第 1 章 初识 FastGPT

本章导读：跨境电商客服团队想要一个能答售后问题的机器人——依据政策手册与 FAQ 作答，报修时查工单，还要嵌进钉钉与自有平台。自建要拼向量库、编排框架、渠道接入三摊工程；FastGPT 把整条链路装进一个开箱即用的平台。本章是认知地基：FastGPT 的定位与能力版图；应用、知识库、工作流、工具、技能的概念地图；三形态选型；与自建 RAG、ragflow 的三方对照；最后云上十分钟完成首问。读完本章，你能：讲清 FastGPT 是什么、不是什么；为案例「售后客服」选定形态并给出理由；带着统一术语圈出路线。

本章导览图

你什么时候需要它

三种典型处境，对应本章三种用法。

老板问「我们要不要用 FastGPT」，你需要在会上给出理由——读 1.1 与 1.4。先看它的能力版图，再看它与自建、与 ragflow 的三方对照：大部分「要不要」的答案都在那张表里。

项目定了用 FastGPT，但不知道选云服务、商业版还是社区版——直接看 1.3 的对比表与选型立场。功能差异、价格形态、适合团队各有一行，十分钟内可以拍板。

想先亲手点一遍再决定读不读这本书——跳到 1.5，注册云服务版，十分钟完成首次提问；觉得顺手，再回到 1.2 的概念地图规划阅读。

本章无前置：1.5 的路线只需要一个浏览器（云服务版开箱即用，自托管的部署与模型通道见第 2 章）。

1.1 FastGPT 是什么：把知识库、工作流与应用编排装进一个平台

官方定义一句话（v4.17.3 使用指南「快速了解 FastGPT」，核实日期 2026-11-01）：FastGPT 是一个基于大语言模型（Large Language Model，LLM）的 AI Agent 应用开发平台，集知识库问答、可视化工作流、Agent 编排、工具调用和技能扩展于一体，让开发者和业务人员都能快速构建专属 AI 应用。

把定义拆开，就是一张能力版图：

对贯穿案例最要紧的一条：数据智能解析

官方对知识库的数据处理有一段专门描述：智能处理 PDF 的复杂结构，保留图片、表格和 LaTeX 公式，自动识别扫描文件，将内容结构化为清晰的 Markdown；同时支持图片自动标注和索引，让视觉内容可被理解和检索。这正是《售后政策手册》（after-sales-policy.pdf，50 页含表格）最吃的能力——赔偿标准表能否保住行列结构，第 3 章入库时见分晓；《物流时效公告》的 HTML 形态与《商品 FAQ》（product-faq.xlsx）的表格形态也都在「各式各样的文档」范围内。

长处在链路，不在单点

单看每一块——向量检索、工作流引擎、渠道接入——市面上都有单独的开源件。FastGPT 的长处不在某个单点技术，而在「建知识库、编排流程、发布应用」整条链路装进同一个产品：开发者和业务人员在同一个界面上协作，配置页即调试页，这是自建路线最难补的一块（1.4 展开）。官方归纳的三条优势也指向这里：像搭积木一样简单灵活（拖拽即可实现复杂业务流程）、让数据更智能（导入、预处理、知识匹配、问答全流程自动化）、开源开放易于集成（标准 API 接入无需改源码，支持 ChatGPT、Claude、DeepSeek 和文心一言等主流模型）。

1.2 核心概念地图：应用、知识库、工作流、工具、技能

后续十二章反复出现的就是五个概念。这张表同时给出每个概念在贯穿案例里对应的对象——先混个脸熟，各章展开：

概念之间怎么连，一张图说清：

核心概念的引用关系：应用消费知识库与工作流，工作流驱动工具，应用可集成绑定技能

周边概念速查

主线五概念之外，后续章节还会遇到一批「子概念」。不必现在记住，但提前知道归属，读后续章节不迷路：

应用四形态：从对话到自主规划

官方快速上手用四个案例展示了应用能力的递进——企业邮件撰写助手（对话 Agent）、民法典问答助手（知识库 + 对话 Agent）、内容审核与自动改写（工作流）、智能数据分析（Agent V2），并给出一张选型回顾表：

