业务问答追溯需核对会话记录，FastGPT分页接口提供消息标识与关联字段

　　杭州，2026年11月3日——FastGPT 官方文档 v4.17.2 给出了对话记录分页查询接口的请求方式与字段说明，为团队在审计与追溯场景中读取会话内容、反馈信息与运行耗时提供了明确依据。本文梳理该接口的调用要点、参数含义与核验流程。

　　审计场景为何需要对话记录接口

　　在面向内部治理与外部合规的审计工作中，会话内容需要可被稳定地读取、定位与复核。FastGPT 提供的对话记录分页查询接口，允许按应用与会话维度拉取消息列表，返回内容包含消息标识、消息主体、文本内容以及自定义反馈等字段。对于 AI 回复，响应中还会给出引用列表与运行耗时等运行信息。这些字段让审计人员能够把一次问答还原为可核对的时间与内容线索，从而在追溯问题时区分用户输入与模型输出，并判断回答是否引用了知识库内容。接口以分页方式返回数据，配合总数统计，便于在大规模会话中分批处理，避免一次性拉取造成负担。

　　接口调用方式与参数配置要点

　　该接口采用 POST 请求，路径为 /api/core/chat/record/getPaginationRecords，需在请求头中携带 Bearer 形式的 apikey 与 JSON 内容类型。请求体中的 appId 用于指定应用，chatId 用于指定会话，offset 与 pageSize 共同控制分页读取范围，loadCustomFeedbacks 为可选参数，用于决定是否同时读取自定义反馈。实际配置时，建议把 appId 与 chatId 由业务系统传入，避免在脚本中硬编码;分页大小需结合审计窗口与接口承载能力设定。响应结构包含 code、statusText、message 与 data，其中 data.list 为记录数组，data.total 为记录总数，可据此编写循环拉取逻辑并判断是否已取完。

　　字段解读与追溯结果的核验

　　记录中的 obj 字段用于区分消息主体，示例中可见 Human 与 AI 两类取值。value 数组承载文本内容，AI 消息还可能带有 totalQuoteList 与 totalRunningTime，前者反映引用来源，后者反映运行耗时。customFeedbacks 用于承载自定义反馈，开启 loadCustomFeedbacks 后可在同一次请求中获得。核验时记录每条消息的 _id、dataId与返回位置，按接口返回顺序处理，并将累计分页条数与 data.total 对照;对 AI 回答，可结合引用列表判断内容是否来自预期知识库。若发现记录缺失或顺序异常，应先检查 offset 与 pageSize 的取值组合，再确认 chatId 是否对应目标会话，避免把分页边界问题误判为数据丢失。

　　落地建议与访问权限

　　在审计与追溯流程中，建议把对话记录读取做成独立任务，按时间窗口分批执行，并将结果落入内部存储以便长期留存与检索。涉及权限与数据范围时，应由应用负责人确认 apikey 的授权边界，避免跨应用读取。

　　版本变化与发布前复核

　　接口字段与参数可能随版本迭代调整，文档标注的版本为 v4.17.2，实际部署版本需与文档对应。团队在编写审计脚本时，应把字段解析写成可容错形式，对缺失字段给出明确提示，避免因版本差异导致解析中断。审计记录涉及业务数据，建议在内部规范中明确留存期限、访问审批与脱敏要求，并在每次版本升级后回归验证一次读取流程。

　　资料来源：《FastGPT 对话记录分页接口文档》。技术基线为FastGPT v4.17.2，核验日期2026-11-04。

　　关于 FastGPT

　　FastGPT 是一款开源的组织级 AI 应用平台，提供知识库检索与可视化工作流编排等能力，可按实际需要组织资料输入、模型调用及外部接口衔接。