居間
FastWiki项目是一个高性能、基于最新技术栈的知识库系统，专为大规模信息检索和智能搜索设计。利用微软 Semantic Kernel 进行深度学习和自然语言处理，结合.NET 8 和MasaBlazor前端框架，后台采用.NET 8+MasaFramework+SemanticKernel，实现了一个高效、易用、可扩展的智能向量搜索平台。我们的目标是提供一个能够理解和处理复杂查询的智能搜索解决方案，帮助用户快速准确地获取所需信息。
技術棧
- 前端框架：
MasaBlazor通过HttpClient实现前后分离 - 后端框架：
MasaFramework基于 .NET 8 使用MiniApis实现webApi功能，并且更高的性能 - 向量搜索引擎：使用
PostgreSQL的向量插件，优化搜索性能 - 深度學習與 nlp：微軟 semantic kernel，提升搜索的語義理解能力
- 許可證：apache-2.0，鼓勵社區貢獻和使用
特點
- 智能搜索：藉助 semantic kernel 的深度學習和自然語言處理技術，能夠理解複雜查詢，提供精準的搜索結果。
- 高性能：通過 pgsql 的向量插件優化向量搜索性能，確保即使在大數據量下也能快速響應。
- 現代化前端：使用 masablazor 前端框架，提供響應式設計和用戶友好的界面。
- 強大的後端：基於最新的.net 8 和 masaframework，確保了代碼的高效性和可維護性。
- 開源和社區驅動：採用 apache-2.0 許可證，鼓勵開發者和企業使用和貢獻。
項目部分截圖居間
添加知識庫：
上傳我們的文檔：
點擊上傳或將文檔推動到此處（暫僅支持 md 或 txt 等文本文件後續會支持 pdf 等格式）
上傳我們的文檔下面提供我們的文檔模板：
# 为什么选择 MASA Blazor？
## Blazor 是什么？
Blazor 是一个使用 .NET 生成交互式客户端 Web UI 的框架：
- 使用 C# 代替 JavaScript 来创建信息丰富的交互式 UI。
- 共享使用 .NET 编写的服务器端和客户端应用逻辑。
- 将 UI 呈现为 HTML 和 CSS，以支持众多浏览器，其中包括移动浏览器。
- 与新式托管平台（如 Docker）集成。
使用 .NET 进行客户端 Web 开发可提供以下优势：
- 使用 C# 代替 JavaScript 来编写代码。
- 利用现有的 .NET 库生态系统。
- 在服务器和客户端之间共享应用逻辑。
- 受益于 .NET 的性能、可靠性和安全性。
- 在 Windows、Linux 和 macOS 上使用 Visual Studio 保持高效工作。
- 以一组稳定、功能丰富且易用的通用语言、框架和工具为基础来进行生成。
## MASA Blazor 是什么？
基于 Material Design 设计和 BlazorComponent 的交互能力提供标准的基础组件库。提供如布局、弹框标准、Loading、全局异常处理等标准场景的预置组件。从更多实际场景出发，满足更多用户和场景的需求，缩短开发周期，提高开发效率，并提供一整套 Web 解决方案 - MASA Blazor Pro。
## 为什么选择 MASA Blazor？
MASA Blazor 基于 Material 设计规范，每一个组件都经过精心设计，具有模块化、响应式和优秀的性能。
MASA Blazor 是由一支专业的全职技术团队进行定期维护升级，高效的响应速度，多元化的解决方案，并提供企业级支持。目前已在知名企业使用，且 MASA 团队自研的 MASA Stack 产品线也将持续使用，除了可以保证项目质量，还可以持续的增加新的组件和功能。
MASA Stack 除了为开发者提供众多中台类开源项目，其最基础的组成部分之一 MASA Blazor 也希望可以打造成最实用的组件库。
## Masa Blazor 和 Token 有什么关系？
Token 是一个 01 年的.NET 程序员，热爱开源，Token 经常对于 Masa 的开源项目进行贡献开源代码，他们的渊源就像是上天指定的一样，Masa Blazor 是一个非常不错的开源项目哦。
## 优势：
- 丰富组件：包含 Vuetify 1:1 还原的基础组件，以及很多实用的预置组件和.Net 深度集成功能，包括 Url、面包屑、导航三联动，高级搜索，i18n 等。
- UI 设计语言：设计风格现代，UI 多端体验设计优秀。
- 专业示例：MASA Blazor Pro 提供多种常见场景的预设布局。
- 简易上手：丰富详细的上手文档，免费的视频教程（制作中）。
- 社区活跃鼓励：用户参与实时互动，做出贡献加入我们，构建最开放的开源社区。
- 长期支持：全职团队维护，并提供企业级支持。
點擊下一步數據處理：
在這裡我們提供了直接拆分和問答拆分（暫未實現）
我們修改了自定義處理的參數，這個數值會影響到文檔拆分，如果拆分得當回復的效果會更好，如果拆分過大會導致 token 消耗太大可能導致欠費，然後我們再點擊下一步：
在這裡我們可以看到所有的需要上傳的文件，在這裡的步驟是先將文件上傳到伺服器，然後會將數據添加到後台，並且進行向量化數據，這個過程會比較長具體看文檔內容。
上傳完成以後列表會顯示上傳的數據，點擊查看可以查看到拆分的文檔的所有數據
點擊查看詳情能看到所有的信息
點擊應用->創建應用：
打開應用然後店家選擇知識庫，將剛剛添加的知識庫於當前應用綁定，然後點擊保存修改，，這樣對話的時候就會搜索綁定的知識庫了，在這裡我們也可以修改一些應用參數，比如開場白或角色的 prompt 定義：
然後我們點擊聊天，然後輸入我們的知識庫的內容
問：masa blazor 和 token 有什麼關係？
我們可以看到以上知識庫的回覆效果，如果你是直接提問 gpt 的話就不把你知道 token 是誰!知識庫再一定情況下能彌補 ai 的欠缺，再比如定製我們的企業文檔的時候只需要吧文檔全部給知識庫然後將應用做成一個對話我們就可以為客戶提供一個體驗更好的文檔小助手，甚至於可以替代非常多的客服人力成本，如果你有更深的定製需求可以聯繫我微信：hjl010426
項目開源
FastWiki采用 Apache-2.0，您也可以完全商用不会有任何版权纠纷
GitHub: https://github.com/239573049/fast-wiki Gitee: https://gitee.com/hejiale010426/fast-wiki
FastWiki技术交流群：
