【AI工作流】FastGPT - 深入解析FastGPT工作流编排:从基础到高级应用的全面指南

军哥fastgpt教程-4-工作流编排 在fastgpt中,有两大核心:知识库和工作流。知识库就不用多说了,大家使用fastgpt大多是冲着它的知识库来的,而工作流则是fastgpt高易用性的保障,通过上一节简单的几个操作就构建起来了一个知识库应用,工作流功能的强大,已经可见一斑了。在fastgpt4.7中,工作流被称之为高级编排,其中的节点大多拥有多个输入连接点和输出连接点,不同的连接点类型可能还不能连接,对于新手来说,想要快速上手,并不是一件容易的事情。 阅读详情
AI摘要

本文聚焦FastGPT工作流编排,介绍其在不同版本的改进,降低新手学习成本。详细阐述节点类型,包括基础功能、系统和团队插件,以及工作流流向控制。此外,还分享了全套AGI大模型学习路线、640套报告合集、经典PDF书籍和商业化落地方案等AI大模型学习资源。

  • 一、工作流编排概述

  • 二、FastGPT的节点类型

    • \1. 基础功能插件
    • \2. 系统插件
    • \3. 团队插件
  • 三、工作流中的流向

  • 结语

在当今快速发展的人工智能领域,工作流编排的能力已成为提升用户体验和应用效率的关键因素。FastGPT作为一款强大的知识库和工作流工具,凭借其灵活的节点设计和简化的操作流程,帮助用户快速构建高效的知识库应用。本文将深入探讨FastGPT的工作流编排,带您了解其核心功能、节点类型及流向控制,助您在实际应用中游刃有余。

更多文章

  • 获取OpenAI API:获取OpenAI API KEY的两种方式,开发者必看全方面教程!
  • 如何免费无限使用Cursor:AI编程工具的终极指南!

一、工作流编排概述

在FastGPT中,工作流编排是其核心功能之一。用户使用FastGPT的主要原因是其强大的知识库,而工作流则是提升用户体验的重要保障。通过简单的操作,用户可以快速构建知识库应用,工作流的强大功能可见一斑。

在FastGPT 4.7版本中,工作流被称为高级编排,节点拥有多个输入和输出连接点,但不同连接点之间可能存在不兼容的情况,这使得新手用户在上手时面临一定挑战。然而,在4.8版本中,节点的连接点数量得到了显著简化,许多连接点被转化为节点内的参数,使用方式也进行了优化。错误提示变得更加清晰友好,极大降低了新手用户的学习成本,值得为FastGPT的开发团队点赞👏。

工作流编排的核心在于节点和流向。在编排应用时,我们需要考虑节点的功能以及数据流向的控制,接下来将详细探讨这两个方面。img

二、FastGPT的节点类型

在FastGPT中,打开任何已创建的应用并进入流程编排页面,点击左侧的“+”按钮,即可查看所有可用的节点类型,这些节点实际上就是插件。FastGPT官方将插件分为三类:基础功能插件、系统插件和团队插件。接下来,我们将简要介绍这三种插件类型。

1. 基础功能插件

基础功能插件分为几个小类,其中第一类是文本输出。

(1) 文本输出

在文本输出分类中,有两个主要插件:AI对话和指定回复。这两个插件都具备直接输出内容的功能。在我们的知识库应用中,AI对话插件已经得到了广泛应用,任何需要进行AI对话的场景,都可以使用这一插件来实现。它为用户提供了便捷的交互体验,帮助用户快速获取所需信息。

