FastGPT — корпоративная платформа для сборки ИИ-агентов. На холсте соединяются блоки, шаг поиска по базе знаний подключается к шагу диалога, выбирается модель вроде ChatGPT, Claude, DeepSeek или ERNIE от Baidu, а результат публикуется как страница без входа, API или бот в мессенджере. Типичные задачи — вопросы по внутренней базе знаний, поддержка клиентов и автоматизация повторяющихся операций.
FastGPT: корпоративные ИИ-агенты на визуальных сценариях и базе знаний с RAG
FastGPT закрывает вполне конкретный разрыв: регламенты, руководства по продукту и историю обращений компания уже хранит в виде документов, но человеку, которому нужна одна фраза, приходится листать папки, спрашивать коллегу или доверять поиску по ключевым словам. Платформа сначала превращает эти документы в базу с поиском, затем связывает поиск, оценку и ответ в один визуальный сценарий и, наконец, публикует этот сценарий как точку входа, которую действительно открывают. Сборка идёт в основном перетаскиванием блоков.
Три части делят один интерфейс. База знаний готовит документы, записи из баз данных и данные API как материал для поиска. Сценарий решает, что произойдёт с вопросом: классифицировать намерение, найти материал, проверить, нужен ли человек, и ответить. Слой модели превращает найденные фрагменты в текст. Поскольку ответственность разделена, ошибку можно проследить до конкретного шага, а не списывать на модель.
Позиционирование — внутренний инструмент, а не демонстрационная игрушка. Командные пространства, общие сценарии и централизованное управление базами и переменными выглядят скромно, но именно они позволяют прототипу стать инструментом отдела: кто менял сценарий, какие приложения ссылаются на базу, где переиспользуется переменная. На исходной странице нет сведений о цене, лимитах по тарифам и месте хранения данных, поэтому перед выбором это стоит уточнить у поставщика.
Основные возможности
Визуальная сборка сценариев
Блоки перетаскиваются и соединяются линиями: потоки данных и автоматизация задач собираются без написания кода. Подходит для многошаговой логики — найти материал, классифицировать запрос, ответить по шаблону; команда читает схему, не открывая редактор.
База знаний с RAG
Внутренние документы, базы данных и API становятся базой, на которую опираются ответы. Поиск заставляет ответ ссылаться на реальный материал, а не только на память модели, однако разбиение на фрагменты и качество документов определяют результат, так что настройка неизбежна.
Несколько поставщиков моделей
Указаны ChatGPT, Claude, DeepSeek и ERNIE от Baidu. Выбор под задачу позволяет держать лёгкие модели для частых вопросов и подключать более сильные там, где нужно рассуждение.
Готовые ИИ-блоки
Диалог, поиск по базе, классификация вопросов и разбор документов поставляются готовыми блоками. Упакованные типовые функции сокращают повторную сборку и позволяют участвовать в проектировании не только разработчикам.
Интеграции с рабочими системами
Подключаются Feishu, DingTalk, WeCom и различные базы данных, чтобы ассистент жил там, где команда уже работает. Интеграция по сути снижает стоимость открытия инструмента, и использование следует за этой стоимостью.
Маршрутизация намерений в диалоге
Чат-бот направляет разные намерения в разные сценарии, взаимодействует по ходу разговора, запрашивает подтверждение и имеет запасной путь, когда намерение неясно. Если несколько подразделений делят одну точку входа, именно этот шаг решает, попадёт ли пользователь в нужный сценарий.
Сбор и обработка контента
Загрузка веб-страниц, преобразование Markdown в файл, получение списков трендов, извлечение текста и кодирование Base64 образуют единую цепочку. Полезно для новостных дайджестов и мониторинга конкурентов с постоянным притоком данных.
Инструменты и расширение через MCP
Встроены выполнение кода, HTTP-запросы, условия и пакетная обработка, а собственные возможности добавляются через протоколы вроде MCP. Это выход, когда стандартный блок не покрывает требование.
