​​欢迎关注【AI技术开发者】​经过优化，在不影响FastGPT功能的情况下，大幅降低了部署的设备配置要求，仅需1c1h即可正常部署使用。

我们现在需要配置New-api服务，使用New-api来同时使用多个厂商的大模型服务，如豆包、通义千问、混元、文心一言、Kimi等模型。然后修改FastGPT容器的config.json​文件中的llmModels​字段。下面修改vectorModels​字段，部署向量模型（解析知识库需要用到）上文中，我们成功搭建了FastGPT服务和New-api服务。这个是语言模型和视觉模型，按以下格式修改后

add_records工具用于将数据写入飞书多维表，支持单条和多条记录的添加。单条记录添加时，需构建包含字段的records参数，并通过代码节点配置输出info变量，引用到add_records工具中。多条记录添加则通过遍历数据列表，动态构建字段并批量写入。工具使用Python代码实现，支持文本、单选、日期、超链接等多种字段类型，操作简便，数据写入成功后无报错提示。本文详细介绍了工具的使用方法和代

update_records 是一个用于更新多维表数据的请求接口。必选参数包括 app_token（多维表的ID）和 records（需要更新的记录列表，格式为包含字段和记录ID的JSON数组）。可选参数有 table_id（数据表唯一标识符）、table_name（数据表名称）和 user_id_type（用户ID类型，默认值为 open_id）。测试数据示例展示了如何通过 app_token

数据库节点用于对指定数据库进行常见的 SQL 操作。

在连接远程数据库进行操作时，由于需要将数据库开放至公网，必须采取严格的安全策略，如限制账号访问权限和使用高位端口等。本文介绍了如何通过输入数据库地址、端口、用户名、密码、数据库名称和SQL语句来执行查询操作，并输出执行结果和消息。支持Mysql和Postgre数据库。由于插件无法上传至扣子商店，代码已公开，用户需自行创建插件使用。本文转载自飞书文档，提供了详细的操作指南和测试方法。

本文介绍了如何通过search_record接口查询多维表格数据，并详细说明了请求参数和返回值。请求参数包括apptoken、automatic_fields、field_names、filter、page_size、page_token、sort、table_id、table_name、user_id_type和view_id，用于控制查询条件、分页、排序等。返回值包含items、fields、

本文介绍了如何通过API请求列出多维表中的所有数据表。请求中必须包含appToken参数，用于标识多维表，可选参数包括page_size和page_token，分别用于设置分页大小和分页标记。示例请求中使用了app_token参数，并返回了包含数据表信息的JSON响应。响应中包括数据表的总数、分页标记、是否还有更多数据表以及每个数据表的ID和名称。本文转载自飞书文档，提供了详细的API使用说明和示

本文介绍了如何通过API创建多维表格的数据表。创建数据表时，必须提供app_token（多维表格的唯一标识符）和name（数据表名称）两个必要参数。可选参数包括default_view_name（默认表格视图名称）和fields（初始字段列表）。如果未指定default_view_name和fields，将创建一个仅含索引列的空数据表；若指定fields，则创建包含初始字段的数据表，且默认第一个字

你可以把大模型节点想象成一个超级智能的 "文字魔法师"。它就像学校里最会写作文的同学，但比人类厉害很多倍！这个魔法师能帮你做各种文字工作：写东西：比如广告文案（就像帮奶茶店想宣传语）、作文扩写（把 200 字的梗概变成 800 字的故事）总结归纳：把长文章缩写成要点（像做读书笔记）改写内容：把专业报告改写成通俗易懂的话它为什么这么厉害？能看懂各种复杂的句子（就像老师能看懂你写的所有作文）可以扮演不