update mcp doc (#4572)

2025-07-27 00:17:31 +00:00 · 2025-04-17 12:24:59 +08:00
parent 4fad9c6025
commit 853a75c9bc
146 changed files with 115 additions and 12 deletions
--- a/docSite/content/zh-cn/docs/guide/dashboard/_index.md
+++ b/docSite/content/zh-cn/docs/guide/dashboard/_index.md
@@ -0,0 +1,9 @@
+---
+weight: 200
+title: '工作台'
+description: 'FastGPT 工作台及工作流节点的使用说明'
+icon: 'dashboard'
+draft: false
+images: []
+---
+<!-- 200 ~ 300 -->
--- a/docSite/content/zh-cn/docs/guide/dashboard/basic-mode.md
+++ b/docSite/content/zh-cn/docs/guide/dashboard/basic-mode.md
@@ -0,0 +1,8 @@
+---
+weight: 225
+title: '简易模式'
+description: '快速了解 FastGPT 工作台的简易模式'
+icon: 'speed'
+draft: false
+images: []
+---
--- a/docSite/content/zh-cn/docs/guide/dashboard/gapier.md
+++ b/docSite/content/zh-cn/docs/guide/dashboard/gapier.md
@@ -0,0 +1,60 @@
+---
+title: "使用 Gapier 快速导入Agent工具"
+description: "FastGPT 使用 Gapier 快速导入Agent工具"
+icon: "build"
+draft: false
+toc: true
+weight: 280
+---
+
+FastGPT V4.7版本加入了工具调用，可以兼容 GPTs 的 Actions。这意味着，你可以直接导入兼容 GPTs 的 Agent 工具。
+
+Gapier 是一个在线 GPTs Actions工具，提供了50多种现成工具，并且每天有免费额度进行测试，方便用户试用，官方地址为：[https://gapier.com/](https://gapier.com/)。
+
+![](/imgs/gapierToolResult1.webp)
+
+现在，我们开始把 Gapier 的工具导入到 FastGPT 中。
+
+## 1. 创建插件
+
+| Step1 | Step2 | Step3 |
+| --- | --- | --- |
+| ![](/imgs/gapierTool1.png) | ![](/imgs/gapierTool2.png) | 登录[Gapier](https://gapier.com/) 复制相关参数 <br> ![](/imgs/gapierTool3.png) |
+| Step4 | Step5 | Step6 |
+| 自定义请求头: Authorization<br>请求值: Bearer 复制的key <br> ![](/imgs/gapierTool4.png) | ![](/imgs/gapierTool5.png) | ![](/imgs/gapierTool6.png) |
+
+创建完后，如果需要变更，无需重新创建，只需要修改对应参数即可，会自动做差值比较更新。
+
+![](/imgs/gapierTool7.png)
+
+## 2. 应用绑定工具
+
+### 简易模式
+
+| Step1 | Step2 |
+| --- | --- | --- |
+| ![](/imgs/gapierTool8.png) | ![](/imgs/gapierTool9.webp) |
+| Step3 | Step4 |
+| ![](/imgs/gapierTool10.webp) | ![](/imgs/gapierTool11.png) |
+
+### 高级编排
+
+| Step1 | Step2 |
+| --- | --- | --- |
+| ![](/imgs/gapierTool12.webp) | ![](/imgs/gapierTool13.webp) |
+| Step3 | Step4 |
+| ![](/imgs/gapierTool14.webp) | ![](/imgs/gapierTool15.webp) |
+
+![](/imgs/gapierTool16.webp)
+
+## 3. 工具调用说明
+
+### 不同模型的区别
+
+不同模型调用工具采用不同的方法，有些模型支持 toolChoice 和 functionCall 效果会更好。不支持这两种方式的模型通过提示词调用，但是效果不是很好，并且为了保证顺利调用，FastGPT内置的提示词，仅支持每次调用一个工具。
+
+具体哪些模型支持 functionCall 可以官网查看（当然，也需要OneAPI支持），同时需要调整模型配置文件中的对应字段（详细看配置字段说明）。
+
+线上版用户，可以在模型选择时，看到是否支持函数调用的标识。
+
+![](/imgs/gapierTool17.webp)
--- a/docSite/content/zh-cn/docs/guide/dashboard/intro.md
+++ b/docSite/content/zh-cn/docs/guide/dashboard/intro.md
@@ -0,0 +1,93 @@
+---
+title: "工作流&插件"
+description: "快速了解 FastGPT 工作流和插件的使用"
+icon: "extension"
+draft: false
+toc: true
+weight: 226
+---
+
+FastGPT 从 V4 版本开始采用新的交互方式来构建 AI 应用。使用了 Flow 节点编排（工作流）的方式来实现复杂工作流，提高可玩性和扩展性。但同时也提高了上手的门槛，有一定开发背景的用户使用起来会比较容易。
+
+[查看视频教程](https://www.bilibili.com/video/BV1is421u7bQ/)
+
+![](/imgs/flow-intro1.png)
+
+## 什么是节点？
+
+在程序中，节点可以理解为一个个 Function 或者接口。可以理解为它就是一个**步骤**。将多个节点一个个拼接起来，即可一步步的去实现最终的 AI 输出。
+
+如下图，这是一个最简单的 AI 对话。它由用流程开始和 AI 对话节点组成。
+
+![](/imgs/flow-intro2.png)
+
+执行流程如下：
+1. 用户输入问题后，【流程开始】节点执行，用户问题被保存。
+2. 【AI 对话】节点执行，此节点有两个必填参数“聊天记录” “用户问题”，聊天记录的值是默认输入的6条，表示此模块上下文长度。用户问题选择的是【流程开始】模块中保存的用户问题。
+3. 【AI 对话】节点根据传入的聊天记录和用户问题，调用对话接口，从而实现回答。
+
+### 节点分类
+
+从功能上，节点可以分为 2 类：
+
+1. **系统节点**：用户引导（配置一些对话框信息）、用户问题（流程入口）。
+2. **功能节点**：知识库搜索、AI 对话等剩余节点。（这些节点都有输入和输出，可以自由组合）。
+
+### 节点的组成
+
+每个节点会包含 3 个核心部分：输入、输出和触发器。
+
+   ![](/imgs/flow-intro3.png)
+   
+   - AI模型、提示词、聊天记录、用户问题，知识库引用为输入，节点的输入可以是手动输入也可以是变量引用，变量引用的范围包括“全局变量”和之前任意一个节点的输出。
+   - 新的上下文和AI回复内容为输出，输出可以被之后任意节点变量引用。
+   - 节点的上下左右有四个“触发器”可以被用来连接，被连接的节点按顺序决定是否执行。
+
+## 重点 - 工作流是如何运行的
+
+FastGPT的工作流从【流程开始】节点开始执行，可以理解为从用户输入问题开始，没有**固定的出口**，是以节点运行结束作为出口，如果在一个轮调用中，所有节点都不再运行，则工作流结束。
+
+下面我们来看下，工作流是如何运行的，以及每个节点何时被触发执行。
+
+   ![](/imgs/flow-intro1.png)
+
+如上图所示节点会“被连接”也会“连接其他节点”，我们称“被连接”的那根线为前置线，“连接其他节点的线”为后置线。上图例子中【知识库搜索】模块左侧有一根前置线，右侧有一根后置线。而【AI对话】节点只有左侧一根前置线。
+
+FastGPT工作流中的线有以下几种状态：  
+- `waiting`：被连接的节点等待执行。  
+- `active`：被连接的节点可以执行。  
+- `skip`：被连接的节点不需要执行跳过。   
+
+节点执行的原则：   
+
+1. 判断前置线中有没有状态为 `waiting` 的，如果有则等待。  
+2. 判断前置线中状态有没有状态为 `active` 如果有则执行。  
+3. 如果前置线中状态即没有 `waiting` 也没有 `active` 则认为此节点需要跳过。  
+4. 节点执行完毕后，需要根据实际情况更改后置线的状态为`active`或`skip`并且更改前置线状态为`waiting`等待下一轮执行。
+
+让我们看一下上面例子的执行过程：   
+1. 【流程开始】节点执行完毕，更改后置线为`active`。   
+2. 【知识库搜索】节点判断前置线状态为`active`开始执行，执行完毕后更改后置线状态为`active` 前置线状态为`waiting`。
+3. 【AI对话】节点判断前置线状态为`active`开始执行，流程执行结束。
+
+## 如何连接节点
+
+1. 为了方便连接，FastGPT 每个节点的上下左右都有连接点，左和上是前置线连接点，右和下是后置线连接点。
+2. 可以点击连接线中间的 x 来删除连接线。
+3. 可以左键点击选中连接线
+
+## 如何阅读？
+
+1. 建议从左往右阅读。
+2. 从 **用户问题** 节点开始。用户问题节点，代表的是用户发送了一段文本，触发任务开始。
+3. 关注【AI 对话】和【指定回复】节点，这两个节点是输出答案的地方。
+
+## FAQ
+
+### 想合并多个输出结果怎么实现？
+
+1. 文本加工，可以对字符串进行合并。
+2. 知识库搜索合并，可以合并多个知识库搜索结果
+3. 其他结果，无法直接合并，可以考虑传入到`HTTP`节点中进行合并，使用`[Laf](https://laf.run/)`可以快速实现一个无服务器HTTP接口。
+
+
--- a/docSite/content/zh-cn/docs/guide/dashboard/mcp_server.md
+++ b/docSite/content/zh-cn/docs/guide/dashboard/mcp_server.md
@@ -0,0 +1,103 @@
+---
+title: "MCP 服务"
+description: "快速了解 FastGPT MCP server"
+icon: "extension"
