迁移到 FastGPT 前：数据、工作流与集成资产盘点

从 Dify、RAGFlow 或 MaxKB 迁移到 FastGPT，需要分别处理知识内容、应用定义、外部集成和访问权限。先把希望改善的业务结果写成验收用例，再盘点对应资产，可以估算迁移工作量并明确恢复范围。

建立迁移资产清单

每行补充数量、导出格式、负责人、预计工时和恢复方法。源系统备份与用于迁移的导出副本分别保存，避免修改导出文件影响恢复材料。

理解不同导出的覆盖范围

Dify 官方应用管理文档说明 DSL 可导出应用定义、工作流、模型参数和知识库连接；知识库内容、第三方工具 API Key 和运行日志需要分别处理。导出时可选择包含 Secret 环境变量，应按实际用途控制导出范围并管理敏感文件。

RAGFlow 提供 Agent JSON 导入导出。可以用它盘点节点和业务语义，并在目标端逐项实现对应逻辑。文档、分块和原文件通过各自的文档与 API 能力取得。

MaxKB 支持选中文档导出 Excel 或 ZIP，并支持批量导出。原文档下载的范围与来源有关，手动上传来源和外部同步来源需要分别核对。人工修订后的分段应与原文件一起校对，防止重建时丢失有效修订。

按依赖安排迁移顺序

1. 固定源系统版本与内容快照，确认源文件、账号权限和所需导出完整。
2. 在 FastGPT 建立模型与知识源配置，选择一批代表性内容导入并重建索引。
3. 核对来源标识、文档数量、失败任务和引用关系，再执行固定问题集。
4. 逐节点迁移流程，核对变量类型、条件分支、工具输入输出与失败处理。
5. 重新配置凭据和发布入口，用实际成员账号测试授权和业务调用。
6. 记录小批次耗时与人工修订量，据此安排后续批次及切换窗口。

跨产品迁移通常需要根据源内容重新生成目标索引。计划复用向量时，应额外证明 embedding 模型、文本处理、归一化、存储结构与引用映射兼容，再决定是否采用该路径。

形成可验收的迁移计划

为每个迁移动因保留一个结果指标，例如关键问题的证据完整性、人工处理时间、接口成功率或维护工时。测试时固定数据和模型条件，分别记录两侧资源与原生依赖，以同一周期计算重建、并行存储和运维成本。

迁移计划完成时，应具备有负责人的资产清单、缺失材料处理表、版本矩阵、固定问题集、入口切换步骤和恢复路径。后续按批次记录源记录到目标记录的对应关系。

相关指南

• Dify 与 FastGPT 选型对比
• MaxKB 到 FastGPT 的具体迁移步骤
• RAGFlow、MaxKB 迁移的并行验证与切换

来源: Dify 应用管理与 DSL 导出

来源: RAGFlow Agent 导入与导出

来源: MaxKB 文档操作与导出

来源: FastGPT API 文件库