（转录自 v4.17.3 快速上手「四种类型选型回顾」，核实日期 2026-11-01。）

按任务复杂度选型的四句话（同出官方）：只做轻量对话或标准化文案生成，优先对话 Agent；回答必须基于已有资料，选知识库 + 对话 Agent；流程固定且需要分支、人工确认或自动化，选工作流；任务开放、步骤不固定、需要自主分析或代码执行，选 Agent V2。官方还特别强调能力可以组合——客服助手用知识库回答产品问题，再通过工具查询订单。贯穿案例「售后客服」正是这个组合的完整版：知识库 + 工作流 + 工具查工单，第 7 章落地。

两个补充判断，第 6、7 章会反复用到：一个任务适不适合工作流，看它是否具备「步骤稳定、规则明确、可重复执行」三个特征（快速上手原文）；Agent V2 的代码执行发生在虚拟机里，与本地环境隔离。

1.3 三形态对比与选型：云服务、商业版、社区版

同一个 FastGPT，三种取用形态。先看速览：

功能差异：社区版缺什么

社区版与付费形态的能力边界，官方有一张完整的功能差异表，本书摘出与本书后续章节相关的行（转录自商业版文档，核实日期 2026-11-01）：

云服务版与商业版在企业级功能上有细节差异：自定义版权与 SSO 登录为「设计中」，管理后台「不需要」——完整矩阵以官方商业版文档为准。这张表预告了本书两处章节的形态前提：应用评测（第 13 章）与 Web 站点同步、文件级权限（第 5 章）都在付费形态一侧；社区版读者读到对应小节时，请先对照此表确认自己的形态是否覆盖。

价格与交付形态

价格信息一并转录（据官方商业版文档，核实日期 2026-11-01，发布前需重对）：Sealos 全托管 10000 元起/月（8C32G 资源，3 个月起）或 120000 元起/年，多节点 22000 元起/月（32C128G）；自有服务器部署 14 天内上线，价格联系咨询；技术服务费（定开、维护、迁移、三方接入）2000～3000 元/人/天。官方对部署形态的提示：全托管适合技术人力紧缺、只需关注业务的团队；自有服务器部署可完全落在自己服务器中；单机版适合中小团队对内服务；高可用版面向对外在线服务（可视化监控、多副本、负载均衡、数据库自动备份）。

二次开发的边界也值得知道：可以修改社区版部分代码，不支持修改商业版镜像；二次开发后，后续版本升级需要自己做代码合并（官方 QA 原文）。

三个常见误读

• 「商业版是另一个产品」——不是。官方 QA 写得很直白：完整版应用 = 社区版镜像 + 商业版镜像，商业版只是在社区版之上叠加一个带 License 的镜像并填写内网地址，升级与数据都是延续的；
• 「社区版是试用版」——不是。官方表述是「包含 FastGPT 所有核心功能：Agent 构建、工作流、知识库」；它缺的是发布安全、评测、站点同步、权限治理这类增强与企业级能力，主线建库与编排不受影响；
• 「云服务与自托管是两个产品」——概念与主线操作相同，第 3、4、6、7 章的内容两种形态通用；差异在治理与集成能力（本节差异表），以及数据落在谁手里。

售后客服的选型与一条挂账

本书立场：贯穿案例「售后客服」从社区版起步——知识库、工作流、分享链接与 API 都在社区版核心功能清单内，第 2 章的部署与第 3 章的建库不被形态卡住。但两处例外要提前记账：发布到公众号/飞书渠道、使用应用评测与运行日志看板，需要商业版或云服务版；钉钉渠道在官方功能差异表中未随「第三方应用发布（飞书、公众号）」单列，社区版可用性待第 9 章落地时实测确认（已挂本章复核清单）。

业务上推荐：个人学习与小团队内部使用，从社区版起步，部署见第 2 章；要对外提供多租户服务、需要 SSO/团队权限治理/评测看板，再评估商业版与云服务；只想先体验，直接注册云服务版，按 1.5 十分钟完成首问。

1.4 三方对照：自建 RAG、ragflow 与 FastGPT

售后客服的需求本质上是三段事：文档变知识、知识变流程、流程变服务。三种路线的差异，在于各自在哪一段下功夫：

业务上推荐：主要矛盾在检索与解析质量，选 ragflow；主要矛盾在应用编排与交付速度，选 FastGPT；检索要深度定制或基建必须完全自持，走自建。 三者不互斥——同一售后域，知识底座与应用层可以分别取用；切片治理与质量巡检的方法论在两本书之间互通（见第 13 章）（→ ragflow 书）。

