大模型应用_FastGPT

1 功能

整体功能，想解决什么问题
- 官方说明：FastGPT 是一个基于 LLM 大语言模型的知识库问答系统，提供开箱即用的数据处理、模型调用等能力。同时可以通过 Flow 可视化进行工作流编排，从而实现复杂的问答场景！
- 个人体会：在不用编程的情况下，快速建立简单的本地知识库。
当前解决了什么问题，哪些问题解决不了
- 作者团队可能是觉得大模型本身太单薄了，希望通过结合其它工具，做一个中间层的方案，用大模型解决更多问题。
- 向下接入了多个大模型：GPT、Claude、Spark、ChatGLM 等；向上除了提供很好用的 Web 工具，还提供了类似 OpenAI 的 API 供其它程序接入其功能，如：微信，飞书……；针对本地知识库，实现了数据的解析，存储，问答功能，并做了一些优化（评价本地知识库效果是一个非常复杂的问题，不在此讨论）。
- 提供了工作流 Flow，个人感觉对于想开箱即用的人来说有些复杂；对于深度使用者略显单薄。
- 计算 Embedding 以及答案的合成都需要连网使用。
提供哪些功能点，其中哪些是刚需
- 基本的与大模型聊天问答功能
- 本地知识库支持，虽然不是最先进最强大的技术栈，但对于中小规模的数据，个人数据是可用的，这是此项目的核心功能。
- 支持手动录入知识，以回答重要的问题。
- 包装一些常用功能，比如翻译，将一些定制 prompt 作成”应用“，以提供特定类型的服务。官方文档中展示了一些典型的使用场景，很有启发性。
- 界面清晰，舒服。
用户使用难度，操作逻辑是否过于复杂
- 最简单的方法就是直接用作者在官网部署的服务，没有难度。
- 本地部署，尽管没有现成的文档，但有脚本 run.sh，可以启动多个 docker，也很好用。
- 在我见过的 RAG Web 项目中，FastAI 界面是做的最好的。
使用场景
- 用 FastGPT 给单位的文档做个知识库，考虑到部署和学习成本，可能是目前性价比最高的方案。

2 技术栈

技术栈是什么：
- 工具
  - NextJs + TypeScript + ChakraUI
  - 代码量大部分由 TypeScript 编写。
- 数据库
  - Postgres (Vector 版本：ankane/pgvector:v0.5.0）存储向量
  - MongoDB 用于存取其他数据，比如用户知识库的文本部分，聊天记录，不定长，可能被扩展的数据，便于文本检索。
- 其它
  - python：做了一些文档转换内容处理的工作，代码很少，几乎没用到。
  - go 语言：实现文档服务 DocSite
现有底层工具消化了哪些常用功能
- 我对 JS 不太熟，看不太出来
代码分析（使用 cloc 工具统计）
- github 项目下载内容 183M，主要为.git 和 DocSite
- 代码主要由 TypeScript 编写，约 4.5W 行（不计生成的 JS 代码）
- 核心代码在：FastGPT/projects/app/src

3 商业模式

用户可以使用 FastGPT源码部署自己的工具，也可以在其官网使用现成的线上版服务。使用 openai 的服务时，费用同 openai；同时，还提供了一些其它的收费服务。为了合规，把名字的名字换了一下，一看价格就明白了。
同时出售商业版，收费见：https://doc.fastgpt.in/docs/pricing/。
开源产品，以服务方式提供，对用户来说也比较方便经济。