+draft: false
+toc: true
+weight: 260
+---
+
+## MCP server 介绍
+
+MCP 协议（Model Context Protocol），是由 Anthropic 在 2024年 11 月初发布的协议。它的目的在于统一 AI 模型与外部系统之间的通信方式，从而简化 AI 模型与外部系统之间的通信问题。随着 OpenAI 官宣支持 MCP 协议，越来越多的 AI 厂商开始支持 MCP 协议。
+
+MCP 协议主要包含 Client 和 Server 两部分。简单来说，Client 是使用 AI 模型的一方，它通过 MCP Client 可以给模型提供一些调用外部系统的能能力；Server 是提供外部系统调用的一方，也就是实际运行外部系统的一方。
+
+FastGPT MCP Server 功能允许你选择`多个`在 FastGPT 上构建好的应用，以 MCP 协议对外提供调用 FastGPT 应用的能力。
+
+目前 FastGPT 提供的 MCP server 为 SSE 通信协议，未来将会替换成 `HTTP streamable`。
+
+## FastGPT 使用 MCP server
+
+### 1. 创建 MCP server
+
+登录 FastGPT 后，打开`工作台`，点击`MCP server`，即可进入管理页面，这里可以看到你创建的所有 MCP server，以及他们管理的应用数量。
+
+![创建 MCP server](/imgs/mcp_server1.png)
+
+可以自定义 MCP server 名称和选择关联的应用
+
+| | |
+|---|---|
+| ![](/imgs/mcp_server2.png) | ![](/imgs/mcp_server3.png) |
+
+### 2. 获取 MCP server 地址
+
+创建好 MCP server 后，可以直接点击`开始使用`，即可获取 MCP server 访问地址。
+
+| | |
+|---|---|
+| ![](/imgs/mcp_server4.png) | ![](/imgs/mcp_server5.png) |
+
+#### 3. 使用 MCP server
+
+可以在支持 MCP 协议的客户端使用这些地址，来调用 FastGPT 应用，例如：`Cursor`、`Cherry Studio`。下面以 Cursor 为例，介绍如何使用 MCP server。
+
+打开 Cursor 配置页面，点击 MCP 即可进入 MCP 配置页面，可以点击新建 MCP server 按钮，会跳转到一个 JSON 配置文件，将第二步的`接入脚本`复制到`json 文件`中，保存文件。
+
+此时返回 Cursor 的 MCP 管理页面，即可看到你创建的 MCP server，记得设成`enabled`状态。
+
+| | | |
+|---|---|---|
+| ![](/imgs/mcp_server6.png) | ![](/imgs/mcp_server7.png) | ![](/imgs/mcp_server8.png) |
+
+
+打开 Cursor 的对话框，切换成`Agent`模型，只有这个模型，cursor 才会调用 MCP server。  
+发送一个关于`fastgpt`的问题后，可以看到，cursor 调用了一个 MCP 工具（描述为：查询 fastgpt 知识库），也就是调用 FastGPT 应用去进行处理该问题，并返回了结果。
+
+| | |
+|---|---|
+| ![](/imgs/mcp_server9.png) | ![](/imgs/mcp_server10.png) |
+
+
+## 私有化部署 MCP server 问题
+
+私有化部署版本的 FastGPT，需要升级到`v4.9.6-alpha`及以上版本才可使用 MCP server 功能。
+
+### 修改 docker-compose.yml 文件
+
+在`docker-compose.yml`文件中，加入`fastgpt-mcp-server`服务:
+
+```yml
+fastgpt-mcp-server:
+    container_name: fastgpt-mcp-server
+    image: ghcr.io/labring/fastgpt-mcp_server:latest
+    ports:
+      - 3005:3000
+    networks:
+      - fastgpt
+    restart: always
+    environment:
+      - FASTGPT_ENDPOINT=http://fastgpt:3000
+```
+
+### 修改 FastGPT 容器环境变量
+
+修改`config.json`配置文件，增加: `"feconfigs.mcpServerProxyEndpoint": "fastgpt-mcp-server 的访问地址"`， 末尾不要携带/，例如:
+```json
+{
+  "feConfigs": {
+    "lafEnv": "https://laf.dev",
+    "mcpServerProxyEndpoint": "https://mcp.fastgpt.cn" 
+  }
+}
+```
+
+### 重启 FastGPT 容器
+
+因为是修改的挂载文件，可以强制 down 再 up 服务。启动后，既可以在工作台看到 MCP server 服务选项。
+
+```bash
+docker-compose down
+docker-compose up -d
+```
--- a/docSite/content/zh-cn/docs/guide/dashboard/workflow/_index.md
+++ b/docSite/content/zh-cn/docs/guide/dashboard/workflow/_index.md
@@ -0,0 +1,9 @@
+---
+weight: 230
+title: '工作流节点'
+description: 'FastGPT 工作流节点设置和使用指南'
+icon: 'workflow'
+draft: false
+images: []
+---
+<!-- 200 ~ 300 -->
--- a/docSite/content/zh-cn/docs/guide/dashboard/workflow/ai_chat.md
+++ b/docSite/content/zh-cn/docs/guide/dashboard/workflow/ai_chat.md
@@ -0,0 +1,34 @@
+---
+title: "AI 对话"
+description: "FastGPT AI 对话模块介绍"
+icon: "chat"
+draft: false
+toc: true
+weight: 232
+---
+
+## 特点
+
+- 可重复添加
+- 触发执行
+- 核心模块
+
+![](/imgs/aichat.png)
+
+## 参数说明
+
+## AI模型
+
+可以通过 [config.json](/docs/development/configuration/) 配置可选的对话模型，通过 [one-api](/docs/development/modelconfig/one-api/) 来实现多模型接入。
+
+点击AI模型后，可以配置模型的相关参数。
+
+![](/imgs/aichat02.png)
+
+![](/imgs/aichat2.png)
+
+
+
+{{% alert icon="🍅" context="success" %}}
+具体配置参数介绍可以参考: [AI参数配置说明](/docs/guide/course/ai_settings/)
+{{% /alert %}}
--- a/docSite/content/zh-cn/docs/guide/dashboard/workflow/content_extract.md
+++ b/docSite/content/zh-cn/docs/guide/dashboard/workflow/content_extract.md
@@ -0,0 +1,57 @@
+---
+title: "文本内容提取"
+description: "FastGPT 内容提取模块介绍"
+icon: "content_paste_go"
+draft: false
+toc: true
+weight: 240
+---
+
+## 特点
+
+- 可重复添加
+- 需要手动配置
+- 触发执行
+- function_call 模块
+- 核心模块
+
+![](/imgs/extract1.png)
+
+## 功能
+
+从文本中提取结构化数据，通常是配合 HTTP 模块实现扩展。也可以做一些直接提取操作，例如：翻译。
+
+## 参数说明
+
+### 提取要求描述
+
+顾名思义，给模型设置一个目标，需要提取哪些内容。
+
+**示例 1**
+
+> 你是实验室预约助手，从对话中提取出姓名，预约时间，实验室号。当前时间 {{cTime}}
+
+**示例 2**
+
+> 你是谷歌搜索助手，从对话中提取出搜索关键词
+
+**示例 3**
+
+> 将我的问题直接翻译成英文，不要回答问题
+
+### 历史记录
+
+通常需要一些历史记录，才能更完整的提取用户问题。例如上图中需要提供姓名、时间和实验室名，用户可能一开始只给了时间和实验室名，没有提供自己的姓名。再经过一轮缺失提示后，用户输入了姓名，此时需要结合上一次的记录才能完整的提取出 3 个内容。
+
+### 目标字段
+
+目标字段与提取的结果相对应，从上图可以看到，每增加一个字段，输出会增加一个对应的出口。
+
+ **key**: 字段的唯一标识，不可重复！
+ **字段描述**：描述该字段是关于什么的，例如：姓名、时间、搜索词等等。
+ **必须**：是否强制模型提取该字段，可能提取出来是空字符串。
+
+## 输出介绍
+
+- **完整提取结果**: 一个 JSON 字符串，包含所有字段的提取结果。
+- **目标字段提取结果**：类型均为字符串。
--- a/docSite/content/zh-cn/docs/guide/dashboard/workflow/coreferenceResolution.md
+++ b/docSite/content/zh-cn/docs/guide/dashboard/workflow/coreferenceResolution.md
@@ -0,0 +1,39 @@
+---
+title: "问题优化"
+description: "问题优化模块介绍和使用"
+icon: "input"
+draft: false
+toc: true
+weight: 264
+---
+
+## 特点
+
+- 可重复添加
+- 有外部输入
+- 触发执行
+
+![](/imgs/coreferenceResolution1.jpg)
+
+## 背景
+
+在 RAG 中，我们需要根据输入的问题去数据库里执行 embedding 搜索，查找相关的内容，从而查找到相似的内容（简称知识库搜索）。
+
+在搜索的过程中，尤其是连续对话的搜索，我们通常会发现后续的问题难以搜索到合适的内容，其中一个原因是知识库搜索只会使用“当前”的问题去执行。看下面的例子：
+
+![](/imgs/coreferenceResolution2.webp)
