介紹
FastWiki
計畫是一個高效能、基於最新技術棧的知識庫系統，專為大規模資訊檢索和智慧搜尋設計。利用微軟Semantic Kernel進行深度學習和自然語言處理，結合.NET 8和
MasaBlazor
前端框架，後台采用
.NET 8
+
MasaFramework
+
SemanticKernel
，實作了一個高效、易用、可延伸的智慧向量搜尋平台。我們的目標是提供一個能夠理解和處理復雜查詢的智慧搜尋解決方案，幫助使用者快速準確地獲取所需資訊。
技術棧
前端框架：
MasaBlazor
透過
HttpClient
實作前後分離
後端框架：
MasaFramework
基於 .NET 8使用
MiniApis
實作
webApi
功能，並且更高的效能
向量搜尋引擎：使用
PostgreSQL
的向量外掛程式，最佳化搜尋效能
深度學習與NLP：微軟Semantic Kernel，提升搜尋的語意理解能力
授權證：Apache-2.0，鼓勵社群貢獻和使用
特點
智慧搜尋：借助Semantic Kernel的深度學習和自然語言處理技術，能夠理解復雜查詢，提供精準的搜尋結果。
高效能：透過pgsql的向量外掛程式最佳化向量搜尋效能，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，提供響應式設計和使用者友好的界面。
強大的後端：基於最新的.NET 8和MasaFramework，確保了程式碼的高效性和可維護性。
開源和社群驅動：采用Apache-2.0授權證，鼓勵開發者和企業使用和貢獻。
計畫部份截圖介紹
添加知識庫：
上傳我們的文件：
點選上傳或將文件推動到此處（暫僅支持md或txt等文字檔案後續會支持pdf等格式）
上傳我們的文件下面提供我們的文件樣版：
# 為什麽選擇 MASA Blazor？
## Blazor 是什麽？
Blazor 是一個使用 .NET 生成互動式客戶端 Web UI 的框架：
- 使用 C# 代替 JavaScript 來建立資訊豐富的互動式 UI。
- 共享使用 .NET 編寫的伺服器端和客戶端套用邏輯。
- 將 UI 呈現為 HTML 和 CSS，以支持眾多瀏覽器，其中包括行動瀏覽器。
- 與新式托管平台（如 Docker）整合。
使用 .NET 進行客戶端 Web 開發可提供以下優勢：
- 使用 C# 代替 JavaScript 來編寫程式碼。
- 利用現有的 .NET 庫生態系。
- 在伺服器和客戶端之間共享套用邏輯。
- 受益於 .NET 的效能、可靠性和安全性。
- 在 Windows、Linux 和 macOS 上使用 Visual Studio 保持高效工作。
- 以一組穩定、功能豐富且易用的通用語言、框架和工具為基礎來進行生成。
## MASA Blazor 是什麽？
基於Material Design設計和BlazorComponent的互動能力提供標準的基礎元件庫。提供如布局、彈框標準、Loading、全域例外處理等標準場景的偏好設定元件。從更多實際場景出發，滿足更多使用者和場景的需求，縮短開發周期，提高開發效率，並提供一整套Web解決方案 - MASA Blazor Pro。
## 為什麽選擇 MASA Blazor？
MASA Blazor 基於 Material 設計規範，每一個元件都經過精心設計，具有模組化、響應式和優秀的效能。
MASA Blazor 是由一支專業的全職技術團隊進行定期維護升級，高效的響應速度，多元化的解決方案，並提供企業級支持。目前已在知名企業使用，且MASA團隊自研的MASA Stack產品線也將持續使用，除了可以保證計畫品質，還可以持續的增加新的元件和功能。
MASA Stack 除了為開發者提供眾多中台類開源計畫，其最基礎的組成部份之一 MASA Blazor 也希望可以打造成最實用的元件庫。
## Masa Blazor和Token有什麽關系？
Token是一個01年的.NET程式設計師，熱愛開源，Token經常對於Masa的開源計畫進行貢獻開原始碼，他們的淵源就像是上天指定的一樣，Masa Blazor是一個非常不錯的開源計畫哦。
## 優勢：
- 豐富元件：包含Vuetify 1:1還原的基礎元件，以及很多實用的偏好設定元件和.Net深度整合功能，包括Url、麵包屑、導航三聯動，高級搜尋，i18n等。
- UI設計語言：設計風格現代，UI 多端體驗設計優秀。
- 專業範例：MASA Blazor Pro提供多種常見場景的預設布局。
- 簡易上手：豐富詳細的上手文件，免費的視訊教程（制作中）。
- 社群活躍鼓勵：使用者參與即時互動，做出貢獻加入我們，構建最開放的開源社群。
- 長期支持：全職團隊維護，並提供企業級支持。
點選下一步數據處理：
在這裏我們提供了直接拆分和問答拆分（暫未實作）
我們修改了自訂處理的參數，這個數值會影響到文件拆分，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，然後我們再點選下一步：
在這裏我們可以看到所有的需要上傳的檔，在這裏的步驟是先將檔上傳到伺服器，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件內容。
上傳完成以後列表會顯示上傳的數據，點選檢視可以檢視到拆分的文件的所有數據
點選檢視詳情能看到所有的資訊
點選套用->建立套用：
開啟套用然後店家選擇知識庫，將剛剛添加的知識庫於當前套用繫結，然後點選保存修改，，這樣對話的時候就會搜尋繫結的知識庫了，在這裏我們也可以修改一些套用參數，比如開場白或角色的prompt定義：
然後我們點選聊天，然後輸入我們的知識庫的內容
問：Masa Blazor和Token有什麽關系？
我們可以看到以上知識庫的回復效果，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，再比如客製我們的企業文件的時候只需要吧文件全部給知識庫然後將套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件小助手，甚至於可以替代非常多的客服人力成本，如果你有更深的客製需求可以聯系我微信：hjl010426
計畫開源
FastWiki
采用Apache-2.0，您也可以完全商用不會有任何版權糾紛
Github: https://github.com/239573049/fast-wiki Gitee: https://gitee.com/hejiale010426/fast-wiki
FastWiki
技術交流群：
