玩轉FastGPT：像搭積木一樣構建智能體

目    錄

第 1 章  初識FastGPT 1

1.1  FastGPT簡介 1

1.2  FastGPT的特點與優勢 2

1.2.1  全格式兼容的數據處理能力 3

1.2.2  可視化工作流 3

1.2.3  高精度RAG檢索 3

1.2.4  多模型兼容的開放生態 4

1.2.5  企業級安全與權限管理 4

1.2.6  全流程服務支持 4

1.3  FastGPT版本體系概覽 5

1.3.1  各版本核心功能和適用場景 5

1.3.2  版本對比 7

1.3.3  版本選擇建議 7

1.4  FastGPT部署與配置 8

1.4.1  準備工作 8

1.4.2  核心配置文件config.json 10

1.4.3  向量數據庫的配置 10

1.4.4  配置Docker下載的鏡像 12

1.4.5  使用Docker命令安裝FastGPT 12

1.4.6  系統訪問與登錄 13

1.5  FastGPT模型管理 14

第 2 章  從大模型到AI Agent 21

2.1  什麼是大模型 21

2.2  什麼是token 22

2.3  什麼是提示詞 23

2.4  什麼是Agent 24

2.5  Agent落地企業應用的要點 26

第 3 章  FastGPT企業知識庫管理 30

3.1  為什麼需要企業知識庫 30

3.2  大模型微調真的有必要嗎 30

3.2.1  微調是對模型通用能力的妥協 31

3.2.2  微調費用不便宜 31

3.2.3  微調不能實時更新知識 32

3.3  知識庫的理論基礎RAG 32

3.3.1  什麼是RAG 32

3.3.2  RAG的基本架構 32

3.3.3  RAG的優勢 34

3.4  FastGPT企業知識庫介紹 34

3.4.1  FastGPT的存儲結構 34

3.4.2  知識庫搜索模式 35

3.5  使用知識庫構建智能客服的示例 36

3.5.1  創建知識庫 36

3.5.2  使用工作流構建知識庫應用 40

3.5.3  基於知識庫進行問答 43

3.6  企業知識庫落地的優化思路 45

第 4 章  FastGPT工作流編排實戰 47

4.1  FastGPT工作流核心理念 47

4.2  核心組件實操詳解 54

4.2.1  搭建基礎對話框架 54

4.2.2  接入知識庫檢索 55

4.2.3  搭建售後智能客服的示例 56

4.3  高級應用的發布方式 61

4.4  高級應用的測試與優化 62

第 5 章  MCP搭建FastGPT與外部應用的橋梁 64

5.1  MCP協議打破AI孤島 64

5.1.1  MCP的優雅架構：Client與Server的完美協作 64

5.1.2  FastGPT的創新實踐：讓AI應用觸手可及 64

5.2  使用FastGPT應用構建MCP服務 65

5.3  FastGPT集成MCP工具：構建AI生態系統 67

5.3.1  創建MCP工具集：一鍵導入外部能力 67

5.3.2  調試MCP工具：確保每個工具都能完美運行 68

5.3.3  AI模型調用：靈活選擇調用方式 68

5.4  FastGPT構建MCP 服務的示例 70

5.4.1  搭建開發環境：在雲端創建你的工作室 70

5.4.2  編寫MCP服務代碼：讓AI學會數學運算 73

5.4.3  部署和測試：讓你的MCP服務上線 76

5.4.4  在FastGPT中集成：見證奇跡的時刻 78

第 6 章  實戰案例：飛書AI推送機器人 81

6.1  案例背景與整體思路 81

6.2  實現效果預覽 82

6.3  前置準備工作 83

6.3.1  獲取天氣預報和新聞頭條的AppKey 83

6.3.2  創建飛書群組並添加機器人 85

6.4  工作流搭建 87

6.4.1  系統配置 89

6.4.2  “歷史上的今天”名句節點 94

6.4.3  天氣預報分支 96

6.4.4  新聞熱點分支 102

6.4.5  論文提取分支 113

6.4.6  整合並發送到飛書 119

6.5  運行預覽測試 121

第 7 章  實戰案例：智能客服 126

7.1  案例背景與整體思路 126

7.2  實現效果預覽 128

7.3  創建產品知識庫 128

7.4  工作流搭建 130

7.5  運行預覽測試 135

第 8 章  實戰案例：出遊規劃大師 138

8.1  案例背景與整體思路 138

8.2  實現效果預覽 138

8.3  前置準備工作 140

8.3.1  獲取Key 140

8.3.2  創建MCP工具 141

8.4  工作流搭建 143

8.4.1  系統配置 143

8.4.2  工具調用節點 144

8.4.3  MCP節點 149

8.5  運行預覽測試 150

第 9 章  實戰案例：招投標助手 153

9.1  案例背景與整體思路 153

9.2  實現效果預覽 155

9.3  前置準備工作 155

9.3.1  應用圖標 155

9.3.2  知識庫內容 156

9.4  工作流搭建 157

9.4.1  系統配置 158

9.4.2  分流節點 159

9.4.3  信息分析分支 160

9.4.4  細則梳理與框架生成分支 162

9.4.5  知識庫檢索分支 169

9.4.6  回復整合部分 170

9.5  運行預覽測試 171

第 10 章  實戰案例：智能問數 175

10.1  案例背景與整體思路 175

10.2  實現效果預覽 175

10.3  前置準備工作 178

10.3.1  初始化數據庫 178

10.3.2  測試數據庫連接工具 185

10.3.3  Chart-MCP工具集創建 186

10.4  工作流搭建 188

10.4.1  系統配置 188

10.4.2  問題分類－確保數據庫安全 190

10.4.3  返回本輪SQL書寫所需的數據表名 191

10.4.4  查詢數據表字段 193

10.4.5  自然語言生成SQL語句 194

10.4.6  SQL執行並轉成自然語言 195

10.4.7  根據SQL查詢結果生成可視化圖表 196

10.4.8  完整工作流截圖 198

10.5  運行預覽測試 199

10.5.1  基礎查詢 199

10.5.2  中級查詢 201

10.5.3  高級查詢 202

10.5.4  復雜分析查詢 203

10.5.5  業務洞察查詢 204

10.6  發布Agent 205

10.6.1  共享鏈接直連模式 205

10.6.2  嵌入式iframe集成模式 206

10.6.3  腳本化動態加載模式 208

10.6.4  靜態密鑰認證接口集成模式 209

10.7  總結 213

第 11 章  實戰案例：HR智能招聘助手 215

11.1  案例背景與整體思路 215

11.2  實現效果預覽 216

11.3  前置準備工作 218

11.3.1  應用圖標 218

11.3.2  知識庫內容 219

11.3.3  秘塔搜索API 221

11.4  工作流搭建 222

11.4.1  系統配置 224

11.4.2  分流節點 225

11.4.3  JD生成分支 226

11.4.4  簡歷篩選分支 228

11.4.5  模擬面試分支 230

11.5  運行預覽測試 234

第 12 章  實戰案例：Graphviz流程圖工坊 238

12.1  案例背景與整體思路 238

12.2  實現效果預覽 239

12.3  前置準備工作 240

12.3.1  獲取應用圖標 240

12.3.2  對話開場白美化排版 240

12.4  工作流搭建 241

12.4.1  系統配置 243

12.4.2  流程圖節點 243

12.4.3  提示詞說明 246

12.5  運行預覽測試 247

第 13 章  案例實戰：票據識別智能助手 250

13.1  案例背景與整體思路 250

13.2  前置準備工作 252

13.3  工作流搭建 255

13.4  運行預覽測試 279