+
+用户在提问“第二点是什么”的时候，只会去知识库里查找“第二点是什么”，压根查不到内容。实际上需要查询的是“QA结构是什么”。因此我们需要引入一个【问题优化】模块，来对用户当前的问题进行补全，从而使得知识库搜索能够搜索到合适的内容。使用补全后效果如下：
+
+![](/imgs/coreferenceResolution3.webp)
+
+
+## 功能
+
+调用 AI 去对用户当前的问题进行补全。目前主要是补全“指代”词，使得检索词更加的完善可靠，从而增强上下文连续对话的知识库搜索能力。
+
+遇到最大的难题在于：模型对于【补全】的概念可能不清晰，且对于长上下文往往无法准确的知道应该如何补全。
+
+## 示例
+
+- [接入谷歌搜索](/docs/use-cases/app-cases/google_search/)
--- a/docSite/content/zh-cn/docs/guide/dashboard/workflow/custom_feedback.md
+++ b/docSite/content/zh-cn/docs/guide/dashboard/workflow/custom_feedback.md
@@ -0,0 +1,35 @@
+---
+title: "自定义反馈"
+description: "自定义反馈模块介绍"
+icon: "feedback"
+draft: false
+toc: true
+weight: 268
+---
+
+该模块为临时模块，后续会针对该模块进行更全面的设计。
+
+## 特点
+
+- 可重复添加
+- 无外部输入
+- 自动执行
+
+
+|                       |                       |
+| --------------------- | --------------------- |
+| ![](/imgs/customfeedback1.jpg) | ![](/imgs/customfeedback2.jpg) |
+| ![](/imgs/customfeedback3.jpg) | ![](/imgs/customfeedback4.jpg) |
+
+
+## 介绍
+
+自定义反馈模块，可以为你的对话增加一个反馈标记，从而方便在后台更好的分析对话的数据。
+
+在调试模式下，不会记录反馈内容，而是直接提示: `自动反馈测试: 反馈内容`。
+
+在对话模式（对话、分享窗口、带 chatId 的 API 调用）时，会将反馈内容记录到对话日志中。（会延迟60s记录）
+
+## 作用
+
+自定义反馈模块的功能类似于程序开发的`埋点`，便于你观测的对话中的数据。
--- a/docSite/content/zh-cn/docs/guide/dashboard/workflow/dataset_search.md
+++ b/docSite/content/zh-cn/docs/guide/dashboard/workflow/dataset_search.md
@@ -0,0 +1,34 @@
+---
+title: '知识库搜索'
+description: 'FastGPT AI 知识库搜索模块介绍'
+icon: 'chat'
+draft: false
+toc: true
+weight: 234
+---
+
+知识库搜索具体参数说明，以及内部逻辑请移步：[FastGPT知识库搜索方案](/docs/guide/knowledge_base/rag/)
+
+## 特点
+
+- 可重复添加（复杂编排时防止线太乱，可以更美观）
+- 有外部输入
+- 有静态配置
+- 触发执行
+- 核心模块
+
+![](/imgs/flow-dataset1.png)
+
+## 参数说明
+
+### 输入 - 关联的知识库
+
+可以选择一个或多个**相同向量模型**的知识库，用于向量搜索。
+
+### 输入 - 搜索参数
+
+[点击查看参数介绍](/docs/guide/knowledge_base/dataset_engine/#搜索参数)
+
+### 输出 - 引用内容
+
+以数组格式输出引用，长度可以为 0。意味着，即使没有搜索到内容，这个输出链路也会走通。
--- a/docSite/content/zh-cn/docs/guide/dashboard/workflow/document_parsing.md
+++ b/docSite/content/zh-cn/docs/guide/dashboard/workflow/document_parsing.md
@@ -0,0 +1,20 @@
+---
+title: "文档解析"
+description: "FastGPT 文档解析模块介绍"
+icon: "document_analysis"
+draft: false
+toc: true
+weight: 250
+---
+
+<div style="display: flex; gap: 10px;">
+    <img src="/imgs/document_analysis1.png" alt="文档解析示例 1" width="35%" />
+    <img src="/imgs/document_analysis2.png" alt="文档解析示例 2" width="65%" />
+</div>
+
+
+开启文件上传后，可使用文档解析组件。
+
+## 功能 
+
+## 作用 
--- a/docSite/content/zh-cn/docs/guide/dashboard/workflow/form_input.md
+++ b/docSite/content/zh-cn/docs/guide/dashboard/workflow/form_input.md
@@ -0,0 +1,32 @@
+---
+title: "表单输入"
+description: "FastGPT 表单输入模块介绍"
+icon: "form_input"
+draft: false
+toc: true
+weight: 244
+---
+
+## 特点 
+
+- 用户交互
+- 可重复添加
+- 触发执行
+
+![](/imgs/form_input1.png)
+
+## 功能 
+
+「表单输入」节点属于用户交互节点，当触发这个节点时，对话会进入“交互”状态，会记录工作流的状态，等用户完成交互后，继续向下执行工作流
+
+![](/imgs/form_input2.png)
+
+比如上图中的例子，当触发表单输入节点时，对话框隐藏，对话进入“交互状态”
+
+![](/imgs/form_input3.png)
+
+当用户填完必填的信息并点击提交后，节点能够收集用户填写的表单信息，传递到后续的节点中使用
+
+## 作用
+
+能够精准收集需要的用户信息，再根据用户信息进行后续操作
--- a/docSite/content/zh-cn/docs/guide/dashboard/workflow/http.md
+++ b/docSite/content/zh-cn/docs/guide/dashboard/workflow/http.md
@@ -0,0 +1,255 @@
+---
+title: "HTTP 请求"
+description: "FastGPT HTTP 模块介绍"
+icon: "http"
+draft: false
+toc: true
+weight: 252
+---
+
+## 特点
+
+- 可重复添加
+- 手动配置
+- 触发执行
+- 核中核模块
+
+![](/imgs/http1.jpg)
+
+## 介绍
+
+HTTP 模块会向对应的地址发送一个 `HTTP` 请求，实际操作与 Postman 和 ApiFox 这类直流工具使用差不多。
+
+- Params 为路径请求参数，GET请求中用的居多。
+- Body 为请求体，POST/PUT请求中用的居多。
+- Headers 为请求头，用于传递一些特殊的信息。  
+- 自定义变量中可以接收前方节点的输出作为变量
+- 3 种数据中均可以通过 `{{}}` 来引用变量。
+- url 也可以通过 `{{}}` 来引用变量。
+- 变量来自于`全局变量`、`系统变量`、`前方节点输出`
+
+## 参数结构
+
+### 系统变量说明
+
+你可以将鼠标放置在`请求参数`旁边的问号中，里面会提示你可用的变量。
+
+- appId: 应用的ID
+- chatId: 当前对话的ID，测试模式下不存在。
+- responseChatItemId: 当前对话中，响应的消息ID，测试模式下不存在。
+- variables: 当前对话的全局变量。
+- cTime: 当前时间。
+- histories: 历史记录（默认最多取10条，无法修改长度）
+
+### Params, Headers
+
+不多描述，使用方法和Postman, ApiFox 基本一致。
+
+可通过 {{key}} 来引入变量。例如：
+
+| key | value |
+| --- | --- |
+| appId | {{appId}} |
+| Authorization | Bearer {{token}} |
+
+### Body
+
+只有特定请求类型下会生效。
+
+可以写一个`自定义的 Json`，并通过 {{key}} 来引入变量。例如：
+
+{{< tabs tabTotal="3" >}}
+{{< tab tabName="假设有一组变量" >}}
+{{< markdownify >}}
+
+```json
+{
+  "string": "字符串",
+  "number": 123,
+  "boolean": true,
+  "array": [1, 2, 3],
+  "obj": {
+    "name": "FastGPT",
+    "url": "https://tryfastgpt.ai"
+  }
+}
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+{{< tab tabName="Http 模块中的Body声明" >}}
+{{< markdownify >}}
+
+注意，在 Body 中，你如果引用`字符串`，则需要加上`""`，例如：`"{{string}}"`。
+
+```json
+{
+  "string": "{{string}}",
+  "token": "Bearer {{string}}",
+  "number": {{number}},
+  "boolean": {{boolean}},
+  "array": [{{number}}, "{{string}}"],
+  "array2": {{array}},
+  "object": {{obj}}
+}
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+{{< tab tabName="最终得到的解析" >}}
+{{< markdownify >}}
+
+```json
+{
+  "string": "字符串",
+  "token": "Bearer 字符串",
+  "number": 123,
+  "boolean": true,
+  "array": [123, "字符串"],
+  "array2": [1, 2, 3],
+  "object": {
+    "name": "FastGPT",