何时 FastGPT 更快

本书立场，三条占其一就该认真考虑 FastGPT：业务与开发要在一个平台上协作建应用（客服运营能自己改 Prompt 与开场白，不必每次提研发需求）；流程要接业务系统（售后客服要在答复前查工单——HTTP 工具节点对接中台的工单查询接口）；要多渠道交付（免登录分享链接给客服团队、钉钉触达用户、OpenAPI 供平台侧消费、第 9 章发布为 MCP Server）。反过来，若主要矛盾只是检索质量本身，先看（→ ragflow 书）；若每个环节都要完全自持，走自建——自建路线的工程细节（向量库选型、检索链路组装、Agent 侧消费）不在本书展开（→ agentscope-java 书）。

同域不同名：一张术语对照

FastGPT 与 ragflow 同为知识库平台，概念同域但命名不同——两本书对照读时别被名字绊住（对照为本书整理，术语以各自官方文档为准）：

一条链路看三方分工

用户提问「运输破损怎么赔」
  → 问题分类为售后咨询
  → 知识库检索 after-sales-kb（政策手册 + 商品 FAQ）
  → HTTP 工具查询该用户工单状态
  → AI 对话汇总政策条款与工单状态作答
  → 发布为免登录分享链接与钉钉渠道

这条链在 FastGPT 里是「一个知识库 + 一个工作流应用 + 两个渠道」；自建要串起向量库、编排框架、接口服务与渠道 SDK；ragflow 能高质量完成检索段，但渠道与业务流编排不是它的主场。选型的判断句：看你的主要矛盾落在链路的哪一段。

1.5 快速上手：云上十分钟完成首问

前置：一个浏览器与一个邮箱即可——云服务版开箱自带模型配置，无需自备模型通道（自托管部署的模型通道见第 2 章）。全程在浏览器里完成：

云上十分钟主线：从注册到首问，可选分支为关联知识库

从注册到首问的六个动作

1. 注册：打开 fastgpt.cn（中国大陆版）或 fastgpt.io（国际版）注册。两个版本账号不互通（云服务官方文档），团队务必在同一地域注册同一版；
2. 新建应用：工作台点「新建」，选择对话 Agent。名称按测试目的填写即可——贯穿案例的正式应用「售后客服」到第 6 章才创建，这里不必占用这个名字；
3. 认识配置页：页面左右两栏，左侧 AI 配置，右侧调试预览——改完即测，这是 FastGPT 应用开发的基本节奏；
4. 选模型：官方案例提示关注两点——模型是否擅长中文表达、输出是否稳定遵守格式；邮件撰写这类低风险任务不必追求最强模型（官方快速上手案例一）；
5. 写 Prompt：按「角色定义 + 输出格式 + 规则」三段式组织——角色稳定身份，格式约束结构，规则控制风险边界；这个三段式在本书所有 Prompt 里都会复用；
6. 写开场白并首问：开场白告诉用户这个应用能做什么；在开场白里写入 [问题内容]，用户可以点击一键提问（官方技巧）。然后在调试预览里提出第一个问题。

首问的验证不要只看「答得像不像」——官方对知识库问答的建议同样适用于无知识库的试玩：同时测三类输入，资料内问题应给出有据回答、资料外问题应如实说明无法确认、模糊问题应主动追问补充事实。一个只会「顺着说」的应用不值得上线。

首问之后：关联一个知识库

想让回答「有据可查」，走官方快速上手案例二的路径：主页左侧进知识库 → 新建 → 选择文本数据集 → 上传本地文件 → 设置解析参数（处理方式选分块存储，分块条件控制每个分块的 Token 量，快速测试用默认值；索引增强纯文本勾前两项）→ 数据预览检查分块质量 → 状态变为「已就绪」→ 回到应用配置页关联知识库。关联后，应用的回答链路从单纯对话变为**「用户问题 → 知识库检索 → 模型总结回答」**——第 1 章到这里就摸到了 RAG 的门。

测试文件建议用《售后政策手册》截取的一两页：先感受解析与引用的效果就好。分块预览重点看三点——段落是否被异常截断、标题与正文是否在同一语义范围内、表格与条款是否仍然可读（快速上手原文）。正式的 after-sales-kb 建设与三类文档各自的更新节奏在第 3 章，解析参数与检索调优在第 4 章。

