mirror of
https://github.com/labring/FastGPT.git
synced 2025-07-22 20:37:48 +00:00
404 lines
13 KiB
Markdown
404 lines
13 KiB
Markdown
---
|
||
title: '分享链接身份鉴权'
|
||
description: 'FastGPT 分享链接身份鉴权'
|
||
icon: 'share'
|
||
draft: false
|
||
toc: true
|
||
weight: 860
|
||
---
|
||
|
||
## 介绍
|
||
|
||
在 FastGPT V4.6.4 中，我们修改了分享链接的数据读取方式，为每个用户生成一个 localId，用于标识用户，从云端拉取对话记录。但是这种方式仅能保障用户在同一设备同一浏览器中使用，如果切换设备或者清空浏览器缓存则会丢失这些记录。这种方式存在一定的风险，因此我们仅允许用户拉取近`30天`的`20条`记录。
|
||
|
||
分享链接身份鉴权设计的目的在于，将 FastGPT 的对话框快速、安全的接入到你现有的系统中，仅需 2 个接口即可实现。该功能目前只在商业版中提供。
|
||
|
||
## 使用说明
|
||
|
||
免登录链接配置中，你可以选择填写`身份验证`栏。这是一个`POST`请求的根地址。在填写该地址后，分享链接的初始化、开始对话以及对话结束都会向该地址的特定接口发送一条请求。下面以`host`来表示`凭身份验证根地址`。服务器接口仅需返回是否校验成功即可，不需要返回其他数据，格式如下：
|
||
|
||
### 接口统一响应格式
|
||
|
||
```json
|
||
{
|
||
"success": true,
|
||
"message": "错误提示",
|
||
"msg": "同message, 错误提示",
|
||
"data": {
|
||
"uid": "用户唯一凭证"
|
||
}
|
||
}
|
||
```
|
||
|
||
`FastGPT` 将会判断`success`是否为`true`决定是允许用户继续操作。`message`与`msg`是等同的，你可以选择返回其中一个，当`success`不为`true`时，将会提示这个错误。
|
||
|
||
`uid`是用户的唯一凭证，将会用于拉取对话记录以及保存对话记录。可参考下方实践案例。
|
||
|
||
### 触发流程
|
||
|
||
|
||
|
||
## 配置教程
|
||
### 1. 配置身份校验地址
|
||
|
||
|
||
|
||
配置校验地址后，在每次分享链接使用时，都会向对应的地址发起校验和上报请求。
|
||
|
||
{{% alert icon="🤖" %}}
|
||
这里仅需配置根地址，无需具体到完整请求路径。
|
||
{{% /alert %}}
|
||
|
||
### 2. 分享链接中增加额外 query
|
||
|
||
在分享链接的地址中，增加一个额外的参数: authToken。例如：
|
||
|
||
原始的链接：`https://share.tryfastgpt.ai/chat/share?shareId=648aaf5ae121349a16d62192`
|
||
|
||
完整链接: `https://share.tryfastgpt.ai/chat/share?shareId=648aaf5ae121349a16d62192&authToken=userid12345`
|
||
|
||
这个`authToken`通常是你系统生成的用户唯一凭证（Token之类的）。FastGPT 会在鉴权接口的`body`中携带 token={{authToken}} 的参数。
|
||
|
||
### 3. 编写聊天初始化校验接口
|
||
|
||
{{< tabs tabTotal="3" >}}
|
||
{{< tab tabName="请求示例" >}}
|
||
{{< markdownify >}}
|
||
|
||
```bash
|
||
curl --location --request POST '{{host}}/shareAuth/init' \
|
||
--header 'Content-Type: application/json' \
|
||
--data-raw '{
|
||
"token": "{{authToken}}"
|
||
}'
|
||
```
|
||
|
||
{{< /markdownify >}}
|
||
{{< /tab >}}
|
||
|
||
{{< tab tabName="鉴权成功" >}}
|
||
{{< markdownify >}}
|
||
|
||
```json
|
||
{
|
||
"success": true,
|
||
"data": {
|
||
"uid": "用户唯一凭证"
|
||
}
|
||
}
|
||
```
|
||
|
||
系统会拉取该分享链接下，uid 为 username123 的对话记录。
|
||
|
||
{{< /markdownify >}}
|
||
{{< /tab >}}
|
||
|
||
{{< tab tabName="鉴权失败" >}}
|
||
{{< markdownify >}}
|
||
|
||
```json
|
||
{
|
||
"success": false,
|
||
"message": "身份错误",
|
||
}
|
||
```
|
||
|
||
{{< /markdownify >}}
|
||
{{< /tab >}}