+    "url": "https://tryfastgpt.ai"
+  }
+}
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+{{< /tabs >}}
+
+### 如何获取返回值
+
+从图中可以看出，FastGPT可以添加多个返回值，这个返回值并不代表接口的返回值，而是代表`如何解析接口返回值`，可以通过 `JSON path` 的语法，来`提取`接口响应的值。
+
+语法可以参考: https://github.com/JSONPath-Plus/JSONPath?tab=readme-ov-file
+
+{{< tabs tabTotal="2" >}}
+{{< tab tabName="接口响应示例" >}}
+{{< markdownify >}}
+
+```json
+{
+  "message": "测试",
+  "data":{
+      "user": {
+        "name": "xxx",
+        "age": 12
+      },
+      "list": [
+        {
+          "name": "xxx",
+          "age": 50
+        },
+        [{ "test": 22 }]
+      ],
+      "psw": "xxx"
+  }
+}
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+{{< tab tabName="提取示例" >}}
+{{< markdownify >}}
+
+```json
+{
+  "$.message": "测试",
+  "$.data.user": { "name": "xxx", "age": 12 },
+  "$.data.user.name": "xxx",
+  "$.data.user.age": 12,
+  "$.data.list": [ { "name": "xxx", "age": 50 }, [{ "test": 22 }] ],
+  "$.data.list[0]": { "name": "xxx", "age": 50 },
+  "$.data.list[0].name": "xxx",
+  "$.data.list[0].age": 50,
+  "$.data.list[1]": [ { "test": 22 } ],
+  "$.data.list[1][0]": { "test": 22 },
+  "$.data.list[1][0].test": 22,
+  "$.data.psw": "xxx"
+}
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+{{< /tabs >}}
+
+
+你可以配置对应的`key`来从`FastGPT 转化后的格式`获取需要的值，该规则遵守 JS 的对象取值规则。例如：
+
+1. 获取`message`的内容，那么你可以配置`message`的`key`为`message`，这样就可以获取到`message`的内容。
+2. 获取`user的name`，则`key`可以为：`data.user.name`。
+3. 获取list中第二个元素，则`key`可以为：`data.list[1]`，然后输出类型选择字符串，则获自动获取到`[ { "test": 22 } ]`的`json`字符串。
+
+### 自动格式化输出
+
+FastGPT v4.6.8 后，加入了出参格式化功能，主要以`json`格式化成`字符串`为主。如果你的输出类型选择了`字符串`，则会将`HTTP`对应`key`的值，转成`json`字符串进行输出。因此，未来你可以直接从`HTTP`接口输出内容至`文本加工`中，然后拼接适当的提示词，最终输入给`AI对话`。
+
+
+{{% alert context="warning" %}}
+HTTP模块非常强大，你可以对接一些公开的API，来提高编排的功能。
+
+如果你不想额外部署服务，可以使用 [Laf](https://laf.dev/) 来快速开发上线接口，即写即发，无需部署。
+{{% /alert %}}
+
+## laf 对接 HTTP 示例
+
+
+下面是在 Laf 编写的 POST 请求示例：
+
+```ts
+import cloud from '@lafjs/cloud'
+const db = cloud.database()
+
+type RequestType = {
+  appId: string;
+  appointment: string;
+  action: 'post' | 'delete' | 'put' | 'get'
+}
+
+export default async function (ctx: FunctionContext) {
+  try {
+    // 从 body 中获取参数
+    const { appId, appointment, action } = ctx.body as RequestType
+
+    const parseBody = JSON.parse(appointment)
+    if (action === 'get') {
+      return await getRecord(parseBody)
+    }
+    if (action === 'post') {
+      return await createRecord(parseBody)
+    }
+    if (action === 'put') {
+      return await putRecord(parseBody)
+    }
+    if (action === 'delete') {
+      return await removeRecord(parseBody)
+    }
+
+
+    return {
+      response: "异常"
+    }
+  } catch (err) {
+    return {
+      response: "异常"
+    }
+  }
+}
+```
+
+## 作用
+
+通过 HTTP 模块你可以无限扩展，比如：
+- 操作数据库
+- 调用外部数据源
+- 执行联网搜索
+- 发送邮箱
+- ....
+
+
+## 相关示例
+
+- [谷歌搜索](/docs/use-cases/app-cases/google_search/)
+- [发送飞书webhook](/docs/use-cases/app-cases/feishu_webhook/)
+- [实验室预约（操作数据库）](/docs/use-cases/app-cases/lab_appointment/)
--- a/docSite/content/zh-cn/docs/guide/dashboard/workflow/knowledge_base_search_merge.md
+++ b/docSite/content/zh-cn/docs/guide/dashboard/workflow/knowledge_base_search_merge.md
@@ -0,0 +1,29 @@
+---
+title: "知识库搜索引用合并"
+description: "FastGPT 知识库搜索引用合并模块介绍"
+icon: "knowledge_merge"
+draft: false
+toc: true
+weight: 262
+---
+
+
+![](/imgs/knowledge_merge1.png)
+
+## 作用
+
+将多个知识库搜索结果合并成一个结果进行输出，并会通过 RRF 进行重新排序（根据排名情况），并且支持最大 tokens 过滤。
+
+## 使用方法
+
+AI对话只能接收一个知识库引用内容。因此，如果调用了多个知识库，无法直接引用所有知识库（如下图）
+
+![](/imgs/knowledge_merge2.png)
+
+使用**知识库搜索引用合并**，可以把多个知识库的搜索结果合在一起。
+
+![](/imgs/knowledge_merge3.png)
+
+## 可用例子：
+
+1. 经过问题分类后对不同知识库进行检索，然后统一给一个 AI 进行回答，此时可以用到合并，不需要每个分支都添加一个 AI 对话。
--- a/docSite/content/zh-cn/docs/guide/dashboard/workflow/laf.md
+++ b/docSite/content/zh-cn/docs/guide/dashboard/workflow/laf.md
@@ -0,0 +1,98 @@
+---
+title: "Laf 函数调用"
+description: "FastGPT Laf 函数调用模块介绍"
+icon: "code"
+draft: false
+toc: true
+weight: 266
+---
+
+
+![](/imgs/laf1.webp)
+
+## 介绍
+
+`Laf 函数调用`模块可以调用 Laf 账号下的云函数，其工作原理与 HTTP 模块相同，有以下特殊特征：
+
+- 只能使用 POST 请求
+- 请求自带系统参数 systemParams，无需通过变量传递。
+
+## 绑定 Laf 账号
+
+要调用 Laf 云函数，首先需要绑定 Laf 账号和应用，并且在应用中创建云函数。
+
+Laf 提供了 PAT(访问凭证) 来实现 Laf 平台外的快捷登录，可以访问 [Laf 文档](https://doc.Laf.run/zh/cli/#%E7%99%BB%E5%BD%95)查看详细如何获取 PAT。
+
+在获取到 PAT 后，我们可以进入 FastGPT 的`账号页`或是在高级编排中的 `Laf模块` 对 Laf 账号进行绑定。Laf 账号是团队共享的，仅团队管理员可配置。
+
+填入 PAT 验证后，选择需要绑定的应用（应用需要是 Running 状态），即可调用该应用下的云函数。
+
+![](/imgs/laf2.webp)
+
+## 编写云函数
+
+Laf 云函数拥有根据 interface 自动生成 OpenAPI 的能力，可以参照下面的代码编写云函数，以便自动生成 OpenAPI 文档。
+
+`Laf模块`可以根据 OpenAPI 文档，自动识别出入参，无需手动添加数据类型。如果不会写 TS，可忽略，手动在 FastGPT 中添加参数即可。
+
+```ts
+import cloud from '@lafjs/cloud'
+
+interface IRequestBody { // 自定义入参，FastGPT 传入的均为POST请求。
+  data1: string    // 必填参数
+  data2?: string    // 可选参数
+}
+
+interface RequestProps extends IRequestBody { // 完整入参，这个无需改动。
+  systemParams: { // 这是FastGPT默认会传递过来的参数
+    appId: string,
+    variables: string,
+    histories: string,
+    cTime: string,
+    chatId: string,