两种配置的效果差异，正是官方案例一与案例二的关键分野（对照为本书整理）：

边界与坑

• 对话 Agent 不等于知识库问答：不关联知识库时，应用凭模型记忆作答——涉私域事实必错，先关联再谈效果；
• 分块过大答案冗长、过小依据破碎：快速上手阶段用默认配置，正式接入企业资料后再按问答效果调（第 4 章给参数）；
• 高风险场景要在 Prompt 里写边界：赔偿、法务类问题应仿照官方民法典案例，在规则段写明「基于资料回答、不确定要说明、提示咨询专业人士」；
• 涉及外部凭据的工具先想权限：官方案例测试 Email 工具时使用邮箱 SMTP 授权码——测试期用最小权限账号，别拿生产凭据做实验。

本章小结

1. FastGPT 是基于 LLM 的 AI Agent 应用开发平台：知识库问答、可视化工作流、Agent 编排、工具调用、技能扩展集于一体；长处在整条链路装进同一个产品，不在单点技术。
2. 五个核心概念（应用、知识库、工作流、工具、技能）与应用四形态递进（对话 Agent → 知识库 + 对话 Agent → 工作流 → Agent V2），按任务复杂度选型，能力可组合。
3. 三形态：云服务注册即用；商业版 = 社区版镜像 + 商业版镜像，补齐企业级能力；社区版免费含全部核心功能、自行部署。贯穿案例从社区版起步，钉钉渠道可用性待第 9 章实测。
4. 三方对照：检索与解析是主要矛盾选 ragflow；应用编排与交付速度选 FastGPT；深度定制或强合规自持走自建——判断句是主要矛盾落在链路哪一段。
5. 下一步：先按 1.5 在云上完成首问找手感；走自托管路线则进第 2 章部署社区版并打通模型通道，第 3 章正式建设 after-sales-kb。

验收清单

读到这里，你应该能：

• ☐ 用一句话向同事讲清 FastGPT 的定位，并说出能力版图中每一块对应本书哪几章；
• ☐ 说出应用、知识库、工作流、工具、技能五个概念的职责，并指出贯穿案例中各自的对象；
• ☐ 用官方四形态递进表为三个需求各选一种应用：政策问答、查工单后答复、开放式数据分析；
• ☐ 为售后客服项目写出形态选择（云服务/商业版/社区版）与至少两条依据；
• ☐ 用一句立场句回答「FastGPT 还是 ragflow」，并说出主要矛盾落在链路的哪一段；
• ☐ 在云服务版完成一次首问：配置模型与开场白，提出一个资料内问题并看到带依据的回答。

复核清单（发布前）

• [ ] 1.5 云上十分钟路线未实测：注册、新建对话 Agent、Prompt 与开场白配置、知识库关联各步，待环境就绪后按 v4.17.3 界面逐项核验
• [ ] 1.3 功能差异表与价格为官方商业版文档转录（核实日期 2026-11-01）：Sealos 托管价格、自定义版权与 SSO 的「设计中」状态，发布前重对官方文档
• [ ] 钉钉渠道的社区版可用性：官方差异表仅列「第三方应用发布（飞书、公众号）」未单列钉钉，第 9 章落地前实测
• [ ] 应用四形态（简易配置/工作流/插件/Agent V2）与快速上手四案例（对话 Agent/知识库 + 对话 Agent/工作流/Agent V2）的对应关系为本书梳理，待第 6 章素材核对
• [ ] 章首导览图与两张文内 mermaid 图为本书绘制，非官方原图；官方使用指南的截图未引入
• [ ] 快速上手四案例的细节（Email 工具 SMTP 配置、Agent V2 虚拟机开关）未复现，第 6-8 章对应素材到位后核对

延伸阅读

• 第 2 章（部署与模型通道）——选定社区版后的第一个动作：Docker 部署、环境变量与模型通道打通，售后客服的自托管底座。
• 第 3 章（知识库：从文档到知识）——1.5 里「关联知识库」的完整版：三类售后文档怎么入库、各自的更新节奏怎么定。
• 第 6、7 章（应用与工作流）——1.2 四形态递进的两端：简易配置版与工作流版「售后客服」的正式落地。
• （→ ragflow 书）——检索与解析工程的对侧：1.4 选型看完，去对面看「主要矛盾在检索」时该深读什么。
• 官方文档「快速了解 FastGPT」与「快速上手」——本章素材原文（guide/getting-started）；能力表述与界面细节以 v4.17.3 官方文档为准。