|
||
{{< /tabs >}}
|
||
|
||
|
||
|
||
### 4. 编写对话前校验接口
|
||
|
||
{{< tabs tabTotal="3" >}}
|
||
{{< tab tabName="请求示例" >}}
|
||
{{< markdownify >}}
|
||
|
||
```bash
|
||
curl --location --request POST '{{host}}/shareAuth/start' \
|
||
--header 'Content-Type: application/json' \
|
||
--data-raw '{
|
||
"token": "{{authToken}}",
|
||
"question": "用户问题",
|
||
}'
|
||
```
|
||
|
||
{{< /markdownify >}}
|
||
{{< /tab >}}
|
||
|
||
{{< tab tabName="鉴权成功" >}}
|
||
{{< markdownify >}}
|
||
|
||
```json
|
||
{
|
||
"success": true,
|
||
"data": {
|
||
"uid": "用户唯一凭证"
|
||
}
|
||
}
|
||
```
|
||
|
||
{{< /markdownify >}}
|
||
{{< /tab >}}
|
||
|
||
{{< tab tabName="鉴权失败" >}}
|
||
{{< markdownify >}}
|
||
|
||
```json
|
||
{
|
||
"success": false,
|
||
"message": "身份验证失败",
|
||
}
|
||
```
|
||
|
||
```json
|
||
{
|
||
"success": false,
|
||
"message": "存在违规词",
|
||
}
|
||
```
|
||
|
||
{{< /markdownify >}}
|
||
{{< /tab >}}
|
||
{{< /tabs >}}
|
||
|
||
### 5. 编写对话结果上报接口（可选）
|
||
|
||
该接口无规定返回值。
|
||
|
||
响应值与[chat 接口格式相同](/docs/development/openapi/chat/#响应)，仅多了一个`token`。
|
||
|
||
重点关注：`totalPoints`(总消耗AI积分)，`token`(Token消耗总数)
|
||
|
||
```bash
|
||
curl --location --request POST '{{host}}/shareAuth/finish' \
|
||
--header 'Content-Type: application/json' \
|
||
--data-raw '{
|
||
"token": "{{authToken}}",
|
||
"responseData": [
|
||
{
|
||
"moduleName": "core.module.template.Dataset search",
|
||
"moduleType": "datasetSearchNode",
|
||
"totalPoints": 1.5278,
|
||
"query": "导演是谁\n《铃芽之旅》的导演是谁？\n这部电影的导演是谁？\n谁是《铃芽之旅》的导演？",
|
||
"model": "Embedding-2(旧版，不推荐使用)",
|
||
"tokens": 1524,
|
||
"similarity": 0.83,
|
||
"limit": 400,
|
||
"searchMode": "embedding",
|
||
"searchUsingReRank": false,
|
||
"extensionModel": "FastAI-4k",
|
||
"extensionResult": "《铃芽之旅》的导演是谁？\n这部电影的导演是谁？\n谁是《铃芽之旅》的导演？",
|
||
"runningTime": 2.15
|
||
},
|
||
{
|
||
"moduleName": "AI 对话",
|
||
"moduleType": "chatNode",
|
||
"totalPoints": 0.593,
|
||
"model": "FastAI-4k",
|
||
"tokens": 593,
|
||
"query": "导演是谁",
|
||
"maxToken": 2000,
|
||
"quoteList": [
|
||
{
|
||
"id": "65bb346a53698398479a8854",
|
||
"q": "导演是谁？",
|
||
"a": "电影《铃芽之旅》的导演是新海诚。",
|
||
"chunkIndex": 0,
|
||
"datasetId": "65af9b947916ae0e47c834d2",
|
||
"collectionId": "65bb345c53698398479a868f",
|
||
"sourceName": "dataset - 2024-01-23T151114.198.csv",
|
||
"sourceId": "65bb345b53698398479a868d",
|
||
"score": [
|
||
{
|
||
"type": "embedding",
|
||
"value": 0.9377183318138123,
|
||
"index": 0
|
||
},
|
||
{
|
||