Совместная работа и активы
Командные пространства, общие сценарии и централизованное управление базами и переменными поддерживают совместную работу и автоматизированную эксплуатацию. Когда один сценарий правят несколько человек, чёткие границы важнее числа функций.
Как начать
- Открыть сайт FastGPT, зарегистрироваться, войти и попасть в рабочее пространство.
- Открыть раздел базы знаний, импортировать подготовленные документы и дождаться разбора и индексации.
- В рабочем пространстве создать новый сценарий и назвать его — появится пустой холст.
- Добавить блок поиска по базе знаний и указать импортированную базу, затем добавить блок диалога, соединить их и настроить модель и инструкцию.
- Запустить предпросмотр и задать свои вопросы, чтобы проверить, совпадают ли найденные фрагменты и итоговый ответ.
- Опубликовать как страницу без входа, API, бота в Feishu или DingTalk либо официальный аккаунт WeChat.
Кому подходит
- Администрация и HR: регламенты, отчётность по расходам и инструкции для новичков превращаются в точку вопросов.
- Операции и поддержка: скрипты и история обращений накапливаются для подсказок, распределения и сигналов о тональности.
- Разработчики: повторяющиеся связки API, очистка данных и отчёты упаковываются в переиспользуемые сценарии.
- Электронная коммерция и обучение: заказы, склад и вопросы по курсам обрабатываются массово.
Ограничения
- На исходной странице нет цены, бесплатного лимита, различий между тарифами и места хранения данных — уточняйте у поставщика.
- Качество ответов сильно зависит от разбиения документов и частоты обновления: устаревший документ даёт уверенный неверный ответ.
- Поиск гарантирует, что фрагмент найден, а не что вывод верен; финансы, право и медицина по-прежнему требуют проверки человеком.
- Перечисленные сценарии широки, публичных количественных кейсов по отраслям нет.
- Обращения к сторонним моделям добавляют расходы и проверку соответствия, включая правила передачи данных за рубеж.
Частые вопросы
Нужно ли программировать?
Для базовых сценариев нет: перетаскивание блоков покрывает вопросы по базе и маршрутизацию намерений. Выполнение кода, HTTP-запросы и собственная обработка параметров всё же требуют технической подготовки.
Чем это отличается от прямого вызова модели?
Прямой вызов опирается на память модели. FastGPT добавляет шаг поиска, чтобы ответ основывался на ваших документах, а уровень сценария управляет многошаговой логикой, ветвлениями и вызовами внешних систем.
Какие модели поддерживаются?
Среди вариантов названы ChatGPT, Claude, DeepSeek и ERNIE от Baidu. Реальная доступность, параметры и оплата зависят от настроек платформы.
Куда публикуется готовый агент?
Как страница без входа, API или бот в Feishu, DingTalk либо официальном аккаунте WeChat, чтобы команда спрашивала в привычных инструментах.
Какие источники принимает база знаний?
Упоминаются документы, базы данных и API. Поддерживаемые форматы файлов и ограничение размера одного файла на исходной странице не перечислены.

Частые вопросы
Нужно ли программировать?
Для базовых сценариев нет: перетаскивание блоков покрывает вопросы по базе и маршрутизацию намерений. Выполнение кода, HTTP-запросы и собственная обработка параметров всё же требуют технической подготовки.
Чем это отличается от прямого вызова модели?
Прямой вызов опирается на память модели. FastGPT добавляет шаг поиска, чтобы ответ основывался на ваших документах, а уровень сценария управляет многошаговой логикой, ветвлениями и вызовами внешних систем.
Какие модели поддерживаются?
Среди вариантов названы ChatGPT, Claude, DeepSeek и ERNIE от Baidu. Реальная доступность, параметры и оплата зависят от настроек платформы.
Куда публикуется готовый агент?
Как страница без входа, API или бот в Feishu, DingTalk либо официальном аккаунте WeChat, чтобы команда спрашивала в привычных инструментах.