+    responseChatItemId: string
+  }
+}
+
+interface IResponse { // 响应内容
+  message: string // 必返回的参数
+  msg?: string; // 可选的返回参数
+}
+
+export default async function (ctx: FunctionContext): Promise<IResponse> {  
+  const {
+    data1,
+    data2,
+    systemParams
+  }: RequestProps = ctx.body;
+  
+  console.log({
+    data1,
+    data2,
+    systemParams
+  });
+
+  return { 
+    message: 'ok',
+    msg: 'msg'
+  };
+}
+```
+
+当然，你也可以在 Laf 平台上选择 fastgpt_template，快速生成该函数模板。
+
+具体操作可以是，进入 Laf 的函数页面，新建函数（注意 fastgpt 只会调用 post 请求的函数），然后复制上面的代码或者点击更多模板搜索“fastgpt”，使用下面的模板
+
+![](/imgs/laf3.webp)
+
+## FastGPT 中使用
+
+在选择函数后，可以通过点击“同步参数”，自动同步云函数的参数到 FastGPT 中。当然也可以手动添加，手动修改后的参数不会被“同步参数”修改。
+
+![](/imgs/laf4.png)
+
+## 使用注意事项
+
+### 调用报错
+
+先在 laf 中调试函数，看是否正常调用。可以通过 console.log，打印入参，将入参放在 Laf 测试页面的 Body 中进行测试。
--- a/docSite/content/zh-cn/docs/guide/dashboard/workflow/loop.md
+++ b/docSite/content/zh-cn/docs/guide/dashboard/workflow/loop.md
@@ -0,0 +1,297 @@
+---
+title: "批量运行"
+description: "FastGPT 批量运行节点介绍和使用"
+icon: "input"
+draft: false
+toc: true
+weight: 260
+---
+
+## 节点概述
+
+【**批量运行**】节点是 FastGPT V4.8.11 版本新增的一个重要功能模块。它允许工作流对数组类型的输入数据进行迭代处理，每次处理数组中的一个元素，并自动执行后续节点，直到完成整个数组的处理。
+
+这个节点的设计灵感来自编程语言中的循环结构，但以可视化的方式呈现。
+
+![批量运行节点](/imgs/fastgpt-loop-node.png)
+
+> 在程序中，节点可以理解为一个个 Function 或者接口。可以理解为它就是一个**步骤**。将多个节点一个个拼接起来，即可一步步的去实现最终的 AI 输出。
+
+【**批量运行**】节点本质上也是一个 Function，它的主要职责是自动化地重复执行特定的工作流程。
+
+## 核心特性
+
+1. **数组批量处理**
+   - 支持输入数组类型数据
+   - 自动遍历数组元素
+   - 保持处理顺序
+   - 支持并行处理 (性能优化)
+
+2. **自动迭代执行**
+   - 自动触发后续节点
+   - 支持条件终止
+   - 支持循环计数
+   - 维护执行上下文
+
+3. **与其他节点协同**
+   - 支持与 AI 对话节点配合
+   - 支持与 HTTP 节点配合
+   - 支持与内容提取节点配合
+   - 支持与判断器节点配合
+
+## 应用场景
+
+【**批量运行**】节点的主要作用是通过自动化的方式扩展工作流的处理能力，使 FastGPT 能够更好地处理批量任务和复杂的数据处理流程。特别是在处理大规模数据或需要多轮迭代的场景下，批量运行节点能显著提升工作流的效率和自动化程度。
+
+【**批量运行**】节点特别适合以下场景：
+
+1. **批量数据处理**
+   - 批量翻译文本
+   - 批量总结文档
+   - 批量生成内容
+
+2. **数据流水线处理**
+   - 对搜索结果逐条分析
+   - 对知识库检索结果逐条处理
+   - 对 HTTP 请求返回的数组数据逐项处理
+
+3. **递归或迭代任务**
+   - 长文本分段处理
+   - 多轮优化内容
+   - 链式数据处理
+
+## 使用方法
+
+### 输入参数设置
+
+【**批量运行**】节点需要配置两个核心输入参数：
+
+1. **数组 (必填)**：接收一个数组类型的输入，可以是：
+   - 字符串数组 (`Array<string>`)
+   - 数字数组 (`Array<number>`)
+   - 布尔数组 (`Array<boolean>`)
+   - 对象数组 (`Array<object>`)
+
+2. **循环体 (必填)**：定义每次循环需要执行的节点流程，包含：
+   - 循环体开始：标记循环开始的位置。
+   - 循环体结束：标记循环结束的位置，并可选择输出结果变量。
+
+### 循环体配置
+
+![循环体配置](/imgs/fastgpt-loop-node-config.png)
+
+1. 在循环体内部，可以添加任意类型的节点，如：
+   - AI 对话节点
+   - HTTP 请求节点
+   - 内容提取节点
+   - 文本加工节点等
+
+2. 循环体结束节点配置：
+   - 通过下拉菜单选择要输出的变量
+   - 该变量将作为当前循环的结果被收集
+   - 所有循环的结果将组成一个新的数组作为最终输出
+
+## 场景示例
+
+### 批量处理数组
+
+假设我们有一个包含多个文本的数组，需要对每个文本进行 AI 处理。这是批量运行节点最基础也最常见的应用场景。
+
+#### 实现步骤
+
+1. 准备输入数组
+   
+   ![准备输入数组](/imgs/fastgpt-loop-node-example-1.png)
+   
+   使用【代码运行】节点创建测试数组：
+
+   ```javascript
+   const texts = [
+     "这是第一段文本",
+     "这是第二段文本",
+     "这是第三段文本"
+   ];
+   return { textArray: texts };
+   ```
+
+2. 配置批量运行节点
+
+   ![配置批量运行节点](/imgs/fastgpt-loop-node-example-2.png)
+
+   - 数组输入：选择上一步代码运行节点的输出变量 `textArray`。
+   - 循环体内添加一个【AI 对话】节点，用于处理每个文本。这里我们输入的 prompt 为：`请将这段文本翻译成英文`。
+   - 再添加一个【指定回复】节点，用于输出翻译后的文本。
+   - 循环体结束节点选择输出变量为 AI 回复内容。
+
+#### 运行流程
+
+![运行流程](/imgs/fastgpt-loop-node-example-3.png)
+
+1. 【代码运行】节点执行，生成测试数组
+2. 【批量运行】节点接收数组，开始遍历
+3. 对每个数组元素：
+   - 【AI 对话】节点处理当前元素
+   - 【指定回复】节点输出翻译后的文本
+   - 【循环体结束】节点收集处理结果
+4. 完成所有元素处理后，输出结果数组
+
+### 长文本翻译
+
+在处理长文本翻译时，我们经常会遇到以下挑战：
+
+- 文本长度超出 LLM 的 token 限制
+- 需要保持翻译风格的一致性
+- 需要维护上下文的连贯性
+- 翻译质量需要多轮优化
+
+【**批量运行**】节点可以很好地解决这些问题。
+
+#### 实现步骤
+
+1. 文本预处理与分段
+   
+   ![文本预处理与分段](/imgs/fastgpt-loop-node-example-4.png)
+   
+   使用【代码运行】节点进行文本分段，代码如下：
+
+   ```javascript
+   const MAX_HEADING_LENGTH = 7; // 最大标题长度
+   const MAX_HEADING_CONTENT_LENGTH = 200; // 最大标题内容长度
+   const MAX_HEADING_UNDERLINE_LENGTH = 200; // 最大标题下划线长度
+   const MAX_HTML_HEADING_ATTRIBUTES_LENGTH = 100; // 最大HTML标题属性长度
+   const MAX_LIST_ITEM_LENGTH = 200; // 最大列表项长度
+   const MAX_NESTED_LIST_ITEMS = 6; // 最大嵌套列表项数
+   const MAX_LIST_INDENT_SPACES = 7; // 最大列表缩进空格数
+   const MAX_BLOCKQUOTE_LINE_LENGTH = 200; // 最大块引用行长度
+   const MAX_BLOCKQUOTE_LINES = 15; // 最大块引用行数
+   const MAX_CODE_BLOCK_LENGTH = 1500; // 最大代码块长度
+   const MAX_CODE_LANGUAGE_LENGTH = 20; // 最大代码语言长度
+   const MAX_INDENTED_CODE_LINES = 20; // 最大缩进代码行数
+   const MAX_TABLE_CELL_LENGTH = 200; // 最大表格单元格长度
+   const MAX_TABLE_ROWS = 20; // 最大表格行数
+   const MAX_HTML_TABLE_LENGTH = 2000; // 最大HTML表格长度
+   const MIN_HORIZONTAL_RULE_LENGTH = 3; // 最小水平分隔线长度
+   const MAX_SENTENCE_LENGTH = 400; // 最大句子长度
+   const MAX_QUOTED_TEXT_LENGTH = 300; // 最大引用文本长度
+   const MAX_PARENTHETICAL_CONTENT_LENGTH = 200; // 最大括号内容长度
+   const MAX_NESTED_PARENTHESES = 5; // 最大嵌套括号数
+   const MAX_MATH_INLINE_LENGTH = 100; // 最大行内数学公式长度
+   const MAX_MATH_BLOCK_LENGTH = 500; // 最大数学公式块长度
+   const MAX_PARAGRAPH_LENGTH = 1000; // 最大段落长度
+   const MAX_STANDALONE_LINE_LENGTH = 800; // 最大独立行长度
+   const MAX_HTML_TAG_ATTRIBUTES_LENGTH = 100; // 最大HTML标签属性长度
+   const MAX_HTML_TAG_CONTENT_LENGTH = 1000; // 最大HTML标签内容长度