在使用这些插件时,只需调整相应的参数即可。例如,您可以设置所使用的大模型、对Token的限制以及发散度的限制等,以便优化输出效果。

指定回复插件的主要功能是针对特定文本进行回复。例如,当用户询问某个问题而知识库中未能找到相关信息时,您可以设置插件固定回复一段文本,如“很抱歉,在知识库中查不到相关信息。”此外,该插件还可以用于调试场景。如果您发起了一个HTTP请求,返回的所有内容都可以通过指定回复插件进行输出,这样在调试过程中将极为方便。

img文本输出插件示例

(2) 功能调用

功能调用分类包含四个主要插件:知识库搜索、工具调用、问题分类和文本内容提取。

  • 知识库搜索插件:在上一章中我们已经介绍过该插件,它的主要功能是对接现有的知识库,以便从中检索所需内容。这一插件使得用户能够快速找到相关信息,提高了知识库的使用效率。
  • 工具调用插件:此插件允许用户调用外部工具和服务,以扩展应用的功能和灵活性。
  • 问题分类插件:该插件能够帮助将用户提出的问题进行分类,以便更好地管理和处理。
  • 文本内容提取插件:此插件用于从文本中提取关键信息,帮助用户快速获取所需数据。

通过这些功能调用插件,用户可以实现更复杂的操作和更高效的信息处理。

img功能调用插件示例

工具调用插件是实验性质的,类似于大模型中的function call,有兴趣的可以去探索一下。

问题分类插件主要用于对用户提出的问题进行分类。根据分类结果,您可以将其与不同的节点进行对接,从而实现多个分支功能。这种机制类似于编程中的switch语句,使得用户能够根据不同的输入情况,灵活地选择相应的处理路径。

img问题分类插件示例

文本内容提取插件利用AI技术,从输入的文本中提取所需的信息。例如,在预订会议室的场景中,您可以使用这个插件来自动提取会议地点、会议时间等关键参数。通过这种方式,用户无需手动输入所有信息,系统能够智能识别并提取出重要数据,从而提高了操作的便捷性和效率。

img文本内容提取插件示例

(3) 工具

在工具这一分类中,有三个主要插件:判断器、变量更新和代码运行。

  • 判断器:此功能在上一个版本中作为系统插件存在,但在当前版本中进行了较大改进。之前,判断器支持正则表达式,而现在已经去掉了这一功能,转而将if/else分支的判断条件进行了明确化,并新增了多种具体的比较符。这使得使用判断器时更加直观和便捷,用户可以更轻松地设定判断逻辑。

img判断器插件示例

  • 代码运行插件:允许您执行一段JavaScript代码。在这个插件中,您可以定义自己的函数,并且函数中的变量可以从之前的节点或系统变量中提取出来。

img代码运行插件示例

(4) 外部调用

外部调用插件使您能够通过应用调用其他已经编排好的应用。这种设计允许将一些复杂的功能封装成独立的应用,从而在其他应用中直接调用。这不仅隐藏了应用内部的实现逻辑,还无形中提升了应用的复用性,体现了模块化的思路。

img外部调用插件示例

HTTP请求插件可能是使用频率最高的插件之一。它支持发起多种类型的请求,包括GET、POST、DELETE等。这使得在需要调用外部接口的场景中,HTTP请求插件成为不可或缺的工具。

imgHTTP请求插件示例

Laf函数调用插件专门用于调用通过Laf平台部署的云函数。如果您的函数是基于Laf部署的,那么使用这个插件将是必不可少的。它使得与云端服务的交互变得简单高效,便于实现更复杂的业务逻辑。

(5) 其他

知识库搜索合并插件:该插件能够将多个知识库搜索的结果进行合并,并使用RRF(Ranked Retrieval Fusion)算法对结果进行排序。排序后的结果可以输出到后续节点使用,从而为用户提供更为精确和全面的信息。这一功能极大地提升了知识库查询的灵活性和有效性,使得用户能够更方便地获取所需信息。

img知识库搜索合并插件示例

2. 系统插件

系统插件包含三个主要功能:文本加工、获取当前时间和自定义反馈。

  • 文本加工插件主要用于变量替换。您可以在前面的节点中输出一些值,并在这个插件中将它们作为变量进行文本替换,系统变量也同样适用。通常,这个插件用于格式化输出,例如生成固定格式的文本或输出符合JSON格式的文本等。通过文本加工插件,用户能够灵活地处理和展示数据,提高信息传递的清晰度和规范性。

