本文件为 Agent 在本仓库中工作时提供指导说明。
FastGPT 是一个 AI Agent 构建平台,通过 Flow 提供开箱即用的数据处理、模型调用能力和可视化工作流编排。这是一个基于 NextJS 构建的全栈 TypeScript 应用,后端使用 MongoDB/PostgreSQL。
技术栈: NextJS + TypeScript + ChakraUI + MongoDB + VectorDB(PG, Milvus, Zilliz, OceanBase, SeekDB, OpenGauss......)
你可以参考 项目设计文档 来了解 FastGPT 已有的设计方案。
这是一个使用 pnpm workspaces 的 monorepo,主要结构如下:
packages/global/- 所有项目共享的类型、常量、工具函数packages/service/- 后端服务、数据库模型、API 控制器、工作流引擎packages/web/- 共享的前端组件、hooks、样式、国际化
projects/app/- 主 NextJS Web 应用(前端 + API 路由)projects/code-sandbox/- Bun + Hono 代码执行沙箱服务projects/mcp_server/- Model Context Protocol 服务器实现
document/- 文档站点(NextJS 应用及内容)plugins/- 外部插件(模型、爬虫等)deploy/- Docker 和 Helm 部署配置test/- 集中的测试文件和工具
常用开发命令见 FastGPT 开发命令。
项目使用 Vitest 进行测试并生成覆盖率报告。主要测试命令:
pnpm test- 运行所有测试pnpm test {file-path}- 使用 Vitest 运行指定测试文件的指定测试- 测试文件位于
test/目录和projects/{{name}}/test/,代表这packages和单个 project的测试文件目录。 - 覆盖率报告生成在
coverage/目录
- 共享代码存放在
packages/中,通过 workspace 引用导入 projects/中的每个项目都是独立的应用程序- 使用
@fastgpt/global、@fastgpt/service、@fastgpt/web导入共享包
- NextJS API 路由在
projects/app/src/pages/api/ - API 路由合约定义在
packages/global/openapi/, 对应的 - 通用服务端业务逻辑在
packages/service/和projects/app/src/service - 数据库模型在
packages/service/中,使用 MongoDB/Mongoose
- React 组件在
projects/app/src/components/和packages/web/components/ - 使用 Chakra UI 进行样式设计,自定义主题在
packages/web/styles/theme.ts - 国际化支持文件在
packages/web/i18n/ - 使用 React Context 和 Zustand 进行状态管理
- 包管理器: 使用 pnpm 及 workspace 配置
- Node 版本: 需要 Node.js >=20.x, pnpm >=9.x
- 数据库: 支持 MongoDB、带 pgvector 的 PostgreSQL 或 Milvus 向量存储
- AI 集成: 通过统一接口支持多个 AI 提供商
- 国际化: 完整支持中文、英文和日文
.ts和.tsx文件全部使用 TypeScript- 数据库模型使用 Mongoose 配合 TypeScript
- API 路由遵循 NextJS 约定
- 组件文件使用 React 函数式组件和 hooks
- 共享类型定义在
packages/global/中
- 配置文件在
projects/app/data/config.json - 支持特定环境配置
- 模型配置在
packages/service/core/ai/config/
- 编写或修改 NextJS API 路由时,如果需要校验接口入参(
req.body、req.query、req.params),必须使用parseApiInput,不要直接写SomeSchema.parse(req.body)、SomeSchema.parse(req.query)或SomeSchema.parse(req.params)。 parseApiInput从@fastgpt/service/common/zod/requestParseError导入,用法示例:
import { parseApiInput } from '@fastgpt/service/common/zod/requestParseError';
const { body, query } = parseApiInput({
req,
bodySchema: CreateSomethingBodySchema,
querySchema: GetSomethingQuerySchema
});- 这个 helper 只用于 API 边界的请求入参校验。内部业务数据、数据库记录、模型返回、工具调用参数等 schema 校验仍使用普通
Schema.parse(...),因为这些错误应按内部 bug 上报。 - 相关设计见 Zod 请求入参错误降噪设计。
- 编写或拆分函数时,必须关注函数注释。对导出函数、核心业务函数、hook、复杂工具函数、跨模块复用函数,优先使用
/** ... */形式补充函数级注释。 - 函数注释应说明函数职责、输入输出约定、关键分支、边界行为和设计原因,尤其是容易误解的计费、权限、requestId、错误处理、流式响应、缓存、并发、兼容逻辑。
- 避免写无意义注释,例如只复述“设置变量”“返回结果”。如果函数逻辑简单且语义已经完全由命名表达,可以不写冗余注释。
- 对复杂函数内部的关键判断,也应补充简短中文注释,说明为什么这样处理,而不是逐行解释代码。
- 拆分子函数时,优先把只被单个函数使用的 helper 放在该函数内部,减少模块级私有函数的暴露范围和阅读负担。
- 只有跨函数复用、需要单独导出测试、或语义上属于模块公共能力的 helper,才放到模块级;放到模块级时应补充函数级注释说明职责和边界。
- 对于递归、错误处理、权限校验、路径处理、计费/requestId 等容易误解的局部 helper,应在局部函数或关键分支旁补充简短中文注释说明设计原因。
- 保持怀疑态度,要深入思考和分析现有代码,提出问题,并让用户确认。
- 编写单个需求时,运行测试命令,中途不要运行全量测试,只需局部测试即可,只需最后运行全量测试,确保没有问题。
对于简单任务,可以直接进行编写实现,对于复杂任务,遵循以下流程:
function agent_loop(用户需求){ // 1. 需求文档编写 while(需求文档编写未完成){ 用户需求分析 编写需求分析文档; 提出问题,让用户提供答案; 调整需求文档; }
// 2. 开发文档编写 while(开发文档编写未完成){ 编写开发文档; 提出问题,让用户提供答案; 调整开发文档; }
// 3. 列出 TODO while(TODO 列表编写未完成){ 编写 TODO 列表; // 包含写代码,运行测试等,需要与开发文档对应 提出问题,让用户提供答案; 调整 TODO 列表; }
// 4. 执行 TODO List while(TODO List 执行未完成){ 执行 TODO List; 更新 TODO List 状态; } }
- 输出语言:中文
- 输出文档位置: 2.1. 设计文档: .agents/design,todo 跟在设计文档后面。 2.2. 问题分析文档: .agents/issue
- 相同需求文档,尽量写在一起(内容超过 300 行,可以分批写入),或者创建要给目录一起管理,不要随意平铺一堆不同版本的相同问题的文档。
- 文件输出,使用正确的编码格式,例如UTF-8。
- 除非用户指明,否则不要编写总结报告。