一、企业知识库：从“能用”到“好改”

在2026年的AI应用版图中，AnythingLLM和FastGPT已成为企业构建私有知识库的两大主流选择。AnythingLLM凭借全文档格式支持、工作区隔离和MIT协议友好性，在GitHub上收获了数万Star；FastGPT则以可视化工作流编排和灵活的数据处理能力，成为需要复杂业务流程定制团队的首选。

然而，开箱即用的版本往往无法满足企业特有的业务流程和数据格式需求。二次开发能力，正是将这两个工具从“能用”升级为“好改”的关键分水岭。

二、AnythingLLM二次开发：自定义Agent技能

2.1 AnythingLLM的核心架构

AnythingLLM是Mintplex Labs开发的企业级文档聊天机器人解决方案，采用MIT许可证，支持PDF、TXT、DOCX等多种文档格式，通过工作区（workspace）概念实现文档隔离与共享。

二次开发的主要入口是自定义Agent技能（Custom Agent Skills）。AnythingLLM的Agent技能以插件形式运行，支持热加载——修改后无需重启服务即可生效。

2.2 开发环境准备

# 克隆AnythingLLM源码gitclone https://github.com/Mintplex-Labs/anything-llm.gitcdanything-llm# 安装依赖（使用Bun）buninstall# 启动开发服务bun run dev:frontend bun run dev:backend

自定义Agent技能需要存放在STORAGE_DIR/plugins/agent-skills/目录下。对于Docker部署，该目录通过volume挂载；本地开发则在server/storage/plugins/agent-skills/。

2.3 创建第一个自定义技能

每个自定义技能需要三个核心文件：plugin.json（配置文件）、handler.js（逻辑入口）、以及文件夹名称与hubId一致。

plugin.json配置文件：

{"active":true,"hubId":"enterprise-knowledge-search","name":"企业知识库检索","schema":"skill-1.0.0","version":"1.0.0","description":"检索企业内部知识库文档","author":"your-team","license":"MIT","setup_args":{"INTERNAL_API_KEY":{"type":"string","required":true,"input":{"type":"text","placeholder":"输入企业内部API密钥","hint":"用于调用企业知识库API的认证密钥"}}},"examples":[{"prompt":"查询最新的产品规格文档","call":"{\"query\": \"产品规格\", \"department\": \"研发部\"}"}],"entrypoint":{"file":"handler.js","params":{"query":{"description":"搜索关键词","type":"string"},"department":{"description":"部门名称（用于元数据过滤）","type":"string"}}},"imported":true}

handler.js业务逻辑：

// handler.js - 企业知识库检索技能module.exports.runtime={handler:asyncfunction({query,department}){constskillName=`${this.config.name}-v${this.config.version}`;try{// 记录推理过程到UI（用户可见）this.introspect(`${skillName}开始检索: "${query}"，部门:${department||'全部'}`);// 获取配置的API密钥constapiKey=this.runtimeArgs["INTERNAL_API_KEY"];// 调用企业内部知识库APIconstresponse=awaitfetch(`https://internal-kb.company.com/api/search?q=${encodeURIComponent(query)}&dept=${department||''}`,{headers:{'Authorization':`Bearer${apiKey}`,'Content-Type':'application/json'}});if(!response.ok){thrownewError(`API请求失败:${response.status}`);}constdata=awaitresponse.json();constresults=data.results.slice(0,5).map(r=>`【${r.title}】${r.snippet}`).join('\n\n');// 返回结果字符串（必须返回string类型）returnresults||'未找到相关文档，请尝试调整关键词。';}catch(e){this.introspect(`${skillName}执行失败:${e.message}`);this.logger(`${skillName}错误:`,e.message);return`检索服务暂时不可用:${e.message}`;}}};

关键API说明：

• this.introspect()：向用户展示推理过程，增加透明度
• this.runtimeArgs：访问plugin.json中setup_args配置的值
• this.logger()：输出调试日志到控制台
• this.requestToolApproval()：如需执行高风险操作（如删除记录），请求用户确认

三、FastGPT二次开发：工作流节点扩展

3.1 FastGPT的核心架构

FastGPT的核心能力是Flow节点编排（工作流），通过可视化方式构建复杂AI应用。从V4.0版本开始，节点包括系统节点（流程入口）和功能节点（知识库搜索、AI对话等），节点间通过触发器连接形成执行链路。

二次开发主要涉及三个层面：

• 新增功能节点：在/packages/service/core/workflow/nodes/中添加
• 接入外部知识库：通过FastGPT的第三方知识库接口规范扩展
• 模型适配：在/packages/global/core/model/中接入企业内部模型

3.2 工作流执行原理

理解工作流执行机制是二次开发的基础。FastGPT工作流从【流程开始】节点启动，每个节点的连接线有三种状态：

• waiting：等待执行
• active：可执行
• skip：跳过

节点执行原则：判断前置线状态，若有waiting则等待，有active则执行，无active也无waiting则跳过。执行完毕后更新后置线状态。

3.3 循环节点的应用

FastGPT V4.15.0+引入了循环节点，支持两种模式：

数组循环：依次遍历数组元素，每轮处理一个元素

条件循环：持续执行循环体，直到触发【循环终止】节点

以下是一个“AI润色文案直至评估达标”的条件循环实现示例：

循环开始（条件循环模式） ├── 【AI对话】文案优化 ├── 【AI对话#2】评分评估 ├── 【判断器】分数 >= 80? │ ├── 是 → 【指定回复】输出结果 → 【循环终止】 │ └── 否 → 自动进入下一轮 └── （循环体结束，回到循环开始）

循环节点不支持嵌套，系统默认最大循环次数为100次（可配置WORKFLOW_MAX_LOOP_TIMES环境变量调优）。

四、二次开发选型决策

避坑指南

五、总结

AnythingLLM和FastGPT的二次开发，本质上是将通用工具与特定业务流程进行适配。AnythingLLM通过自定义Agent技能扩展功能，适合需要定制化检索逻辑和多租户隔离的场景；FastGPT通过工作流节点和循环编排实现复杂流程，适合需要多轮迭代和条件分支的业务。

在实际项目中，建议从最小可行定制开始——先通过配置和API满足80%需求，再将二次开发聚焦于业务逻辑而非底层框架，以保持与上游版本的同步。