img文本加工插件示例

3. 团队插件

团队插件主要用于存放您自定义的插件。在这个分类中,您可以找到所有自己创建的各种插件。例如,如果您自定义了一个名为echo的插件,那么它将出现在这里,您可以在不同的应用中自由使用。

img团队插件示例

三、工作流中的流向

在FastGPT 4.8版本的工作流编排中,流向控制得到了大幅简化。每个节点通常有四个连接点:上边和左边的连接点为前置连接点,用于接收前面节点的输入;而右边和下边的连接点则为后置连接点,可以连接到后续节点,并将数据传递给它们。

用户只需根据应用的逻辑需求,顺序连接节点即可。在创建应用时,从FastGPT预置的几类应用中,您可以直观地看到节点之间是如何连接以及数据如何传递的。

为了提高工作流的编排能力,建议多进行操作实践,尽量使用各个插件,深入了解它们的特点。这样,您在实际应用中就能迅速根据业务需求编排出相应的应用。

更多文章

  • 获取OpenAI API:获取OpenAI API KEY的两种方式,开发者必看全方面教程!
  • 如何免费无限使用Cursor:AI编程工具的终极指南!

结语

FastGPT的工作流编排功能为用户提供了灵活、高效的知识库应用构建方式。通过深入了解节点类型和流向控制,您可以更好地利用FastGPT的强大功能,提升工作效率和用户体验。希望本文能为您在FastGPT的使用中提供实用的指导和帮助,让您在工作流编排的道路上越走越远!🌟

​

如何学习AI大模型?

作为一名热心肠的互联网老兵,我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

一、全套AGI大模型学习路线

AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!

img

二、640套AI大模型报告合集

这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。

img

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

img

四、AI大模型商业化落地方案

img

作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量。

FastGPT本地构建工作流高级编排(最新4.11.0) 本文介绍了使用Docker Compose快速部署FastGPT知识库问答系统的方法,重点讲解工作流编排的实现过程。首先通过GitHub获取配置文件和docker-compose文件完成本地部署,然后详细说明了如何配置大模型、创建知识库以及构建自定义工作流。作者通过酒店运营问题处理的示例,展示了问题分类、知识库检索、HTTP请求和AI模型输出的完整流程,并分享了调试技巧。最后建议将复杂应用拆分为多个工作流进行管理。文章提供了从部署到应用的完整指引,帮助开发者实现个性化AI代理需求。 阅读详情

相关推荐

FastGPT、Dify、Coze产品功能对比分析

在当前的人工智能领域,模型接入、应用发布、应用构建、知识库和工作流编排等功能是衡量一个AI平台综合能力的重要指标。本文将对FastGPT、Dify和Coze这三款产品的功能进行详细对比分析,以帮助用户更好地了解它。

AI从业者的专栏 1万+

ollama + fastgpt搭建本地私有AI大模型智能体工作流(AI Agent Flow)-- windows环境

ollama + fastgpt搭建本地私有AI大模型智能体工作流(AI Agent Flow)-- windows环境; windows搭建真正本地RAG检索agent。

ainnle的专栏 1万+

FastGPT源码解析 Agent工作流编排后端详解

FastGPT 工作流后端实现了一个高度可扩展的节点调度引擎统一调度: 通过实现节点类型的统一分发状态管理: 精确控制节点和边的执行状态数据流控制: 支持条件分支、循环、并行等复杂逻辑实时响应: SSE 流式推送执行状态和结果错误恢复: 完善的异常处理和资源清理机制性能优化: 并发执行、内存管理、去重优化调试支持: 完整的调试模式和执行追踪这套架构为 FastGPT 提供了强大的 AI 工作流编排能力,支持复杂的业务逻辑实现。

wzh8108的专栏 934

玩转大模型之五(测试FastGPT高级编排)

