gfast 快速开发框架 V3.4.1 的更新重点，已经从单纯的界面优化扩展到 AI 能力的后台管理。新版本更换了前端 UI 样式，登录页加入弹层滑块验证码，并新增大模型配置、知识库、MCP 服务和智能客服基座等能力，为企业应用接入 LLM 及相关服务提供了更清晰的管理入口。
这次升级改变了什么
全新的前端 UI
新版首先调整了整体前端 UI 样式。对于长期使用的后台系统来说，统一的视觉规范、菜单层级和交互反馈会直接影响日常操作效率。UI 改版的价值不只是更换颜色和组件，也包括让新增的 AI 管理模块能够自然融入现有后台。
登录验证流程更顺畅
登录页的滑块验证码改为弹层显示。用户完成验证后，系统会自动提交登录数据，减少手动点击和重复操作。
这类交互需要特别关注两个边界：验证码通过状态不能只依赖前端变量，服务端仍应校验验证凭证；登录失败后也要正确清理验证状态，避免旧凭证被重复使用。
AI 管理模块总览
V3.4.1 新增的 AI 相关能力集中在“大模型管理”区域，当前摘要中明确给出的菜单和路由包括：
| 后台菜单 | 路由 | 主要用途 |
|---|---|---|
| 大模型配置列表 | /llm/config |
管理接入的 LLM、Embedding、Rerank 模型 |
| MCP 服务器配置列表 | /llm/mcp |
管理 MCP 服务连接配置 |
从模块职责看，三类模型可以分别承担不同任务：LLM 用于对话和内容生成，Embedding 用于文本向量化和知识检索，Rerank 用于对候选内容重新排序。把它们拆开配置，比在业务代码中写死单一模型更利于替换供应商、调整成本和进行效果对比。
知识库和智能客服基座则可以进一步承接企业文档问答、内部知识检索以及客服自动化场景。实际落地时，建议把模型凭证、知识库数据和客服业务规则分别管理，避免配置边界混乱。
可以这样接入管理接口
下面是一个基于已公开路由的 HTTP 调用示例。由于摘要没有给出完整请求字段，示例中的字段名属于可改造的接口约定，接入项目时应以实际后端 API 定义为准。
# 查询已配置的大模型
curl -X GET "http://localhost:8080/llm/config?page=1&pageSize=20" \\
-H "Authorization: Bearer ${TOKEN}" \\
-H "Accept: application/json"
# 新增一个 LLM 配置，字段名按项目实际接口调整
curl -X POST "http://localhost:8080/llm/config" \\
-H "Authorization: Bearer ${TOKEN}" \\
-H "Content-Type: application/json" \\
-d '{
"name": "primary-chat-model",
"type": "llm",
"provider": "your-provider",
"model": "your-chat-model",
"endpoint": "https://api.example.com/v1",
"apiKey": "${LLM_API_KEY}",
"enabled": true
}'
# 查询 MCP 服务配置
curl -X GET "http://localhost:8080/llm/mcp?page=1&pageSize=20" \\
-H "Authorization: Bearer ${TOKEN}" \\
-H "Accept: application/json"
运行前需要把 localhost:8080、${TOKEN} 和 ${LLM_API_KEY} 替换为实际地址、登录令牌和模型凭证。生产环境不建议把 API Key 直接提交到配置文件或代码仓库，应使用环境变量、密钥管理服务或加密存储。
也可以把模型角色整理成项目级配置，便于在知识库和智能客服场景中明确调用关系：
llm:
chat: primary-chat-model
embedding: company-embedding-model
rerank: company-rerank-model
knowledge_base:
enabled: true
top_k: 5
rerank: true
mcp:
enabled: true
request_timeout_seconds: 15
这份 YAML 是部署侧的组织方式示例，不代表 V3.4.1 的固定配置格式。关键在于把生成、向量化、重排和工具服务拆成可替换的角色，并为超时、启用状态和检索数量留下明确配置。
上线时需要检查的事项
- 核对新版 UI 与现有自定义主题、菜单权限和浏览器兼容性。
- 验证滑块验证码通过、失败、超时和重复提交等状态。
- 确认登录接口在服务端校验验证码结果，不把安全判断完全放在浏览器端。
- 为 LLM、Embedding、Rerank 配置分别设置连通性测试和失败提示。
- 对 MCP 服务设置访问控制、请求超时和日志审计，避免工具调用无限等待或越权。
- 知识库上线前检查文档切分、向量模型、检索数量和重排策略。
- 智能客服场景应保留人工转接通道，并记录模型回答与引用依据。
- 对模型 API Key 进行脱敏展示、加密保存和权限隔离。
采用建议
如果现有 gfast 项目主要是传统后台业务，可以先完成 V3.4.1 的 UI 和登录流程验证，再逐步启用 AI 模块。模型配置适合先接入一个稳定的对话模型，随后补充 Embedding 和 Rerank；知识库和 MCP 服务则应在权限、数据边界和失败处理明确后再开放给真实用户。
这次版本更新的实际价值，不只是增加几个菜单，而是把模型、知识检索、工具服务和客服应用放进同一套后台管理框架。采用时应把它看成一次管理能力扩展，而不是简单的版本替换。