开篇问题第八篇我们从/api/v1/chat/completions看到了聊天主链路,第九篇进一步拆解了鉴权、权限、频控和用量。这一篇继续沿着同一条链路往下看:一次聊天完成后,FastGPT 到底把什么保存到了数据库?这个问题看似简单,实际牵涉很多设计:会话列表如何展示。Human 消息和 AI 消息如何表达。文件、图片、工具调用、交互节点、引用信息如何持久化。流式生成失败时如何恢复状态。节点响应详情为什么不直接塞进 AI 消息。用户反馈、错误统计、应用运营数据如何从对话记录中汇总。标题生成、收藏应用、输入引导这些辅助能力如何围绕会话工作。FastGPT 的聊天数据不是一张表解决,而是多张表协同:chats - chat_items - chat_item_responses - app_chat_logs - chat_favourite_apps - chat_input_guides本篇重点拆解这些模型,以及它们如何支撑一次完整聊天。数据模型总览
FastGPT | 10 - 会话、消息与对话记录模型
开篇问题第八篇我们从/api/v1/chat/completions看到了聊天主链路,第九篇进一步拆解了鉴权、权限、频控和用量。这一篇继续沿着同一条链路往下看:一次聊天完成后,FastGPT 到底把什么保存到了数据库?这个问题看似简单,实际牵涉很多设计:会话列表如何展示。Human 消息和 AI 消息如何表达。文件、图片、工具调用、交互节点、引用信息如何持久化。流式生成失败时如何恢复状态。节点响应详情为什么不直接塞进 AI 消息。用户反馈、错误统计、应用运营数据如何从对话记录中汇总。标题生成、收藏应用、输入引导这些辅助能力如何围绕会话工作。FastGPT 的聊天数据不是一张表解决,而是多张表协同:chats - chat_items - chat_item_responses - app_chat_logs - chat_favourite_apps - chat_input_guides本篇重点拆解这些模型,以及它们如何支撑一次完整聊天。数据模型总览