体验了一下FastGPT的高级编排功能,总体来说效果一般,对于一些信息处理要求较高的场景,这种方案还是存在一些问题。

xuweilin的博客 2925

FastGPT 4.8工作流编排实战:从零到企业级应用的5个关键节点详解

本文详细解析FastGPT 4.8工作流编排的5个关键节点,从环境配置到企业级应用实战。通过可视化界面和强大节点连接能力,开发者可快速构建智能应用,提升企业AI落地效率。重点涵盖AI对话节点配置、知识库检索优化及HTTP请求节点集成等核心技巧,助力实现高效工作流编排。

weixin_29268267的博客 536

FastGPT 工作流自动化工具, 并与 Al Agent 进行集成工作流

FastGPT 的可视化工作流编排功能极大地降低了构建复杂AI应用的门槛,让即使没有深厚编程背景的业务专家也能将自己的知识转化为高效的AI智能体(Agent)。通过将大语言模型的通用能力与企业的专属知识、业务流程相结合,并通过工作流进行精准控制,FastGPT 成功地帮助企业将AI技术转化为实际的生产力,应对了大模型落地过程中的诸多挑战。无论是构建智能客服、知识管理系统,还是开发专业的翻译工具、自动化数据处理流程,FastGPT 的工作流都能提供强大而灵活的支持。

2503_93205046的博客 1318

FastGPT 上手:从本地部署到工作流编排

公司文档一堆、同事天天问同样问题,你打算怎么办?自己拼 RAG 管线?还是直接找个能拖拽出问答系统的平台?FastGPT 就是干这个的:知识库问答、RAG 检索、可视化工作流编排,一条 Docker 命令就能在本地跑起来。 ## 三个场景,先对号入座 - 自己搭 RAG:以前你得手动写文档切片、embedding、向量检索、提示词拼接一整条管线;现在你只需把文档传进知识库,就能直接开始提问。

gitblog_00187的博客 525

FastGPT智能体开发:快速了解 FastGPT 工作流和插件

FastGPT 从 V4.0 版本开始采用新的交互方式来构建 AI 应用。使用了 Flow 节点编排(工作流)的方式来实现复杂工作流,提高可玩性和扩展性。但同时也提高了上手的门槛,有一定开发背景的用户使用起来会比较容易。

王国平的博客 1358

[AI编排] FastGPT 在项目中快速集成Login-Free window bot 并 配置参数(token)到高级编排中

使用FastGPT 免登录bot,通过 Flow 可视化进行工作流编排,从而快速实现及验证项目的复杂的问答场景!如何在React 中集成免登录bot,如何在bot中传入项目所需的参数,例如token等, 参考本篇文章,给你端到端的解决方案。

Alice Dong的技术总结博客 1834

FastGPT工作流使用[源码]

本文介绍了FastGPT工作流的使用方法及URL图片展示技巧。FastGPT是一款支持AI流程化的开源软件,通过工作流功能可以让AI专注于单一任务,但需注意避免AI回复中的解释性语言干扰流程。解决方法包括使用内容提取器精简输出,并避免给AI过多信息以防止答案混乱。此外,文章还探讨了在FastGPT V4.5版本中展示图片的方法,通过特定提示词和URL,AI可以以Markdown格式展示图片。需要注意的是,不同模型可能导致图片展示效果差异。

【无机纳米材料科研制图——OriginLab 0205】Origin对BET吸附/脱附曲线及孔径分布制图...

此篇,我们来分享如何对BET数据进行处理和制图。 一、等温吸脱附曲线绘制 1)找到等温吸脱附文件。 一半来说,对一个样品测一次BET,会产生很多数据,具体因仪器而异。我这里的数据主要有两个文件夹,一个脱附,一个吸附,吸附文件夹中多了一个等温吸脱附的文件夹。而这...

