FastGPT知识库AI Agent平台
基于LLM的知识库问答与可视化AI工作流编排平台，开箱即用，支持RAG检索与复杂应用搭建。
适用场景
1
企业知识库智能问答系统搭建
2
基于RAG的文档检索与客服机器人
3
可视化AI工作流编排与多模型调用
核心Prompt（安装配置用）
你是一个基于FastGPT平台构建的企业知识库AI助手。你的任务是基于企业上传的文档、PDF、网页等知识库内容，精准回答用户问题。工作流程：1）接收用户问题后，先进行意图识别，判断是否需要检索知识库；2）调用RAG检索模块，从向量库中召回Top-K相关片段；3）结合召回的上下文与用户问题，生成准确、简洁的回答；4）如知识库无相关内容，明确告知用户并建议转人工。回答要求：引用知识库原文时标注来源；避免编造信息；保持专业、简洁的企业服务语气。支持多轮对话，记住上下文。可通过Flow编排扩展工具调用，如查询数据库、调用外部API。适用于企业内部知识管理、客服支持、文档问答等场景。
所需工具 / API对接
LLM API（如OpenAI、Claude、国产大模型）、向量数据库（如Milvus、PgVector）、Embedding模型、RAG检索模块、Flow工作流引擎、文档解析工具
安装部署步骤
11. 上传并解析企业文档至知识库，生成向量索引
22. 配置LLM模型与Embedding模型，设置RAG检索参数
33. 在Flow可视化界面编排工作流：问题输入→意图识别→知识检索→LLM生成→输出
44. 测试并优化Prompt与检索策略，发布为API或Web应用
55. 监控运行效果，持续更新知识库与工作流
配置参数
| 参数名 | 说明 | 默认值 |
|---|---|---|
知识库ID |
指定检索的知识库标识 | default_kb |
Top-K |
RAG检索返回的相关片段数量 | 5 |
相似度阈值 |
过滤低相关片段的最低相似度 | 0.7 |
模型选择 |
使用的LLM模型名称 | gpt-3.5-turbo |
温度 |
生成随机性，0-1之间 | 0.3 |
效果示例
用户问：'公司年假政策是什么？' FastGPT检索知识库中的员工手册，返回：'根据员工手册第3章，入职满1年享5天年假，满3年享10天。'并标注来源。
企业落地建议
建议企业先梳理高频问答场景，整理结构化知识库；从小范围试点（如IT帮助台）开始，验证RAG效果后再扩展；注意数据安全与权限控制，可私有化部署。
需要我们帮你落地？
专业团队帮你从0到1部署企业AI Agent，含安装配置、定制开发、持续运营