最近在使用 FastGPT 时遇到了一个升级问题，从 4.8.16 升级到 4.8.20 后，模型配置出现了问题。作为一个低频使用这个工具的小白，我花了不少时间才解决了这个问题，现在把整个过程记录下来，希望能帮助遇到同样问题的你。
题外话：感谢DeepSeek-R1,因为有了它，才让16G显存部署的本地模型可用性大大提升，效果也比以前的模型好很多，所以才有了折腾捣鼓的动力。
升级后的困惑
按照之前习惯，在 oneapi 中配置了模型渠道，然后在 config.json 中添加了新的模型，重启了 docker-compose，但升级后发现无论如何也找不到新增的模型。这让我有点摸不着头脑，明明之前的方法一直很有效啊！
尝试与挣扎
尝试了以下几种方法：
- 重装 docker 镜像：我以为可能是旧版本镜像缓存的问题，重新安装后发现还是不行。
- 检查日志文件：通过查看
docker logs fastgpt_docker_id，猜想模型是从 mongodb 中加载的。这让我意识到新版本可能不再依赖 config.json 了。 - 处理 mongodb 数据：我尝试删除 mongodb 中的 system_models 集合，结果fastgpt中所有模型都不见了。重新添加后问题依旧存在。
最终可以确认：升级后的 FastGPT 不再使用 config.json 配置模型，而是将配置写入到了 mongodb 中。
解决方案
为了修复这个问题，我按照官网的说明一步步来：
- 备份旧配置：为了避免数据丢失，我先把旧的 config.json 文件备份并改名为
config.json_bak。 - 新建配置文件：创建一个新的 config.json 文件，并粘贴以下内容：
{
"feConfigs": {
"lafEnv": "https://laf.dev" // 这里填入你的 laf 环境地址，可以是阿里云的https://laf.run 或者私有化的环境。
},
"systemEnv": {
"vectorMaxProcess": 15, // 向量处理线程数量
"qaMaxProcess": 15, // 问答拆分线程数量
"tokenWorkers": 50, // Token 计算线程数，设置不宜过大
"pgHNSWEfSearch": 100 // 向量搜索参数，越大越精确但速度越慢
}
}这个配置文件比之前简单很多，不用再添加 llm 模块了。
- 重启服务：执行命令
docker-compose down -v && docker-compose up -d，确保新的配置生效。 - 在 OneAPI 中配置模型：以本地部署的 lm-studio 为例，在 oneapi 中选择 OpenAI 类型，填写自定义模型名称和代理地址（即 lm-studio 机器的 IP搭配默认1234端口）。
- FastGPT 中添加模型：进入 FastGPT 界面，按照路径“账号-模型提供商-模型配置-新增模型”，填入在 OneAPI 中设置好的模型 ID 和模型别称即可。
总结
这次升级让我学到了一个重要的教训：及时查看官方文档非常重要。新版本的改动可能会导致旧方法失效，提前了解变化可以避免很多麻烦。