"type": "rrf",
|
||
"value": 0.06557377049180328,
|
||
"index": 0
|
||
}
|
||
]
|
||
}
|
||
],
|
||
"historyPreview": [
|
||
{
|
||
"obj": "Human",
|
||
"value": "使用 <Data></Data> 标记中的内容作为本次对话的参考:\n\n<Data>\n导演是谁？\n电影《铃芽之旅》的导演是新海诚。\n------\n电影《铃芽之旅》的编剧是谁？22\n新海诚是本片的编剧。\n------\n电影《铃芽之旅》的女主角是谁？\n电影的女主角是铃芽。\n------\n电影《铃芽之旅》的制作团队中有哪位著名人士？2\n川村元气是本片的制作团队成员之一。\n------\n你是谁？\n我是电影《铃芽之旅》助手\n------\n电影《铃芽之旅》男主角是谁？\n电影《铃芽之旅》男主角是宗像草太，由松村北斗配音。\n------\n电影《铃芽之旅》的作者新海诚写了一本小说，叫什么名字？\n小说名字叫《铃芽之旅》。\n------\n电影《铃芽之旅》的女主角是谁？\n电影《铃芽之旅》的女主角是岩户铃芽，由原菜乃华配音。\n------\n电影《铃芽之旅》的故事背景是什么？\n日本\n------\n谁担任电影《铃芽之旅》中岩户环的配音？\n深津绘里担任电影《铃芽之旅》中岩户环的配音。\n</Data>\n\n回答要求：\n- 如果你不清楚答案，你需要澄清。\n- 避免提及你是从 <Data></Data> 获取的知识。\n- 保持答案与 <Data></Data> 中描述的一致。\n- 使用 Markdown 语法优化回答格式。\n- 使用与问题相同的语言回答。\n\n问题:\"\"\"导演是谁\"\"\""
|
||
},
|
||
{
|
||
"obj": "AI",
|
||
"value": "电影《铃芽之旅》的导演是新海诚。"
|
||
}
|
||
],
|
||
"contextTotalLen": 2,
|
||
"runningTime": 1.32
|
||
}
|
||
]
|
||
|
||
|
||
}'
|
||
```
|
||
|
||
**responseData 完整字段说明：**
|
||
|
||
```ts
|
||
type ResponseType = {
|
||
moduleType: FlowNodeTypeEnum; // 模块类型
|
||
moduleName: string; // 模块名
|
||
moduleLogo?: string; // logo
|
||
runningTime?: number; // 运行时间
|
||
query?: string; // 用户问题/检索词
|
||
textOutput?: string; // 文本输出
|
||
|
||
tokens?: number; // 上下文总Tokens
|
||
model?: string; // 使用到的模型
|
||
contextTotalLen?: number; // 上下文总长度
|
||
totalPoints?: number; // 总消耗AI积分
|
||
|
||
temperature?: number; // 温度
|
||
maxToken?: number; // 模型的最大token
|
||
quoteList?: SearchDataResponseItemType[]; // 引用列表
|
||
historyPreview?: ChatItemType[]; // 上下文预览（历史记录会被裁剪）
|
||
|
||
similarity?: number; // 最低相关度
|
||
limit?: number; // 引用上限token
|
||
searchMode?: `${DatasetSearchModeEnum}`; // 搜索模式
|
||
searchUsingReRank?: boolean; // 是否使用rerank
|
||
extensionModel?: string; // 问题扩展模型
|
||
extensionResult?: string; // 问题扩展结果
|
||
extensionTokens?: number; // 问题扩展总字符长度
|
||
|
||
cqList?: ClassifyQuestionAgentItemType[]; // 分类问题列表
|
||
cqResult?: string; // 分类问题结果
|
||
|
||
extractDescription?: string; // 内容提取描述
|
||
extractResult?: Record<string, any>; // 内容提取结果
|
||
|
||
params?: Record<string, any>; // HTTP模块params
|
||
body?: Record<string, any>; // HTTP模块body
|
||
headers?: Record<string, any>; // HTTP模块headers
|
||
httpResult?: Record<string, any>; // HTTP模块结果
|
||
|
||
pluginOutput?: Record<string, any>; // 插件输出
|
||
pluginDetail?: ChatHistoryItemResType[]; // 插件详情
|
||
|
||
isElseResult?: boolean; // 判断器结果
|
||
}
|
||
```
|
||
|
||
## 实践案例
|
||
|
||
