本书重点
解析FastGPT企业级 Al Agent开发平台的用法，
实战飞书AI推送机器人、智能客服、出游规划大师招投标助手、智能问数、HR智能招聘助手、Graphviz流程图生成、智能发票识别等智能体应用
内容简介
智能体（Agent）是大模型落地应用的重要方向，也是AI应用的一个重要风口。FastGPT是一个企业级 AI Agent 搭建平台，可以基于 LLM 大语言模型搭建 AI 知识库问答系统，提供开箱即用的AI Agent 工具集及大模型调用等能力，并可通过可视化 workflow 编排功能实现复杂的AI应用。本书面向企业级AI Agent应用开发，由FastGPT官方认证技术专家和智能体生态伙伴联手打造。本书配套作者微信群答疑服务、案例文件、配图PDF文件、PPT课件等。
全书共分13章，内容包括认识FastGPT、大模型理论基础、FastGPT企业AI知识库，FastGPT工作流编排、MCP支持、飞书AI推送机器人、智能客服、出游规划大师、招投标助手、智能问数、HR智能招聘助手、Graphviz流程图工坊、票据识别智能助手。
适合读者
本书适合所有想要快速学习使用FastGPT开发企业级AI Agent以及AI应用的读者。本书也适合高等院校或高职高专院校学习人工智能课程的学生。
作者简介
李振强，环界云企业级 Agent 平台 FastGPT 总负责人。
叶彦辛，智能体开发资深专家，解决方案架构师，AI布道师，国央企与高校AI培训专家，全国教学数字化大赛一等奖获得者，微软、阿里、AWS认证 Gen Al专家。
杨道升，环界云企业级 Agent 平台 FastGPT 商务负责人。
宋立桓，中国计算机协会人工智能专委会委员，微软最有价值专家MVP，腾讯云架构师技术同盟名人堂专家，互联网某头部企业资深架构师，多项人工智能专利的发明人。
许宇鹏，环界云企业级 Agent 平台 FastGPT项目实施负责人。
前言
当前，人工智能技术正以前所未有的速度重塑世界各个行业的面貌。从语言理解到图像识别，从流程自动化到决策支持，基于大模型的智能系统正逐步成为企业创新与个人效率提升的核心驱动力。在这一背景下，智能体（Agent）技术，尤其是以自然语言为交互界面的AI应用，展现出强大的适应能力和广泛的应用前景。
随着大模型基础能力的持续突破，开发门槛逐渐降低，但如何系统性地构建可靠、实用且可扩展的AI智能体，仍是众多开发者和企业面临的关键挑战。FastGPT 作为一款领先的AI应用开发与集成平台，极大地简化了这一过程------它不仅提供了高效的模型调用与知识管理机制，还通过工作流、插件系统与外部工具集成，真正实现了AI技术与业务场景的深度融合。
本书源于笔者投身AI创业浪潮的亲身实践。在这段充满激情与探索的日子里，我和我的团队有幸为上百家企业提供了AI快速转型落地的工具和服务。从初创公司到大型集团，从制造业到金融服务业，我们见证了各行各业对AI技术的迫切需求，也深刻体会到许多开发者在实践中遇到的困惑与挑战。正是这些宝贵的实战经验，让我们认识到一本系统性的实战指南对于行业的重要性。
在不断解决实际业务难题的过程中，我们积累了丰富的第一手经验。这些经验不仅来自于技术层面的探索，更来自于对行业需求的深刻理解。我们看到很多企业拥有优质的数据和业务场景，却苦于缺乏将AI技术与业务结合的有效路径；我们也遇到许多开发者渴望快速入门，却被繁杂的技术细节所困扰。
正是这些亲身经历，促使我们决定编写这本书。我们不仅想要分享技术，更希望将实践中获得的洞察、方法和最佳实践呈现给读者。书中的每一个案例都经过真实项目的锤炼，每一处设计都经过反复验证，每一种解决方案都旨在解决实际业务问题。无论是刚刚踏入人工智能领域，对智能体技术充满好奇与探索欲望的初学者，还是已经在相关行业深耕多年，渴望借助先进开发平台突破现有业务瓶颈、开拓全新业务领域的专业人士，都能从本书中汲取到丰富的知识与宝贵的经验。
关于本书
本书旨在系统性地介绍基于FastGPT平台进行AI智能体开发的全流程方法，从基础概念到实战案例，从工具使用到架构设计，全面覆盖智能体开发所需的关键知识与实操技能。全书共分为13章，内容安排如下：第1章 引导读者初识FastGPT，理解其设计理念与核心功能；第2章深入介绍大模型理论基础，为后续开发打下坚实的根基；第3~5章重点讲解FastGPT知识库管理、工作流编排及MCP Server的开发与使用，贯通AI与外部系统协同的关键路径；第6~13章通过一系列来自真实场景的实战案例，包括飞书推送机器人、智能客服、出游规划大师、招投标助手、智能问数、HR智能招聘、Graphviz流程图工坊、智能票据识别等，详细展示如何将理论落地为具备实际价值的AI应用。
