FastGPTFastGPT

文件输入功能介绍

在 FastGPT 对话 Agent 与工作流中启用文件上传功能,支持文档解析、图片识别与多模态问答处理。

从 4.8.9 版本起,FastGPT 支持在 对话 Agent(简易版) 和 工作流 中配置用户上传文件功能。下面先介绍如何使用文件输入功能,再说明文档解析和多模态文件处理的区别。

对话 Agent(简易版)中使用

对话 Agent(简易版)开启文件上传后,当前文档解析路径会读取普通文档并将文本用于对话。4.8.9–4.8.12 的早期路径由模型通过工具调用决定读取;4.8.13 起采用下面说明的强制解析行为。

可以找到左侧文件上传的配置项,点击其右侧的 开启 / 关闭 按键,即可打开配置弹窗。

打开文件上传

随后,你的调试对话框中,就会出现一个文件选择的 icon,可以点击文件选择 icon,选择你需要上传的文件。

打开文件上传

工作模式

从 4.8.13 版本起,对话 Agent(简易版)的文件读取会强制解析文件并合并进对应的用户消息中,确保多轮连续对话稳定引用上传文档内容。

工作流中使用

工作流中,可以在系统配置中,找到 文件上传 配置项,点击其右侧的 开启 / 关闭 按键,即可打开配置弹窗。

打开文件上传

将 流程开始 → 文件链接 连接到 文档解析 → 文档链接,再将解析结果传给 AI 对话、内容提取或 HTTP 请求等节点。上传 TXT 文件运行后,检查解析输出是否包含文件正文。

文档解析节点与运行结果

文档解析输入与输出

文档解析工作原理

FastGPT 的普通文档解析路径将文件转换为文本后交给模型,多模态文件则按模型能力和文件输入配置处理。以下从存储结构、媒体分流、节点拼接和提示词注入四个环节说明文档解析机制:

上传的文件如何存储在数据库中

FastGPT 的对话记录存储结构中,role=user 的消息,value 值会按以下结构存储:

type UserChatItemValueItemType = {
  text?: {
    content: string;
  };
  file?: {
    type: 'image' | 'audio' | 'video' | 'document' | 'unknown'; // 'file' 仅兼容历史数据
    name?: string;
    key?: string;
    url: string;
  };
};

也就是说,上传的文件都会以 URL 的形式存储在库中,并不会存储 解析后的文档内容。

图片、音频、视频如何处理

文档解析节点不会解析图片、音频、视频等多模态文件。这类文件需要交给支持对应多模态能力的 LLM 处理,并在 AI 配置说明 中开启多模态识别。

因此,文件输入中要区分两类处理方式:

  1. 文档解析:处理 PDF、Word、Excel、Markdown、HTML 等文档文件,将内容转成文本后提供给 AI。
  2. 多模态识别:处理图片、音频、视频等媒体文件,FastGPT 会将其转换为模型可接收的输入,再由支持对应能力的模型读取。

文档解析节点如何工作

文档解析依赖文档解析节点,这个节点会接收一个 array<string> 类型的输入,对应的是文件输入的 URL;输出的是一个 string,对应的是文档解析后的内容。

  • 在文档解析节点中,只会解析 文档 类型的 URL,它是通过文件 URL 解析出来的 文件后缀 去判断的。如果你同时选择了文档和多模态文件,多模态文件会被忽略。
  • 文档解析节点,只会解析本轮工作流接收的文件,不会解析历史记录的文件。
  • 多个文档内容如何拼接的

按下列的模板,对多个文件进行拼接,即文件名+文件内容的形式组成一个字符串,不同文档之间用 \n\n 连接。

## ${filename}
${content}

AI 对话节点中如何传入文件链接

在工作流的 AI 对话 节点中,提供了 文件链接(早期版本称“文档引用”)输入端口,可直接选择 流程开始 节点输出的 文件链接(或上游节点输出的文档 URL 数组),实现文档内容的自动解析与引用。

它接收一个 Array<string> 类型的输入,最终这些 URL 会被解析,并进行提示词拼接,合并进对应的用户消息中。每个文件按 <file> 结构列出(其中还可能包含可选的 <sandboxPath> 字段,且 <content> 仅在文档已完成文本解析时出现),提示词模板如下:

## 对话文件
用户本次对话上传的文件,用途:
1. 可通过 read_files 读取文档内容。
2. 可把 url 作为模型参数。

<file>
<name>${文件名}</name>
<url>${文件 URL}</url>
<content>${文件正文}</content>
</file>

4.8.13 版本起,关于文件上传的更新

由于与 4.8.9 版本有些差异,尽管我们做了向下兼容,避免工作流立即不可用。但是请尽快的按新版本规则进行调整工作流,后续将会去除兼容性代码。

  1. 对话 Agent(简易版)中,强制执行文件解析并注入上下文,保证每次都能参考文档。
  2. 文档解析:不再解析历史记录中的文件。
  3. AI 对话节点:支持在 文件链接(原“文档引用”)输入端口直接选择开始节点输出的 文件链接,并自动解析历史记录中的文件。
  4. 插件单独运行:插件输入支持配置文件类型,用于接收上传文件。
  5. 工作流调用插件:需要手动为插件输入绑定对应的文件链接变量。
  6. 工作流调用工作流:支持手动选择需要传递给子工作流的文件链接。
在 GitHub 上编辑

文件更新时间