我们以[Laf作为服务器为例](https://laf.dev/)，简单展示这 3 个接口的使用方式。
|
||
|
||
### 1. 创建3个Laf接口
|
||
|
||
|
||
|
||
|
||
|
||
{{< tabs tabTotal="3" >}}
|
||
{{< tab tabName="/shareAuth/init" >}}
|
||
{{< markdownify >}}
|
||
|
||
这个接口中，我们设置了`token`必须等于`fastgpt`才能通过校验。（实际生产中不建议固定写死）
|
||
|
||
```ts
|
||
import cloud from '@lafjs/cloud'
|
||
|
||
export default async function (ctx: FunctionContext) {
|
||
const { token } = ctx.body
|
||
|
||
// 此处省略 token 解码过程
|
||
if (token === 'fastgpt') {
|
||
return { success: true, data: { uid: "user1" } }
|
||
}
|
||
|
||
return { success: false,message:"身份错误" }
|
||
}
|
||
|
||
```
|
||
|
||
{{< /markdownify >}}
|
||
{{< /tab >}}
|
||
|
||
{{< tab tabName="/shareAuth/start" >}}
|
||
{{< markdownify >}}
|
||
|
||
这个接口中，我们设置了`token`必须等于`fastgpt`才能通过校验。并且如果问题中包含了`你`字，则会报错，用于模拟敏感校验。
|
||
|
||
```ts
|
||
import cloud from '@lafjs/cloud'
|
||
|
||
export default async function (ctx: FunctionContext) {
|
||
const { token, question } = ctx.body
|
||
|
||
// 此处省略 token 解码过程
|
||
if (token !== 'fastgpt') {
|
||
return { success: false, message: "身份错误" }
|
||
|
||
}
|
||
|
||
if(question.includes("你")){
|
||
return { success: false, message: "内容不合规" }
|
||
}
|
||
|
||
return { success: true, data: { uid: "user1" } }
|
||
}
|
||
|
||
```
|
||
|
||
{{< /markdownify >}}
|
||
{{< /tab >}}
|
||
|
||
{{< tab tabName="/shareAuth/finish" >}}
|
||
{{< markdownify >}}
|
||
|
||
结果上报接口可自行进行逻辑处理。
|
||
|
||
```ts
|
||
import cloud from '@lafjs/cloud'
|
||
|
||
export default async function (ctx: FunctionContext) {
|
||
const { token, responseData } = ctx.body
|
||
|
||
const total = responseData.reduce((sum,item) => sum + item.price,0)
|
||
const amount = total / 100000
|
||
|
||
// 省略数据库操作
|
||
|
||
return { }
|
||
}
|
||
```
|
||
|
||
{{< /markdownify >}}
|
||
{{< /tab >}}
|
||
{{< /tabs >}}
|
||
|
||
|
||
### 2. 配置校验地址
|
||
|
||
我们随便复制3个地址中一个接口: `https://d8dns0.laf.dev/shareAuth/finish`, 去除`/shareAuth/finish`后填入`身份校验`:`https://d8dns0.laf.dev`
|
||
|
||
|
||
|
||
### 3. 修改分享链接参数
|
||
|
||
源分享链接：`https://share.tryfastgpt.ai/chat/share?shareId=64be36376a438af0311e599c`
|
||
|
||
修改后：`https://share.tryfastgpt.ai/chat/share?shareId=64be36376a438af0311e599c&authToken=fastgpt`
|
||
|
||
### 4. 测试效果
|
||
|
||
1. 打开源链接或者`authToken`不等于`fastgpt`的链接会提示身份错误。
|
||
2. 发送内容中包含你字，会提示内容不合规。
|
||
|
||
|
||
## 使用场景
|
||
|
||
这个鉴权方式通常是帮助你直接嵌入`分享链接`到你的应用中，在你的应用打开分享链接前，应做`authToken`的拼接后再打开。
|
||
|
||
除了对接已有系统的用户外，你还可以对接`余额`功能，通过`结果上报`接口扣除用户余额，通过`对话前校验`接口检查用户的余额。 |