每一个案例都秉承"可复现、可扩展、可商用"的原则设计，不仅提供清晰的实现步骤，更注重业务逻辑与技术方案的结合，帮助读者真正掌握以AI驱动创新的思维方式。本书既适合AI初学者系统入门，也适用于具备一定经验的开发者、产品经理和企业技术负责人拓宽技术视野、解锁业务新可能。我们努力在技术准确性与表达清晰度之间找到平衡，力求使本书成为你在智能体开发道路上的可靠伙伴。
衷心希望本书能为你提供扎实的技术支撑与灵感激荡，助你在人工智能的浪潮中脱颖而出，开拓属于自己的数字未来。
配套资料下载
本书配套案例文件、作者微信群答疑服务、全书配图PDF文件、PPT课件，读者需要用自己的微信扫描下方的二维码下载，可按扫描出来的页面提示，把链接转发到自己的邮箱中下载。
适合的读者
- AI Agent开发初学者：通过FastGPT系统掌握AI Agent开发基础知识与开发流程。
- AI Agent应用开发工程师：利用FastGPT快速搭建企业级应用（如电商、企业管理系统）。
- 行业AI应用解决方案研究人员：根据自己的专业知识，寻求与探索行业应用AI解决方案，提升AI应用能力。
- 人工智能及相关专业的学生：通过完整的实战案例理解AI Agent开发的全貌。
鸣谢
本书得到上海云司信息技术有限公司CEO王东健先生、技术总监宋立桓先生、销售总监张波先生、售前总监于浙龙先生、交付实施总监黄斌先生的大力支持和专业指导，特此表示诚挚感谢。同时也感谢所有为本书出版提供帮助的技术同仁与清华大学出版社的编辑团队。祝愿我们的努力能够共同推动AI技术的普及与行业进步。
李振强
珠海环界云FastGPT业务总负责人
2025年10月
目录
第 1 章 初识FastGPT 1
1.1 FastGPT简介 1
1.2 FastGPT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
1.4.2 核心配置文件config.json 10
1.4.3 向量数据库的配置 10
1.4.3 配置docker下载的镜像 12
1.4.3 使用docker命令安装fastgpt 12
1.4.4 系统访问与登录 14
1.5 FastGPT模型管理 15
第 2 章 从大模型到AI Agent 22
2.1 什么是大模型 22
2.2 什么是token 23
2.3 什么是提示词 24
2.4 什么是Agent 25
2.5 Agent如何落地企业应用 27
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 FastGPT企业知识库入门实战 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 企业知识库落地优化解决思路 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 53
4.2.1 基础对话框架搭建 53
4.2.2 接入知识库检索 54
4.2.3 搭建一个智能客服 56
4.3 高级应用的发布 60
4.3.1 发布方式详解 61
4.3.2 高级应用的测试与优化 62
第 5 章 MCP Server - AI与外部世界的桥梁 64
5.1 MCP Server：打破AI孤岛的革命性协议 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 FastGPT MCP Server实战指南：三步轻松上手 65
5.2.1 创建你的MCP 服务 - 像搭积木一样简单 65
5.2.2 获取访问地址 - 你的AI应用"门牌号" 66
5.2.3 在Cursor中使用 - 让AI助手更加智能 67
5.3 MCP工具集成FastGPT：构建AI生态系统 68
5.3.1 创建MCP工具集：一键导入外部能力 68
5.3.2 调试MCP工具：确保每个工具都能完美运行 69
5.3.3 AI模型调用：灵活选择调用方式 70
5.4 从0到1构建自己的MCP Server服务器 71
5.4.1 搭建开发环境：在云端创建你的工作室 71
5.4.2 编写MCP服务代码：让AI学会数学运算 74
