功了。可以用

命令确认——应该能看到6个容器在运行。也可以打开Docker Desktop查看。

整个服务栈中，主要关注

和这两个服务即可。

访问地址：
FastGPT页面：

，默认账号，密码。
one-api页面：，默认账号，密码。

这里多说一句：

它是一个开源的AI API中转站。实际上目前市面上大部分API中转服务，底层走的都是one-api的架构。它的核心功能是：可以配置对接几乎所有主流大模型的API，最终以OpenAI API的统一格式对外提供服务。简单来说，有了one-api，后续在FastGPT里就可以随意切换不同模型，不用为每个模型单独做适配。

二、将满血版DeepSeek接入FastGPT

如何把DeepSeek接到FastGPT里？答案是通过

。在此之前，可以先参考一下社区里关于主流DeepSeek API提供商的测速对比——从速度测试结果来看，，毕竟财大气粗。目前火山引擎还免费赠送，足够白嫖一段时间。

先到火山引擎后台，获取R1和V3模型的ID以及API Key。具体获取步骤可以参考社区文章《火山引擎V3、R1 API》，介绍得比较详细。

拿到模型ID和API Key之后，接下来去

做渠道配置。

在one-api后台，选择

，按照图示配置火山引擎的V3和R1 API：

模型重定向JSON：

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

填好API Key后提交保存，然后点击测试——右上角弹出“保存成功”的提示，就说明配置生效了。

接着回到

，在“工作台 -> 新建 -> 工作流”中，添加和两个模型。

搭建一个简易工作流，基本就能复刻出DeepSeek官方的R1+联网搜索效果。

工作流的逻辑非常清晰：首先是一个

，用来判断用户提问是否需要联网搜索。

如果是联网类问题，走下半部分流程——先通过DuckDuckGo搜索用户问题，然后将搜索结果发给R1节点，并附上官方推荐的联网搜索提示词：

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}'''

如果是其他类型的问题（不需要联网），则走上半部分流程——不带任何系统提示词，直接调用R1。

有个细节需要注意：根据官方资料，

，这样推理效果最稳定。

当然，必须承认的是，这里用的DuckDuckGo是免费搜索引擎，搜索结果的质量和丰富度无法和DeepSeek官方的搜索引擎相比，也无法直接溯源到搜索页面。但从实际体验来看，

，而且效果也相当不错。

最后，如果你是在云服务器上部署的，还可以方便地一键分享给朋友使用——复制访问链接发过去即可。如果是本地部署，也可以分享给局域网内的同事。如果需要外网访问，通过内网穿透工具（比如贝锐花生壳）也能轻松搞定，篇幅原因这里就不展开了。

希望这套教程能帮你快速上手。事实上FastGPT的玩法远不止于此——知识库、工作流、多模型路由……认真研究，能玩出的花样远超你的想象。大模型API是AI时代绕不开的基本功，真心建议动手实践一遍。纸上得来终觉浅，绝知此事要躬行。