XD_Yangf的博客 805

FastGPT工作流模板终极指南:5分钟打造专业AI应用

你是否面临这样的困境:想要快速搭建一个智能客服系统,却不知从何入手?希望实现文档自动解析,却被复杂的技术实现难住?别担心,FastGPT工作流模板正是为你量身打造的解决方案。本文将为你揭示如何通过预置模板,在5分钟内构建出媲美专业团队的AI应用。 ## 你的业务痛点与FastGPT解决方案 ### 常见业务挑战 - **时间成本高**:从零开发一个AI应用动辄数周 - **技术门槛高**:需要

gitblog_00317的博客 706

python多线程实现http代理

python多线程实现http代理文章要求1.py socket模块2.py threading模块3.环境搭建3.1设置代理3.2搭建http简单服务器代码分析1.完整代码2.逻辑结构 文章要求 1.py socket模块 socket模块接触后很简单,我实现的是阻塞性的套接字。 需要了解到,连接套接字,监听套接字,和套接字accept()方法的返回值是元组 数据传递过程sock.recv(1024),sock.send()也不需要转换编码,直接以b"二进制流"传输 2.py threading模块 th

qq_43402663的博客 2509

FastGPT工作流编排中的插件全解析:从基础功能到自定义插件的应用场景

本文深入解析了FastGPT工作流编排中的插件系统,从基础功能插件到自定义插件的应用场景。详细拆解了内容生成、数据抓取、逻辑控制等核心插件,并通过智能会议助理、内容发布等实战案例,展示了如何通过插件组合实现复杂业务自动化,帮助用户从使用者进阶为创造者。

weixin_29198045的博客 323

FreeRTOS-Plus-CLI使用笔记

FreeRTOS-Plus-CLI使用笔记 一、简介 详细介绍可参考FreeRTOS-Plus-CLI官网地址入口 FreeRTOS+CLI(Command Line Interface, 命令行接口)提供了一种简单、小型、可扩展且RAM高效的方法,使FreeRTOS应用程序能够处理命令行输入。添加一条指令的步骤如下: 提供一个实现命令功能的函数 将命令映射到该功能函数 注册命令 运行命令解释器 命令行调试接口对于排查分析出现的问题提供了很好的接口,可以通过查看传感器信息判断传感器是否正常,可以查看内置

ApexYuan 6964

机器学习第四个算法ANN(人工神经网络)

我是在14年9月刚读研的时候听到一个说法叫“类人脑算法”很火热,之后搞了很长一段时间相关的蓄水池算法等,但大都没有摸到门路而中途放弃了。现今看来,还是缺少一些知识背景,也不善于在网络上学习,随时间推移,也逐渐明白这是机器学习的一小部分,并且逐渐发展的名称叫做人工神经网络的算法,如果网络层较多,又会有个别名,叫做深度学习。其中个用到的最著名的算法是背向传输算法(backpropagation),而这个

legalhighhigh的博客 1万+

FastGPT工作流编排实战:从零搭建一个AI自动化流程(附源码解析)

本文详细介绍了如何使用FastGPT工作流编排从零搭建AI自动化流程,包括基础概念、实战案例和高级技巧。通过节点调度器模式和源码解析,开发者可以快速构建智能邮件处理系统等应用,提升业务自动化效率。文章还提供了性能优化和企业级实践建议,助力实现高效、安全的AI工作流。

zz67890的博客 915

ChatGPT Web转API工具:原理、部署与集成实战

在AI应用开发中,API(应用程序编程接口)是实现系统间通信和数据交换的核心技术,它通过标准化的请求响应机制,将复杂功能封装为可编程的服务。其工作原理基于HTTP协议,通过定义清晰的端点、方法和数据格式,使不同平台的应用能够高效集成AI能力。这一技术价值在于极大降低了开发门槛,促进了自动化流程和智能功能的快速落地,广泛应用于智能客服、内容生成和创意辅助等场景。本文聚焦于如何通过浏览器自动化技术,将ChatGPT的Web界面能力转化为标准API服务,其中涉及Playwright无头浏览器操作和会话Cookie