+   const LOOKAHEAD_RANGE = 100;  // 向前查找句子边界的字符数
+   
+   const AVOID_AT_START = `[\\s\\]})>,']`; // 避免在开头匹配的字符
+   const PUNCTUATION = `[.!?…]|\\.{3}|[\\u2026\\u2047-\\u2049]|[\\p{Emoji_Presentation}\\p{Extended_Pictographic}]`; // 标点符号
+   const QUOTE_END = `(?:'(?=\`)|''(?=\`\`))`; // 引号结束
+   const SENTENCE_END = `(?:${PUNCTUATION}(?<!${AVOID_AT_START}(?=${PUNCTUATION}))|${QUOTE_END})(?=\\S|$)`; // 句子结束
+   const SENTENCE_BOUNDARY = `(?:${SENTENCE_END}|(?=[\\r\\n]|$))`; // 句子边界
+   const LOOKAHEAD_PATTERN = `(?:(?!${SENTENCE_END}).){1,${LOOKAHEAD_RANGE}}${SENTENCE_END}`; // 向前查找句子结束的模式
+   const NOT_PUNCTUATION_SPACE = `(?!${PUNCTUATION}\\s)`; // 非标点符号空格
+   const SENTENCE_PATTERN = `${NOT_PUNCTUATION_SPACE}(?:[^\\r\\n]{1,{MAX_LENGTH}}${SENTENCE_BOUNDARY}|[^\\r\\n]{1,{MAX_LENGTH}}(?=${PUNCTUATION}|$   {QUOTE_END})(?:${LOOKAHEAD_PATTERN})?)${AVOID_AT_START}*`; // 句子模式
+   
+   const regex = new RegExp(
+     "(" +
+     // 1. Headings (Setext-style, Markdown, and HTML-style, with length constraints)
+     `(?:^(?:[#*=-]{1,${MAX_HEADING_LENGTH}}|\\w[^\\r\\n]{0,${MAX_HEADING_CONTENT_LENGTH}}\\r?\\n[-=]{2,${MAX_HEADING_UNDERLINE_LENGTH}}|<h[1-6][^>]   {0,${MAX_HTML_HEADING_ATTRIBUTES_LENGTH}}>)[^\\r\\n]{1,${MAX_HEADING_CONTENT_LENGTH}}(?:</h[1-6]>)?(?:\\r?\\n|$))` +
+     "|" +
+     // New pattern for citations
+     `(?:\\[[0-9]+\\][^\\r\\n]{1,${MAX_STANDALONE_LINE_LENGTH}})` +
+     "|" +
+     // 2. List items (bulleted, numbered, lettered, or task lists, including nested, up to three levels, with length constraints)
+     `(?:(?:^|\\r?\\n)[ \\t]{0,3}(?:[-*+•]|\\d{1,3}\\.\\w\\.|\\[[ xX]\\])[ \\t]+${SENTENCE_PATTERN.replace(/{MAX_LENGTH}/g, String   (MAX_LIST_ITEM_LENGTH))}` +
+     `(?:(?:\\r?\\n[ \\t]{2,5}(?:[-*+•]|\\d{1,3}\\.\\w\\.|\\[[ xX]\\])[ \\t]+${SENTENCE_PATTERN.replace(/{MAX_LENGTH}/g, String   (MAX_LIST_ITEM_LENGTH))}){0,${MAX_NESTED_LIST_ITEMS}}` +
+     `(?:\\r?\\n[ \\t]{4,${MAX_LIST_INDENT_SPACES}}(?:[-*+•]|\\d{1,3}\\.\\w\\.|\\[[ xX]\\])[ \\t]+${SENTENCE_PATTERN.replace(/{MAX_LENGTH}/g, String   (MAX_LIST_ITEM_LENGTH))}){0,${MAX_NESTED_LIST_ITEMS}})?)` +
+     "|" +
+     // 3. Block quotes (including nested quotes and citations, up to three levels, with length constraints)
+     `(?:(?:^>(?:>|\\s{2,}){0,2}${SENTENCE_PATTERN.replace(/{MAX_LENGTH}/g, String(MAX_BLOCKQUOTE_LINE_LENGTH))}\\r?\\n?){1,$   {MAX_BLOCKQUOTE_LINES}})` +
+     "|" +
+     // 4. Code blocks (fenced, indented, or HTML pre/code tags, with length constraints)
+     `(?:(?:^|\\r?\\n)(?:\`\`\`|~~~)(?:\\w{0,${MAX_CODE_LANGUAGE_LENGTH}})?\\r?\\n[\\s\\S]{0,${MAX_CODE_BLOCK_LENGTH}}?(?:\`\`\`|~~~)\\r?\\n?` +
+     `|(?:(?:^|\\r?\\n)(?: {4}|\\t)[^\\r\\n]{0,${MAX_LIST_ITEM_LENGTH}}(?:\\r?\\n(?: {4}|\\t)[^\\r\\n]{0,${MAX_LIST_ITEM_LENGTH}}){0,$   {MAX_INDENTED_CODE_LINES}}\\r?\\n?)` +
+     `|(?:<pre>(?:<code>)?[\\s\\S]{0,${MAX_CODE_BLOCK_LENGTH}}?(?:</code>)?</pre>))` +
+     "|" +
+     // 5. Tables (Markdown, grid tables, and HTML tables, with length constraints)
+     `(?:(?:^|\\r?\\n)(?:\\|[^\\r\\n]{0,${MAX_TABLE_CELL_LENGTH}}\\|(?:\\r?\\n\\|[-:]{1,${MAX_TABLE_CELL_LENGTH}}\\|){0,1}(?:\\r?\\n\\|[^\\r\\n]{0,$   {MAX_TABLE_CELL_LENGTH}}\\|){0,${MAX_TABLE_ROWS}}` +
+     `|<table>[\\s\\S]{0,${MAX_HTML_TABLE_LENGTH}}?</table>))` +
+     "|" +
+     // 6. Horizontal rules (Markdown and HTML hr tag)
+     `(?:^(?:[-*_]){${MIN_HORIZONTAL_RULE_LENGTH},}\\s*$|<hr\\s*/?>)` +
+     "|" +
+     // 10. Standalone lines or phrases (including single-line blocks and HTML elements, with length constraints)
+     `(?!${AVOID_AT_START})(?:^(?:<[a-zA-Z][^>]{0,${MAX_HTML_TAG_ATTRIBUTES_LENGTH}}>)?${SENTENCE_PATTERN.replace(/{MAX_LENGTH}/g, String   (MAX_STANDALONE_LINE_LENGTH))}(?:</[a-zA-Z]+>)?(?:\\r?\\n|$))` +
+     "|" +
+     // 7. Sentences or phrases ending with punctuation (including ellipsis and Unicode punctuation)
+     `(?!${AVOID_AT_START})${SENTENCE_PATTERN.replace(/{MAX_LENGTH}/g, String(MAX_SENTENCE_LENGTH))}` +
+     "|" +
+     // 8. Quoted text, parenthetical phrases, or bracketed content (with length constraints)
+     "(?:" +
+     `(?<!\\w)\"\"\"[^\"]{0,${MAX_QUOTED_TEXT_LENGTH}}\"\"\"(?!\\w)` +
+     `|(?<!\\w)(?:['\"\`'"])[^\\r\\n]{0,${MAX_QUOTED_TEXT_LENGTH}}\\1(?!\\w)` +
+     `|(?<!\\w)\`[^\\r\\n]{0,${MAX_QUOTED_TEXT_LENGTH}}'(?!\\w)` +
+     `|(?<!\\w)\`\`[^\\r\\n]{0,${MAX_QUOTED_TEXT_LENGTH}}''(?!\\w)` +
+     `|\\([^\\r\\n()]{0,${MAX_PARENTHETICAL_CONTENT_LENGTH}}(?:\\([^\\r\\n()]{0,${MAX_PARENTHETICAL_CONTENT_LENGTH}}\\)[^\\r\\n()]{0,$   {MAX_PARENTHETICAL_CONTENT_LENGTH}}){0,${MAX_NESTED_PARENTHESES}}\\)` +
+     `|\\[[^\\r\\n\\[\\]]{0,${MAX_PARENTHETICAL_CONTENT_LENGTH}}(?:\\[[^\\r\\n\\[\\]]{0,${MAX_PARENTHETICAL_CONTENT_LENGTH}}\\][^\\r\\n\\[\\]]{0,$   {MAX_PARENTHETICAL_CONTENT_LENGTH}}){0,${MAX_NESTED_PARENTHESES}}\\]` +
+     `|\\$[^\\r\\n$]{0,${MAX_MATH_INLINE_LENGTH}}\\$` +
+     `|\`[^\`\\r\\n]{0,${MAX_MATH_INLINE_LENGTH}}\`` +
+     ")" +
+     "|" +
+     // 9. Paragraphs (with length constraints)
