在做Q3的总结，这里记录下代码部分

Q3中框架升级的点包括之前提到的基于SignalR的及时响应，已经适配了多个控件的多个属性方法，对于常用的方法代码变得非常简介，前台不用写自定义的回发提交

c#
        [HttpPost]
        [ValidateAntiForgeryToken]
        public async Task<IActionResult> LoadList2Data()
        {
            var MA003 = await FineUIAjaxHelpEx.QueryString("MA003");
            var list = await bLLORAC1.GetListBy10(MA003);
            await Grid1.DataBindAsync(list, showloading: true);
            return ResultAsync();
        }

cshtml
.Tools(F.Tool().IconFont(IconFont._Refresh).OnClickAsync(Url.Action("LoadList2Data")))

鉴于我是一个三分二半吊子.net开发血统的产品，这里做一下项目记录👨‍💻。

我一直在做公司内部的MES，但是还要兼顾公司深度数字化建设（其他有能力的开发团队还要赚钱💰），这里的数字化还是数字化，包含了系统化，平台化，之前可能是Excel加ERP，因为很“普遍”的原因，系统不可能一步到位🔝，所有要系统内和系统外（Excel📊）结合完成特定的业务，所以要加上“深度”两个字，逐步的规范，快捷，提效，可追溯（这里我假设个人整理的Excel文档是非正式的，尽管也依靠它运行了很多年💼），在此背景下做了业务中台的搭建🏗️，首先串联的是业务和财务。

最近在学习SemanticKernel ,参考使用 许泽宇 的 GraphRag.Net，遇到一个难题是本地模型无法准确返回格式化内容，比如JSON，但是像 gpt-4o-mini 返回的就比较稳定，又看了其他人的例子和官方的示例，还是有人成功的，所以感觉还是从提示词入手；

最后参考这篇文章Prompt 高级技巧：借助伪代码精准的控制 LLM 的输出结果和定义其执行逻辑 成功让 qwen2-7b 输出了JSON 格式，这里记录下提示词：

通过上次的笔记FastGPT + Ollama本地知识库（一） 环境已经安装完了，今天记录下FastGPT的使用，知识库的搭建,默认端口3000，用户名 root 密码 1234

1. 知识库

知识库创建需要 索引模型 文件处理模型 两个字段，我一般选择 bge-m3:chatfire/bge-m3:q8_0 和 qwen2 对中文支持友好，这两个都在我本地，运行的慢；其实也没搞清楚有啥区别，然后就是分段，默认就行，选择数据源就解析了，没啥操作；

这星期把Grid导出Excel又重写封装了一次，对于简单的导出干脆就用前台的配置列直接导出，写成了这样

[HttpPost]
[ValidateAntiForgeryToken]
public async Task<IActionResult> OnExcelDown()
{
    //得到数据
    var res = await GetData();
    //导出
    Grid1.OutputExcel(res);
    return ResultAsync();
}

重新获取数据还是有必要的，前台的数据不可信，OutputExcel 主要实现了重置列头（按前台Grid的列头），文件转为byte[]，保存文件输出服务器路径；这里记录下关键路径