知识库备份最容易在三个地方失真:导出范围按成员身份变化、文件库同步不看差异、爬取没跑完就先清旧页。4.17.3 的接口与行为为此收了口径,核对按下面三组做。
导出范围
入口在知识库接口 /api/core/dataset/exportAll。核对动作是把批量备份脚本从“一次导出全部”改为逐库调用,每次记录库标识与执行账号;导出后比对文件数与库内可见文件数。失败表现是备份包比库里少一批文件,原因是启用了文件级权限,导出只含当前成员可读的部分。边界:同一账号导两次结果应一致,不一致说明导出期间有人在改权限。
逐库导出会拉长备份窗口,按库大小排序执行,把大库放在前面。导出期间不改文件权限,否则同一批备份里会出现两种可见范围。
文件库同步
入口在知识库的数据源设置里。核对动作是同步前先拉一次远端目录清单,与本地已有文件做差异比对,确认新增、更新、删除三类分别有多少,再执行同步。失败表现是同步后远端已删除的文件仍留在库里,或重复建了一份。边界:差异核对先于同步执行,同步动作本身不替你判断该不该删。
差异结果落成三张清单:新增、更新、删除。删除清单在执行前人工过一遍,由爬虫或外部系统写入的库尤其要过,那里的一次误删往往没有本地副本。
网站爬取的清理时机
入口在网站数据源的爬取记录。核对动作是确认本次爬取已完整结束,再让旧页清理执行;爬取中断或部分失败时,旧页保留。失败表现是站点临时不可达,一轮爬取后库里旧内容被清空。边界:这一条约束的是清理时机,不改变爬取本身的去重规则。
备份交付的三项记录
入口在备份任务清单。核对动作是每份备份记录执行账号、导出时间与条目数;跨版本恢复前先确认目标版本,导出格式随版本变化;恢复后抽查文件级权限是否随内容一起还原。失败表现是恢复后所有人都能看全库。边界:权限是恢复时需要单独确认的一项,不随文件内容自动对齐。
备份周期按内容变化频率定:文档型知识库变化慢,一周一次够用;由爬虫或接口写入的库变化快,按天更稳妥。周期定得比变化还快,只会堆出一批几乎相同的备份,真要回滚时反而难挑。
数据来源
| Source | Version | Document |
|---|---|---|
| FastGPT | v4.17.3 | self-host/upgrading/4-17/4173 |
| FastGPT | v4.17.1 | self-host/upgrading/4-17/4171 |