+     `(?!${AVOID_AT_START})(?:(?:^|\\r?\\n\\r?\\n)(?:<p>)?${SENTENCE_PATTERN.replace(/{MAX_LENGTH}/g, String(MAX_PARAGRAPH_LENGTH))}(?:</p>)?(?=\\r?   \\n\\r?\\n|$))` +
+     "|" +
+     // 11. HTML-like tags and their content (including self-closing tags and attributes, with length constraints)
+     `(?:<[a-zA-Z][^>]{0,${MAX_HTML_TAG_ATTRIBUTES_LENGTH}}(?:>[\\s\\S]{0,${MAX_HTML_TAG_CONTENT_LENGTH}}?</[a-zA-Z]+>|\\s*/>))` +
+     "|" +
+     // 12. LaTeX-style math expressions (inline and block, with length constraints)
+     `(?:(?:\\$\\$[\\s\\S]{0,${MAX_MATH_BLOCK_LENGTH}}?\\$\\$)|(?:\\$[^\\$\\r\\n]{0,${MAX_MATH_INLINE_LENGTH}}\\$))` +
+     "|" +
+     // 14. Fallback for any remaining content (with length constraints)
+     `(?!${AVOID_AT_START})${SENTENCE_PATTERN.replace(/{MAX_LENGTH}/g, String(MAX_STANDALONE_LINE_LENGTH))}` +
+     ")",
+     "gmu"
+   );
+   
+   function main({text}){
+     const chunks = [];
+     let currentChunk = '';
+     const tokens = countToken(text)
+   
+     const matches = text.match(regex);
+     if (matches) {
+       matches.forEach((match) => {
+         if (currentChunk.length + match.length <= 1000) {
+           currentChunk += match;
+         } else {
+           if (currentChunk) {
+             chunks.push(currentChunk);
+           }
+           currentChunk = match;
+         }
+       });
+       if (currentChunk) {
+         chunks.push(currentChunk);
+       }
+     }
+   
+     return {chunks, tokens};
+   }
+   ```
+
+   这里我们用到了 [Jina AI 开源的一个强大的正则表达式](https://x.com/JinaAI_/status/1823756993108304135)，它能利用所有可能的边界线索和启发式方法来精确切分文本。
+
+2. 配置批量运行节点
+
+   ![配置批量运行节点](/imgs/fastgpt-loop-node-example-5.png)
+
+   - 数组输入：选择上一步代码运行节点的输出变量 `chunks`。
+   - 循环体内添加一个【代码运行】节点，对源文本进行格式化。
+   - 添加一个【搜索词库】节点，将专有名词的词库作为知识库，在翻译前进行搜索。
+   - 添加一个【AI 对话】节点，使用 CoT 思维链，让 LLM 显式地、系统地生成推理链条，展示翻译的完整思考过程。
+   - 添加一个【代码运行】节点，将【AI 对话】节点最后一轮的翻译结果提取出来。
+   - 添加一个【指定回复】节点，输出翻译后的文本。
+   - 循环体结束节点选择输出变量为【取出翻译文本】的输出变量 `result`。
+
+
+
--- a/docSite/content/zh-cn/docs/guide/dashboard/workflow/question_classify.md
+++ b/docSite/content/zh-cn/docs/guide/dashboard/workflow/question_classify.md
@@ -0,0 +1,78 @@
+---
+title: "问题分类"
+description: "FastGPT 问题分类模块介绍"
+icon: "quiz"
+draft: false
+toc: true
+weight: 238
+---
+
+## 特点
+
+- 可重复添加
+- 有外部输入
+- 需要手动配置
+- 触发执行
+- function_call 模块
+
+![](/imgs/cq1.png)
+
+## 功能
+
+可以将用户的问题进行分类，分类后执行不同操作。在一些较模糊的场景中，分类效果不是很明显。
+
+## 参数说明
+
+### 系统提示词
+
+被放置在对话最前面，可用于补充说明分类内容的定义。例如问题会被分为：
+
+1. 打招呼
+2. Laf 常见问题
+3. 其他问题
+
+由于 Laf 不是一个明确的东西，需要给它一个定义，此时提示词里可以填入 Laf 的定义：
+
+```
+Laf 是云开发平台，可以快速的开发应用
+Laf 是一个开源的 BaaS 开发平台（Backend as a Service)
+Laf 是一个开箱即用的 serverless 开发平台
+Laf 是一个集「函数计算」、「数据库」、「对象存储」等于一身的一站式开发平台
+Laf 可以是开源版的腾讯云开发、开源版的 Google Firebase、开源版的 UniCloud
+```
+
+### 聊天记录
+
+适当增加一些聊天记录，可以联系上下文进行分类。
+
+### 用户问题
+
+用户输入的内容。
+
+### 分类内容
+
+依然以这 3 个分类为例，可以看到最终组成的 Function。其中返回值由系统随机生成，不需要关心。
+
+1. 打招呼
+2. Laf 常见问题
+3. 其他问题
+
+```js
+const agentFunction = {
+    name: agentFunName,
+    description: '判断用户问题的类型属于哪方面，返回对应的枚举字段',
+    parameters: {
+      type: 'object',
+      properties: {
+        type: {
+          type: 'string',
+          description: `打招呼，返回: abc；Laf 常见问题，返回：vvv；其他问题，返回：aaa`
+          enum: ["abc","vvv","aaa"]
+        }
+      },
+      required: ['type']
+    }
+};
+```
+
+上面的 Function 必然会返回 `type = abc，vvv，aaa` 其中一个值，从而实现分类判断。
--- a/docSite/content/zh-cn/docs/guide/dashboard/workflow/reply.md
+++ b/docSite/content/zh-cn/docs/guide/dashboard/workflow/reply.md
@@ -0,0 +1,26 @@
+---
+title: "指定回复"
+description: "FastGPT 指定回复模块介绍"
+icon: "reply"
+draft: false
+toc: true
+weight: 248
+---
+
+## 特点
+
+- 可重复添加（防止复杂编排时线太乱，重复添加可以更美观）
+- 可手动输入
+- 可外部输入
+- 会输出结果给客户端
+
+指定回复模块通常用户特殊状态回复，回复内容有两种：
+
+1. 一种是手动输入固定内容。
+2. 一种是通过变量引用。
+
+{{< figure
+    src="/imgs/specialreply.png"
+    alt=""
+    caption="图 1"
+    >}}
--- a/docSite/content/zh-cn/docs/guide/dashboard/workflow/sandbox.md
+++ b/docSite/content/zh-cn/docs/guide/dashboard/workflow/sandbox.md
@@ -0,0 +1,101 @@
+---
+title: "代码运行"
+description: "FastGPT 代码运行节点介绍"
+icon: "input"
+draft: false
+toc: true
+weight: 258
+---
+
+![alt text](/imgs/image.png)
+
+## 功能
+
+可用于执行一段简单的 js 代码，用于进行一些复杂的数据处理。代码运行在沙盒中，无法进行网络请求、dom和异步操作。如需复杂操作，需外挂 HTTP 实现。
+
+**注意事项**
+
+- 私有化用户需要部署`fastgpt-sandbox` 镜像，并配置`SANDBOX_URL`环境变量。
+- 沙盒最大运行 10s， 32M 内存限制。
+
+
+## 变量输入 
+
+可在自定义输入中添加代码运行需要的变量，在代码的 main 函数中，可解构出相同名字的变量。
+
+如上图，自定义输入中有 data1 和 data2 两个变量，main 函数中可以解构出相同名字的变量。
+
+## 结果输出
+
+务必返回一个 object 对象
+
+自定义输出中，可以添加变量名来获取 object 对应 key 下的值。例如上图中，返回了一个对象：
+
+```json
+{
+  result: data1,
+  data2
+}
+```
+
+他有 2 个 key：result和 data2(js 缩写，key=data2，value=data2)。这时候自定义输出中就可以添加 2 个变量来获取对应 key 下的 value。
+
+## 内置 JS 全局变量
+
+### delay 延迟
+
+延迟 1 秒后返回
+
+```js
+async function main({data1, data2}){
+    await delay(1000)
+    return {
+        result: "111"
+    }
+}
+```
+
+### countToken 统计 token
+
+```js
+function main({input}){
+    return {
+        result: countToken(input)
+    }
+}
+```
+
+![alt text](/imgs/image-1.png)
+
+### strToBase64 字符串转 base64(4.8.11 版本新增)
+
+可用于将 SVG 图片转换为 base64 格式展示。
