夏天又到了的专栏

（3）知识库搜索引用合并：当工作流中存在多个“知识库搜索”节点时（例如，同时搜索了“产品库”和“FAQ库”），此节点可以将它们的搜索结果合并成一个统一的引用列表，方便后续节点统一处理。它们就像一块块功能各异的智能乐高积木，有的负责对话，有的负责搜索，有的负责判断，通过将它们拼接在一起，就能搭建出强大的应用。调用底层的大语言模型（如 GPT、文心一言等），根据输入的上下文（如用户问题、知识库片段、历史记录）和设定的提示词（Prompt），进行深度加工和内容生成，最终产生自然流畅的回答。

在流程开始节点后面，我们接一个“问题分类”节点，如图7-17所示，在其配置页面中，AI模型选择Doubao-1.5-pro-32k模型，背景知识输入“精准识别用户提问意图，区分问候、产品相关和无关问题”，再输入“问候交互”“产品相关问题”“其他”这三个分类。如图7-8所示，首先在主页面上点击页面左侧的“知识库”选项，进入相应的知识库页面。如图7-18所示，在“问题分类”节点后添加一个AI对话节点，并重命名为“问候交互”，AI模型选择Doubao-1.5-pro-32k，提示词输入“与用户进行友好交互”。

本节将使用知识库来构建一个简单的智能客服，步骤包括创建知识库、在智能客服工作流中使用知识库，以及基于知识库进行智能问答。

FastGPT采用分层存储结构（库-集合-数据），使用双数据库系统：PostgresSQL处理向量检索，MongoDB存储元数据。其创新性地采用多向量映射机制，通过将单组数据映射到多个向量来平衡内容长度与语义丰富度。在搜索方面，系统结合了语义检索（基于向量相似度）和全文检索，通过RRF算法融合结果，并引入ReRank模型进行精准重排，显著提升了搜索的准确性和全面性。这种混合检索策略有效克服了单一检索方式的局限性，同时多向量设计增强了知识库的数据表达能力。

其中，开源版与SaaS版主打轻量化体验，SaaS版作为FastGPT的经典云端方案，基于官方云服务器运行，无须本地部署成本，数据由官方托管，主打便捷性与轻量化体验。开源版、商业版、企业版：均支持本地化部署（单机或集群），数据存储在用户自有服务器，企业可完全掌控数据主权，满足金融、医疗等行业的数据合规要求，适合对数据隐私敏感的企业。商业版作为FastGPT的主流企业级方案，分为轻量版、标准版、专业版、旗舰版，支持单机买断或按年订阅，核心差异体现在用户规模、功能深度与技术支持等级，如表1-1所示。

同时，工作流支持与外部系统的联动，通过“HTTP请求”节点对接企业ERP、CRM、MES等系统，实现数据的实时同步与流程的跨系统触发，真正打通AI应用与业务执行的“最后一公里”。企业的数据往往分散在各种格式的文档中，从.txt、.md等轻量文本，到.pdf、.docx等复杂格式，再到.pptx演示文稿、.csv数据表，甚至包含图片、图表的混合文档，这些“数据孤岛”一直是企业知识整合的痛点。FastGPT秉持开放兼容的理念，构建了多模型适配的技术生态，让企业能“按需选择”最适合的模型组合。

我们将大模型比作“顶级食材”，比如新鲜的龙虾、珍贵的松露，它们本身具备极高的品质，却需要精湛的烹饪技艺才能转换为美味佳肴；从证券机构的财报分析到医院的病历辅助解读，从工厂的设备检修预警到学校的个性化教学辅导，FastGPT正以多元化的应用场景证明着自身的价值。无论是让AI深度理解企业内部的专属知识库，还是搭建贴合复杂业务场景的智能工作流，FastGPT都能轻松实现，让企业无须投入大量资源，从零搭建底层架构，就能快速拥有属于自己的AI能力，真正做到“即插即用”式的高效落地。图1-1 大模型应用开发流程。

FastGPT 是由国内团队开发的一款面向企业场景的大模型应用开发平台。它支持通过可视化界面快速构建基于知识库的问答系统、智能客服、文档助手等应用，并能灵活对接多种主流大语言模型（如 GPT-4、Claude、通义千问、GLM 等）和向量数据库（如 Milvus、Pinecone、Weaviate 等）。FastGPT 的核心理念是“低代码 + 高灵活性”：用户无需编写复杂代码，即可通过拖拽式工作流（Workflow）定义 AI 的推理逻辑，实现从用户提问到答案生成的完整链路定制。

智能体（Agent）是大模型落地应用的重要方向，也是AI应用的一个重要风口。FastGPT是一个企业级 AI Agent 搭建平台，可以基于 LLM 大语言模型搭建 AI 知识库问答系统，提供开箱即用的AI Agent 工具集及大模型调用等能力，并可通过可视化 workflow 编排功能实现复杂的AI应用。本书面向企业级AI Agent应用开发，由FastGPT官方认证技术专家和智能体生态伙伴联手打造。本书配套作者微信群答疑服务、案例文件、演示操作视频、配图PDF文件、PPT课件等。