开篇问题

前面几篇我们已经完整拆过聊天主链路和工作流执行链路。

从这一篇开始，进入 FastGPT 的另一个核心模块：

知识库与 RAG。

如果说工作流解决的是：

用户问题如何被编排、执行和返回。

那么知识库模块解决的是：

外部知识如何被导入、切块、索引、训练，并最终被检索出来参与回答。

这一篇先不急着进入文件解析、向量库、召回排序。

我们先回答一个更基础的问题：

FastGPT 用哪些领域对象描述一个知识库？ 这些对象之间是什么关系？ 每个对象分别落在哪张 Mongo 表里？

FastGPT 的知识库领域模型主要由四个核心对象组成：

Dataset Collection Data Training

它们共同支撑了一个完整的 RAG 数据底座。

先给结论

FastGPT 的知识库可以先用一条层级关系理解：