FastGPT が中国語圏で名を知られた理由は二つある。そのまま動く知識の問答の仕組みと、視覚的な流れとエージェントの編成を別々に売らず同じ基盤に載せたことだ。公式の文書は、大規模な言語モデルを土台にしたエージェントのアプリ開発基盤と定義し、知識の問答、視覚的な流れ、エージェントの編成、道具の呼び出し、技能の拡張を一か所に集めると記す。国際のページは相手をより露骨に示し、企業向け AI の生産性のエンジンと名乗って、安全で制御できる企業向けエージェントを約束する。

六つの売りは、どれも制御に向いている

ページは売りを六つに分ける。生産に耐えるエージェント、つまり積み木のように業務のエージェントを組み、視覚的な流れと拡張できる API の生態を添える。企業の知識の置き場、混成の検索で作り話を減らし、資料を自動で清め、その場で更新する。大きなモデルの生涯にわたる管理で、各社のモデルを繋げ、調べと監査を添える。生産に耐える構造で、一度だけの入場と役割の権限を支え、人ごとに見え方が変わる安全な玄関にする。そして調査からあつらえの試作までの伴走。

業種ごとのまとめは職能で切り分ける。販売と広告、接客と運用、事務と人事、財務と法務。販売の側には三つの例が置かれ、賢い販売の相棒、金融の相場の報せ、販売の訓練の相手が並ぶ。

事例の区画は形容詞ではなく測った結果で書かれている。研究開発の知識の相棒は、訓練の周期を一週間以上縮め、同じ問いを一成減らし、検索の時間を三十秒にした。基金の報告書の自動化は、自動化の割合を九割以上にし、資料の誤りを一パーセント未満に抑えた。経費の審査は、審査の効きを五割上げ、異例の見つけを七割増やし、最終審査の誤りを六割減らした。接客は応答を秒の単位にし、人への引き継ぎを四二パーセント減らした。千社を超える企業を支えたと公式は述べ、役務を四つに分ける。開かれた生態の支援、専門家の相談、立ち上げの補助、企業向けのあつらえ。

力が実際に入ったのは知識の置き場のほう

文書が資料の処理を独立した節にしているのが示唆的だ。PDF の複雑な作りを扱いながら画像、表、数式を残し、読み取った書類を自動で見分けて Markdown に組み直し、画像には自動で印を付けて索引する。つまり絵の中の内容も検索できる。説明には形式の一覧も足され、素の文と Markdown から HTML、PDF、Word や PowerPoint の書類、CSV や表計算まで並び、手で入れる、そのまま分ける、問答に割いて取り込む、在処から読む、CSV をまとめて取り込む、といった道も支える。

検索の側は複数の置き場の使い回しと混用、混成の検索と並べ替え、さらに API の知識の置き場を選べる。買う側が最も厳しく試すべきはここで、答えが正しい段落を引いているかどうかを決める部分だ。

編成と調べ：本当の一覧はリポジトリにある

説明は中核の機能を五つに分ける。宣伝の文より参考になる。アプリの編成には、エージェントの技能の編成、会話とプラグインの流れ（基礎的な RPA の節点を含む）、双方向の MCP が入る。調べの側には、知識の置き場の一点検索の試験、引用を直したり消したりできる会話の戻り、呼び出しの連なりの記録、アプリの評価が入る。プラグインは系統の道具、検索拡張の部品、エージェントの輪の稼働中の更新を支える。運用の側には、入場なしで見せる窓、iframe での埋め込み、会話の記録を一括で見て印を付けることが入る。

接点の層では、API が OpenAI の公式の形に完全に揃い、国内の大きな仕事の場への接続が短い一歩で済むと文書は記す。配備はコンテナの命令一つで設定を引き、そのまま起動する。すべて立ち上がれば、サービスは地元の 3000 番で応える。

許諾が商用の境界を引いている

商用を考える班はこの段落を二度読むべきだ。リポジトリは FastGPT の開かれた許諾を採る。後ろのサービスとしてそのまま商用に使うことは許すが、SaaS として提供することは許さない。商用の許諾がない場合、どんな形の商用の役務でも著作の表示を残さねばならない。平たく言えば、自分で使い自分の組織に提供するのは許され、FastGPT を包んで他人に役務として売るには商用の許諾が要る。

リポジトリは約 29,700 の星、7,300 の分岐、200 人の貢献者、276 の公開された版を示し、言語は TypeScript が主だ。国際のページも中国語のページも、いまは価格の一覧を出していない。雲も私有の配備も商談で見積もられ、数字は管理画面に出る。ここでは一つも引かない。

向いている人

三つの層が、公式の文書が敷いた道に合う。中国語の資料で私有の知識の問答を要する班には、多形式の取り込みと混成の検索という、この企画が最も力を入れた部分がある。問答を既に使っている経路に繋ぎたい業務の側には、API が OpenAI の形に揃うため接続の費えが低い。知識と流れとエージェントの編成を三つに分けず一つの基盤で維持したい技術の班にも合う。

一つ気をつけたい。立ち上げと支援、つまり専門家の相談、立ち上げの補助、企業向けのあつらえは商用の版に含まれる。届ける確かさが要る企画なら、先に共同体の版を動かし、そのあとで商用の版を見るほうがよい。順序は逆にしない。

事例の数字をどう読むか

提供元が出す効き目の数字は、精度ではなく向きとして読むものだ。報告書の自動化が九割以上という言い方が役に立つのは、その仕事が今や機械が担い人が確かめる形になったという意味だからで、資料の誤りが一パーセント未満という言い方が役に立つのは、残った仕事が照合だという意味だからだ。どちらも自分の語料でどうなるかは教えてくれず、入る書類が調整済みの種類だという前提を静かに置いている。正直な試し方は、自分の置き場で最も組みの悪い PDF を放り込むことだ。

正直に二点

第一に、どちらのページにも公開の価格はなく、この記事は一つも引かない。予算を組む人は商談を本当の出どころとすべきだ。第二に、前述の許諾の違いは形式の問題ではない。その上に建てた役務を売れるかどうかを決めるのだから、製品を設計する前に許諾の原文を読み終えるべきだ。

知識の置き場の製品の分かれ目は、答えられるかではなく、組みの乱れた PDF を放り込んだ後、返ってくる引用が本当に正しいかにある。