目 录
第 1 章 初识FastGPT 1
1.1 FastGPT简介 1
1.2 FastGPT的特点与优势 2
1.2.1 全格式兼容的数据处理能力 3
1.2.2 可视化工作流 3
1.2.3 高精度RAG检索 3
1.2.4 多模型兼容的开放生态 4
1.2.5 企业级安全与权限管理 4
1.2.6 全流程服务支持 4
1.3 FastGPT版本体系概览 5
1.3.1 各版本核心功能和适用场景 5
1.3.2 版本对比 7
1.3.3 版本选择建议 7
1.4 FastGPT部署与配置 8
1.4.1 准备工作 8
1.4.2 核心配置文件config.json 10
1.4.3 向量数据库的配置 10
1.4.4 配置Docker下载的镜像 12
1.4.5 使用Docker命令安装FastGPT 12
1.4.6 系统访问与登录 13
1.5 FastGPT模型管理 14
第 2 章 从大模型到AI Agent 21
2.1 什么是大模型 21
2.2 什么是token 22
2.3 什么是提示词 23
2.4 什么是Agent 24
2.5 Agent落地企业应用的要点 26
第 3 章 FastGPT企业知识库管理 30
3.1 为什么需要企业知识库 30
3.2 大模型微调真的有必要吗 30
3.2.1 微调是对模型通用能力的妥协 31
3.2.2 微调费用不便宜 31
3.2.3 微调不能实时更新知识 32
3.3 知识库的理论基础RAG 32
3.3.1 什么是RAG 32
3.3.2 RAG的基本架构 32
3.3.3 RAG的优势 34
3.4 FastGPT企业知识库介绍 34
3.4.1 FastGPT的存储结构 34
3.4.2 知识库搜索模式 35
3.5 使用知识库构建智能客服的示例 36
3.5.1 创建知识库 36
3.5.2 使用工作流构建知识库应用 40
3.5.3 基于知识库进行问答 43
3.6 企业知识库落地的优化思路 45
第 4 章 FastGPT工作流编排实战 47
4.1 FastGPT工作流核心理念 47
4.2 核心组件实操详解 54
4.2.1 搭建基础对话框架 54
4.2.2 接入知识库检索 55
4.2.3 搭建售后智能客服的示例 56
4.3 高级应用的发布方式 61
4.4 高级应用的测试与优化 62
第 5 章 MCP搭建FastGPT与外部应用的桥梁 64
5.1 MCP协议打破AI孤岛 64
5.1.1 MCP的优雅架构：Client与Server的完美协作 64
5.1.2 FastGPT的创新实践：让AI应用触手可及 64
5.2 使用FastGPT应用构建MCP服务 65
5.3 FastGPT集成MCP工具：构建AI生态系统 67
5.3.1 创建MCP工具集：一键导入外部能力 67
5.3.2 调试MCP工具：确保每个工具都能完美运行 68
5.3.3 AI模型调用：灵活选择调用方式 68
5.4 FastGPT构建MCP 服务的示例 70
5.4.1 搭建开发环境：在云端创建你的工作室 70
5.4.2 编写MCP服务代码：让AI学会数学运算 73
5.4.3 部署和测试：让你的MCP服务上线 76
5.4.4 在FastGPT中集成：见证奇迹的时刻 78
第 6 章 实战案例：飞书AI推送机器人 81
6.1 案例背景与整体思路 81
6.2 实现效果预览 82
6.3 前置准备工作 83
6.3.1 获取天气预报和新闻头条的AppKey 83
6.3.2 创建飞书群组并添加机器人 85
6.4 工作流搭建 87
6.4.1 系统配置 89
6.4.2 “历史上的今天”名句节点 94
6.4.3 天气预报分支 96
6.4.4 新闻热点分支 102
6.4.5 论文提取分支 113
6.4.6 整合并发送到飞书 119
6.5 运行预览测试 121
第 7 章 实战案例：智能客服 126
7.1 案例背景与整体思路 126
7.2 实现效果预览 128
7.3 创建产品知识库 128
7.4 工作流搭建 130
7.5 运行预览测试 135
第 8 章 实战案例：出游规划大师 138
8.1 案例背景与整体思路 138
8.2 实现效果预览 138
8.3 前置准备工作 140
8.3.1 获取Key 140
8.3.2 创建MCP工具 141
8.4 工作流搭建 143
8.4.1 系统配置 143
8.4.2 工具调用节点 144
8.4.3 MCP节点 149
8.5 运行预览测试 150
第 9 章 实战案例：招投标助手 153
9.1 案例背景与整体思路 153
9.2 实现效果预览 155
9.3 前置准备工作 155
9.3.1 应用图标 155
9.3.2 知识库内容 156
9.4 工作流搭建 157
9.4.1 系统配置 158
9.4.2 分流节点 159
9.4.3 信息分析分支 160
9.4.4 细则梳理与框架生成分支 162
9.4.5 知识库检索分支 169
9.4.6 回复整合部分 170
9.5 运行预览测试 171
第 10 章 实战案例：智能问数 175
10.1 案例背景与整体思路 175
10.2 实现效果预览 175
10.3 前置准备工作 178
10.3.1 初始化数据库 178
10.3.2 测试数据库连接工具 185
10.3.3 Chart-MCP工具集创建 186
10.4 工作流搭建 188
10.4.1 系统配置 188
10.4.2 问题分类－确保数据库安全 190
10.4.3 返回本轮SQL书写所需的数据表名 191
10.4.4 查询数据表字段 193
10.4.5 自然语言生成SQL语句 194
10.4.6 SQL执行并转成自然语言 195
10.4.7 根据SQL查询结果生成可视化图表 196
10.4.8 完整工作流截图 198
10.5 运行预览测试 199
10.5.1 基础查询 199
10.5.2 中级查询 201
10.5.3 高级查询 202
10.5.4 复杂分析查询 203
10.5.5 业务洞察查询 204
10.6 发布Agent 205
10.6.1 共享链接直连模式 205
10.6.2 嵌入式iframe集成模式 206
10.6.3 脚本化动态加载模式 208
10.6.4 静态密钥认证接口集成模式 209
10.7 总结 213
第 11 章 实战案例：HR智能招聘助手 215
11.1 案例背景与整体思路 215
11.2 实现效果预览 216
11.3 前置准备工作 218
11.3.1 应用图标 218
11.3.2 知识库内容 219
11.3.3 秘塔搜索API 221
11.4 工作流搭建 222
11.4.1 系统配置 224
11.4.2 分流节点 225
11.4.3 JD生成分支 226
11.4.4 简历筛选分支 228
11.4.5 模拟面试分支 230
11.5 运行预览测试 234
第 12 章 实战案例：Graphviz流程图工坊 238
12.1 案例背景与整体思路 238
12.2 实现效果预览 239
12.3 前置准备工作 240
12.3.1 获取应用图标 240
12.3.2 对话开场白美化排版 240
12.4 工作流搭建 241
12.4.1 系统配置 243
12.4.2 流程图节点 243
12.4.3 提示词说明 246
12.5 运行预览测试 247
第 13 章 案例实战：票据识别智能助手 250
13.1 案例背景与整体思路 250
13.2 前置准备工作 252
13.3 工作流搭建 255
13.4 运行预览测试 279
