国外亚洲成av人片在线观看,热99re久久精品这里都是精品,天堂网在线最新版www,国产成人av区一区二区三,51久久成人国产精品麻豆

在AI應用領域，如何高效整合知識庫以提升內容生成的質量，一直是技術愛好者和從業(yè)者的關注焦點。本文將介紹一種創(chuàng)新的解決方案：通過將 FastGPT 的知識庫與 n8n 工作流結合，利用 MCP Server 實現(xiàn)強大的知識庫調用能力，從而補全 n8n 在知識管理方面的短板。

暑假要來了，我的教培業(yè)務也要開始進入旺季。小紅書、公眾號上都要開始做暑假相關的內容

但內容生產又成了老大難問題。

怎么才能寫出不空洞、有垂直業(yè)務經驗的文章吸引目標客戶呢？

答案是借助RAG：用行業(yè)經驗文章形成知識庫，每次寫文章前都先到知識庫搜一下相關內容，再基于這些內容來生產，能最大程度上解決AI幻覺、內容空間等問題。

昨天文章也提到，我所有業(yè)務工作流都放到了n8n里，但n8n并沒有很好的知識庫能力。

之前文章有講到，目前最適合個人或者中小團隊用的知識庫是Fastgpt，而它最近升級的MCP Server能供外部工作流調用。

解決方案不就來了嗎：把FastGPT上的知識庫打包成MCP Server，供n8n在生產內容的時候調用。

目前效果是這樣的：n8n里的AI Agent會通過MCP調用FastGPT里的知識庫工作流。

一、Fastgpt MCP Server

FastGPT可以通過docker-compose的方式安裝，但如果已經安裝了，就需要升級到最新版，目前是4.9.11

https://github.com/labring/FastGPT/pkgs/container/fastgpt

升級FastGPT

以寶塔面板為例，打開docker-容器編排

如圖的位置就是docker-compose的內容，把它復制出來備份好。

進這里獲得最新的docker-compose文件：

https://github.com/labring/FastGPT/blob/main/deploy/docker/docker-compose-pgvector.yml

如果還沒安裝的同學，直接用這個來安裝即可。

這里可以用cursor來對比兩個文件的差異，確保我們自定義的部分也同步到新的文件里。

例如我設置了默認root密碼，這個在新的yml文件里也要設置。

接著把改好的docker-compose文件復制黏貼進去如圖位置。

再點「跳轉目錄」，接下來要設置config.json

在這里下載：

https://raw.githubusercontent.com/labring/FastGPT/refs/heads/main/projects/app/data/config.json

修改圖中mpcServerProxyEndpoint，改成你的ip，這是后面n8n工作流需要調用的地址

注意，這里暴露的是3005接口，要在寶塔面板添加相關的端口開放權限，確保外部能正常訪問才行。

然后把修改好的config.json放到跟前面FastGPT的docker-compose文件同一個目錄里。

也就是前面的「跳轉目錄」后打開的路徑。

最后，回到docker面板點停止-更新鏡像，即可。

此時打開Fastgpt，就能看到是最新版本了。

搭建知識庫工作流

注意這里不能直接用知識庫應用，否則會是經過AI處理后的結果。

我們要的是原汁原味知識庫里匹配到的精準相關內容，就要通過工作流的形式把知識庫引用返回。

如圖：

設置好后一定要點保存并發(fā)布，如果不發(fā)布的話親測是返回不了結果的。

創(chuàng)建MCP服務

接下來，在工作臺，點開MCP服務-新建服務

這里有一個要點：名字要是英文的，因為n8n是純國外平臺，加上AI大模型，本身對中文就不是很敏感，很容易調用失敗。

新建好后，點開始使用，切換到SSE

這里的接入地址就是我們要用的。

二、n8n工作流調用

此時回到n8n工作流

這是我的小紅書模板工作流：先生成多個方向的選題標題，然后根據(jù)標題生成內容，后面再根據(jù)內容生成多張圖片，最終全部保存到飛書多維表格，再調用矩陣工具讀取飛書表格進行批量發(fā)布。

今天我們要解決的是生成正文這里，通過接入知識庫作為參考讓AI生成內容效果更佳。

在AI Agent的Tool，搜索MCP，找到MCP Client Tool

同時要注意n8n的版本確保在1.94.1或以上才有MCP能力

接著，在SSE Endpoint輸入前面在FastGPT準備好的調用網(wǎng)址。

點Execute step測試一下

隨便輸入一個內容標題

看到能正確返回內容了。

這里每個業(yè)務對于返回內容是否精準的判斷都不同，所以我這里就隱去了。

具體返回效果如果，可以直接到FastGPT里處理好即可。

接著，回到AI Agent節(jié)點，測試大模型回答

注意這里的要點有兩個：

1是大模型要有調工具的能力，這里我用的是魔塔社區(qū)里的API，Deepseek R1 0528雖然強但無工具調用能力，遺憾不能用。我用的是Qwen3-235B-A22B

2是提示詞中要明確讓AI去掉用MCP工具來獲取參考內容

除非把MCP名字和簡介寫的很好，跟當前內容匹配，否則大部分模型不會主動去調用的。

最后我們能正?？吹酱竽Ｐ陀姓{用mcp即可。

至此我們就把FastGPT通過MCP Server的形式整合到了n8n工作流里面。

原本就好用的n8n，補全了它知識庫短板，又全面了。。

以上就是今天分享的全部內容。