5.4.3 部署和测试：让你的MCP服务上线 77
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 97
6.4.4 新闻热点部分分支 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 122
第 7 章 FastGPT实战案例：智能客服 126
7.1 传统客服的困境与AI客服的崛起 126
7.2 智能客服实现过程的全面解析 127
7.2.1 构建智能知识库------奠定AI客服的认知基础 127
7.2.2 系统集成与配置------搭建智能客服 128
7.3 智能客服实战操作 131
7.3.1 创建产品知识库 131
7.3.2 设计客服工作流 132
7.3.3 预览测试 138
7.4 智能客服的未来展望与企业行动建议 141
第 8 章 实战案例：出游规划大师 142
8.1 案例背景与整体思路 142
8.2 实现效果预览 142
8.3 前 置工 作 144
8.3.1 获取key 144
8.3.2 创建MCP工具 145
8.4 工作流搭建 147
8.4.1 系统配置 148
8.4.2 工具调用节点 148
8.4.3 MCP节点 154
8.5 运行预览测试 155
第 9 章 实战案例：招投标助手 159
9.1 案例背景与整体思路 159
9.2 实现效果预览 161
9.3 前 置工 作 161
9.3.1 应用图标 161
9.3.2 知识库内容 162
9.4 工作流搭建 163
9.4.1 系统配置 164
9.4.2 分流节点 165
9.4.3 信息分析分支 166
9.4.4 细则梳理与框架生成分支 169
9.4.5 知识库检索分支 175
9.4.5 回复整合部分 177
9.5 运行预览测试 178
第 10 章 实战案例：基于大模型的智能问数Text2SQL 182
10.1 案例背景与整体思路 182
10.2 实现效果预览 182
10.3 前置工作 183
10.3.1 初始化数据库 183
10.3.2 测试数据库连接工具 190
10.3.3 Chart-MCP工具集创建 192
10.4 工作流搭建 194
10.4.1 系统配置 194
10.4.2 问题分类-确保数据库安全 196
10.4.3 返回本轮SQL书写所需数据表名 198
10.4.4 查询数据表字段 199
10.4.5 自然语言生成SQL语句 200
10.4.6 SQL执行并转成自然语言 202
10.4.7 根据SQL查询结果生成可视化图表 204
10.4.8 完整工作流截图 205
10.5 运行预览测试 206
10.5.1 基础查询 206
10.5.2 中级查询 207
10.5.3 高级查询 208
10.5.4 复杂分析查询 209
10.5.5 业务洞察查询 210
10.6 发布Agent 211
10.6.1 共享链接直连模式 211
10.6.2 嵌入式iframe集成模式 213
10.6.3 脚本化动态加载模式 213
10.6.4 静态密钥认证接口集成模式 214
10.7 总结 218
第 11 章 实战案例：数智HR招聘助手 219
11.1 案例背景与整体思路 219
11.2 实现效果预览 221
11.3 前置工作 223
11.3.1 应用图标 223
11.3.2 知识库内容 223
11.3.3 秘塔搜索API 226
11.4 工作流搭建 227
11.4.1 系统配置 228
11.4.2 分流节点 230
11.4.3 JD生成分支 231
11.4.4 简历筛选分支 234
11.4.5 模拟面试分支 236
11.5 运行预览测试 239
第 12 章 实战案例：Graphviz流程图工坊 244
12.1 案例背景与整体思路 244
12.2 实现效果预览 245
12.3 前置工作 246
12.3.1 获取应用图标 246
12.3.2 对话开场白美化排版 246
12.4 工作流搭建 247
12.4.1 系统配置 249
12.4.2 流程图节点 249
12.4.3 提示词说明 252
12.5 运行预览测试 252
第 13 章 案例实战：票据识别智能助手 256
13.1 案例背景 256
13.2 前置准备工作 259
13.3 实战过程 261
13.4 运行预览测试 288