+
+```js
+function main({input}){
+     
+    return {
+        /* 
+            param1: input 需要转换的字符串
+            param2: base64 prefix 前缀
+        */
+        result: strToBase64(input,'data:image/svg+xml;base64,')
+    }
+}
+```
+
+![alt text](/imgs/image-2.png)
+
+### createHmac 加密
+
+与 node 中 crypto 的 createHmac 方法一致。
+
+```js
+function main({secret}){
+    const {sign,timestamp} = createHmac('sha256',secret)
+
+    return {
+        sign,timestamp
+    }
+}
+```
--- a/docSite/content/zh-cn/docs/guide/dashboard/workflow/text_editor.md
+++ b/docSite/content/zh-cn/docs/guide/dashboard/workflow/text_editor.md
@@ -0,0 +1,32 @@
+---
+title: "文本拼接"
+description: "FastGPT 文本加工模块介绍"
+icon: "input"
+draft: false
+toc: true
+weight: 246
+---
+
+## 特点
+
+- 可重复添加
+- 有外部输入
+- 触发执行
+- 手动配置
+
+![](/imgs/string.png)
+
+
+## 功能
+对输入文本进行固定加工处理，入参仅支持字符串和数字格式，入参以变量形式使用在文本编辑区域。
+
+根据上方示例图的处理方式，对任何输入都会在前面拼接“用户的问题是:”。
+
+
+## 作用
+
+给任意模块输入自定格式文本，或处理 AI 模块系统提示词。
+
+## 示例
+
+- [接入谷歌搜索](/docs/use-cases/app-cases/google_search/)
--- a/docSite/content/zh-cn/docs/guide/dashboard/workflow/tfswitch.md
+++ b/docSite/content/zh-cn/docs/guide/dashboard/workflow/tfswitch.md
@@ -0,0 +1,31 @@
+---
+title: "判断器"
+description: "FastGPT 判断器模块介绍"
+icon: "input"
+draft: false
+toc: true
+weight: 254
+---
+
+## 特点
+
+- 可重复添加
+- 有外部输入
+- 触发执行
+
+![](/imgs/judgement1.png)
+
+## 功能
+
+对任意变量进行`IF`判断，若满足条件则执行`IF`分支，不满足条件执行`ELSE`分支。      
+
+
+上述例子中若「知识库引用」变量的长度等于0则执行`IF`分支，否则执行`ELSE`分支。      
+
+
+支持增加更多的判断条件和分支，同编程语言中的`IF`语句逻辑相同。
+
+## 作用
+
+适用场景有：让大模型做判断后输出固定内容，根据大模型回复内容判断是否触发后续模块。
+
--- a/docSite/content/zh-cn/docs/guide/dashboard/workflow/tool.md
+++ b/docSite/content/zh-cn/docs/guide/dashboard/workflow/tool.md
@@ -0,0 +1,86 @@
+---
+title: "工具调用&终止"
+description: "FastGPT 工具调用模块介绍"
+icon: "build"
+draft: false
+toc: true
+weight: 236
+---
+
+
+![](/imgs/flow-tool1.png)
+
+### **什么是工具**
+
+工具可以是一个系统模块，例如：AI对话、知识库搜索、HTTP模块等。也可以是一个插件。
+
+工具调用可以让 LLM 更动态的决策流程，而不都是固定的流程。（当然，缺点就是费tokens）
+
+### **工具的组成**
+
+1. 工具介绍。通常是模块的介绍或插件的介绍，这个介绍会告诉LLM，这个工具的作用是什么。
+2. 工具参数。对于系统模块来说，工具参数已经是固定的，无需额外配置。对于插件来说，工具参数是一个可配置项。
+
+### **工具是如何运行的**
+
+要了解工具如何运行的，首先需要知道它的运行条件。
+
+1. 需要工具的介绍（或者叫描述）。这个介绍会告诉LLM，这个工具的作用是什么，LLM会根据上下文语义，决定是否需要调用这个工具。
+2. 工具的参数。有些工具调用时，可能需要一些特殊的参数。参数中有2个关键的值：`参数介绍`和`是否必须`。
+
+结合工具的介绍、参数介绍和参数是否必须，LLM会决定是否调用这个工具。有以下几种情况：
+
+1. 无参数的工具：直接根据工具介绍，决定是否需要执行。例如：获取当前时间。
+2. 有参数的工具：
+   1. 无必须的参数：尽管上下文中，没有适合的参数，也可以调用该工具。但有时候，LLM会自己伪造一个参数。
+   2. 有必须的参数：如果没有适合的参数，LLM可能不会调用该工具。可以通过提示词，引导用户提供参数。
+
+#### **工具调用逻辑**
+
+在支持`函数调用`的模型中，可以一次性调用多个工具，调用逻辑如下：
+
+![](/imgs/flow-tool2.png)
+
+### **怎么用**
+
+<div style="display: flex; gap: 10px;">
+    <img src="/imgs/flow-tool3.png" alt="工具调用模块示例 3" width="40%" />
+    <img src="/imgs/flow-tool4.png" alt="工具调用模块示例 4" width="60%" />
+</div>
+
+<!-- ![](/imgs/flow-tool3.png)!![](/imgs/flow-tool4.png) -->
+
+高级编排中，拖动工具调用的连接点，可用的工具头部会出现一个菱形，可以将它与工具调用模块底部的菱形相连接。
+
+被连接的工具，会自动分离工具输入与普通的输入，并且可以编辑`介绍`，可以通过调整介绍，使得该工具调用时机更加精确。
+
+关于工具调用，如何调试仍然是一个玄学，所以建议，不要一次性增加太多工具，选择少量工具调优后再进一步尝试。
+
+#### 用途
+
+默认情况下，工具调用节点，在决定调用工具后，会将工具运行的结果，返回给AI，让 AI 对工具运行的结果进行总结输出。有时候，如果你不需要 AI 进行进一步的总结输出，可以使用该节点，将其接入对于工具流程的末尾。
+
+如下图，在执行知识库搜索后，发送给了 HTTP 请求，搜索将不会返回搜索的结果给工具调用进行 AI 总结。
+
+![](/imgs/flow-tool5.png)
+
+### 附加节点
+
+当您使用了工具调用节点，同时就会出现工具调用终止节点和自定义变量节点，能够进一步提升工具调用的使用体验。
+
+#### 工具调用终止
+
+工具调用终止可用于结束本次调用，即可以接在某个工具后面，当工作流执行到这个节点时，便会强制结束本次工具调用，不再调用其他工具，也不会再调用 AI 针对工具调用结果回答问题。
+
+![](/imgs/flow-tool6.png)
+
+### 自定义工具变量
+
+自定义变量可以扩展工具的变量输入，即对于一些未被视作工具参数或无法工具调用的节点，可以自定义工具变量，填上对应的参数描述，那么工具调用便会相对应的调用这个节点，进而调用其之后的工作流。
+
+![](/imgs/flow-tool7.png)
+
+### **相关示例**
+
+- [谷歌搜索](https://doc.fastgpt.in/docs/use-cases/app-cases/google_search/)
+- [发送飞书webhook](https://doc.fastgpt.in/docs/use-cases/app-cases/feishu_webhook/)
--- a/docSite/content/zh-cn/docs/guide/dashboard/workflow/user-selection.md
+++ b/docSite/content/zh-cn/docs/guide/dashboard/workflow/user-selection.md
@@ -0,0 +1,32 @@
+---
+title: "用户选择"
+description: "FastGPT 用户选择模块的使用说明"
+icon: "user_check"
+draft: false
+toc: true
+weight: 242
+---
+
+## 特点 
+
+- 用户交互
+- 可重复添加
+- 触发执行
+
+![](/imgs/user-selection1.png)
+
+## 功能 
+
+「用户选择」节点属于用户交互节点，当触发这个节点时，对话会进入“交互”状态，会记录工作流的状态，等用户完成交互后，继续向下执行工作流
+
+![](/imgs/user-selection2.png)
+
+比如上图中的例子，当触发用户选择节点时，对话框隐藏，对话进入“交互状态”
+
+![](/imgs/user-selection3.png)
+
+当用户做出选择时，节点会判断用户的选择，执行“是”的分支
+
+## 作用
+
+基础的用法为提出需要用户做抉择的问题，然后根据用户的反馈设计不同的工作流流程
--- a/docSite/content/zh-cn/docs/guide/dashboard/workflow/variable_update.md
+++ b/docSite/content/zh-cn/docs/guide/dashboard/workflow/variable_update.md
@@ -0,0 +1,38 @@
+---
+title: "变量更新"
+description: "FastGPT 变量更新模块介绍"
+icon: "variable_update"
+draft: false
+toc: true
+weight: 256
+---
+
+## 特点 
+
+- 可重复添加
+- 有外部输入
+- 触发执行
+- 手动配置
+
+![](/imgs/variable_update1.png)
+
+## 功能 
+
+- 更新指定节点的输出值
+
+![](/imgs/variable_update2.png)
+
+![](/imgs/variable_update3.png)
+
+- 更新全局变量
+
+![](/imgs/variable_update4.png)
+
+![](/imgs/variable_update5.png)
+
+## 作用
+
+最基础的使用场景为
+
+- 给一个「自定义变量」类型的全局变量赋值，从而实现全局变量无需用户输入
+- 更新「变量更新」节点前的工作流节点输出，在后续使用中，使用的节点输出值为新的输出