weixin_42533910的博客 1779

3步构建智能AI工作流:FastGPT一站式自动化平台完整指南

FastGPT是一个基于大语言模型的知识驱动平台,提供开箱即用的数据处理、RAG检索和可视化AI工作流编排能力,让开发者无需复杂配置即可快速构建专业的智能问答系统。通过其强大的可视化界面和丰富的功能模块,你可以轻松实现企业知识管理、智能客服、自动化流程等复杂AI应用场景。 ## 企业AI应用开发面临的挑战 在数字化转型浪潮中,企业面临着如何将AI技术快速落地的难题: > "传统AI应用开发需

gitblog_00474的博客 907

DolphinScheduler+DataX实战:5分钟搞定MySQL到Hive数据同步(附完整JSON配置)

本文详细介绍了如何利用DolphinScheduler与DataX构建企业级数据同步流水线,实现MySQL到Hive的高效数据同步。文章提供了从环境部署、核心组件配置到完整JSON配置的实战指南,并深入探讨了性能调优、增量同步策略以及生产环境下的监控与错误处理,帮助读者快速搭建稳定可靠的数据同步方案。

5b6n7m8的博客 255

记一次从零到getshell的渗透历程

0x00 前期 拿到测试范围清单后,首先用脚本获取了下各个子站的标题,基本都是XXX管理系统。浏览器查看后,各个子站也大同小异,纯登录系统,带验证码。这些系统基本都是jsp写的,逮到了两个没有验证码的小宝贝,一番暴力破解,小宝贝对我说:别爱我,没结果。又看到了两个站返回的Set-Cookie头:rememberMe=deleteMe; 很明显,这是Apache Shiro。打了一波exp,没有反应,放弃。搞了三天啥都没搞出来,和女朋友出去玩散散心,还是很高兴。 0x01 初显进展 测试范围内有六个门户

CanMeng'Blog - 一个WEB安全渗透的技术爱好者 3971

Dify 与 FastGPT 流程编排能力对比分析

Dify 是一款融合了后端即服务(Backend as Service)和 LLMOps 理念的开源大语言模型应用开发平台。强大的模型支持:能与数百种专有/开源的大型语言模型无缝集成,为开发者提供广泛的选择。直观的 Prompt 编排界面:提供用户友好的界面,简化了 Prompt 设计和管理过程。高质量的 RAG 引擎:显著提升了知识检索和生成的效果,增强了应用的智能性。稳健的 Agent 框架:支持定义各种智能代理,扩展了应用的功能范围。全面的工作流功能:涵盖对话类和自动化类,满足不同场景的需求。

四楼没电梯的专栏 2889

Serdes之什么是(CDR)?

光收发器和电收发器使用的是我们所说的串行数据通信。在这种通信方式中,数据位是按顺序一个接一个地传输的。光收发器和电收发器使用的是我们所说的串行数据通信。在这种通信方式中,数据位是按顺序一个接一个地传输的。目前市场上大多数收发器都没有专用的时钟输入,因此时钟恢复和数据重新定时等功能是在收发器外部(即在主板上)进行的。接收端则需要恢复时钟以采样串行线上的数据。为了实现这一点,接收端需要一个与输入数据频率大致相同的时钟。通过使参考时钟与输入数据信号的跳变相位对齐,可以生成一个恢复的时钟。这被称为时钟恢复。

叫好与叫座虽然不是对立面,但想在同一个作品中达到双重效果很难。 2395
上一篇: 【AI开源项目】FastGPT - 快速部署FastGPT以及使用知识库的两种方式!
下一篇: LLM——10个大型语言模型(LLM)常见面试题以及答案解析
AI_小站
博客等级 码龄3年 6255粉丝 1156原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值