mirror of
https://github.com/RYDE-WORK/Langchain-Chatchat.git
synced 2026-01-19 13:23:16 +08:00
9c525b7fa5
新功能： - 优化 PDF 文件的 OCR，过滤无意义的小图片 by @liunux4odoo #2525 - 支持 Gemini 在线模型 by @yhfgyyf #2630 - 支持 GLM4 在线模型 by @zRzRzRzRzRzRzR - elasticsearch更新https连接 by @xldistance #2390 - 增强对PPT、DOC知识库文件的OCR识别 by @596192804 #2013 - 更新 Agent 对话功能 by @zRzRzRzRzRzRzR - 每次创建对象时从连接池获取连接，避免每次执行方法时都新建连接 by @Lijia0 #2480 - 实现 ChatOpenAI 判断token有没有超过模型的context上下文长度 by @glide-the - 更新运行数据库报错和项目里程碑 by @zRzRzRzRzRzRzR #2659 - 更新配置文件/文档/依赖 by @imClumsyPanda @zRzRzRzRzRzRzR - 添加日文版 readme by @eltociear #2787 修复： - langchain 更新后，PGVector 向量库连接错误 by @HALIndex #2591 - Minimax's model worker 错误 by @xyhshen - ES库无法向量检索.添加mappings创建向量索引 by MSZheng20 #2688
146 lines
4.9 KiB
Plaintext
146 lines
4.9 KiB
Plaintext
import os
|
||
|
||
# 默认使用的知识库
|
||
DEFAULT_KNOWLEDGE_BASE = "samples"
|
||
|
||
# 默认向量库/全文检索引擎类型。可选：faiss, milvus(离线) & zilliz(在线), pgvector,全文检索引擎es
|
||
DEFAULT_VS_TYPE = "faiss"
|
||
|
||
# 缓存向量库数量（针对FAISS）
|
||
CACHED_VS_NUM = 1
|
||
|
||
# 缓存临时向量库数量（针对FAISS），用于文件对话
|
||
CACHED_MEMO_VS_NUM = 10
|
||
|
||
# 知识库中单段文本长度(不适用MarkdownHeaderTextSplitter)
|
||
CHUNK_SIZE = 250
|
||
|
||
# 知识库中相邻文本重合长度(不适用MarkdownHeaderTextSplitter)
|
||
OVERLAP_SIZE = 50
|
||
|
||
# 知识库匹配向量数量
|
||
VECTOR_SEARCH_TOP_K = 3
|
||
|
||
# 知识库匹配的距离阈值，一般取值范围在0-1之间，SCORE越小，距离越小从而相关度越高。
|
||
# 但有用户报告遇到过匹配分值超过1的情况，为了兼容性默认设为1，在WEBUI中调整范围为0-2
|
||
SCORE_THRESHOLD = 1.0
|
||
|
||
# 默认搜索引擎。可选：bing, duckduckgo, metaphor
|
||
DEFAULT_SEARCH_ENGINE = "duckduckgo"
|
||
|
||
# 搜索引擎匹配结题数量
|
||
SEARCH_ENGINE_TOP_K = 3
|
||
|
||
|
||
# Bing 搜索必备变量
|
||
# 使用 Bing 搜索需要使用 Bing Subscription Key,需要在azure port中申请试用bing search
|
||
# 具体申请方式请见
|
||
# https://learn.microsoft.com/en-us/bing/search-apis/bing-web-search/create-bing-search-service-resource
|
||
# 使用python创建bing api 搜索实例详见:
|
||
# https://learn.microsoft.com/en-us/bing/search-apis/bing-web-search/quickstarts/rest/python
|
||
BING_SEARCH_URL = "https://api.bing.microsoft.com/v7.0/search"
|
||
# 注意不是bing Webmaster Tools的api key，
|
||
|
||
# 此外，如果是在服务器上，报Failed to establish a new connection: [Errno 110] Connection timed out
|
||
# 是因为服务器加了防火墙，需要联系管理员加白名单，如果公司的服务器的话，就别想了GG
|
||
BING_SUBSCRIPTION_KEY = ""
|
||
|
||
# metaphor搜索需要KEY
|
||
METAPHOR_API_KEY = ""
|
||
|
||
# 心知天气 API KEY，用于天气Agent。申请：https://www.seniverse.com/
|
||
SENIVERSE_API_KEY = ""
|
||
|
||
# 是否开启中文标题加强，以及标题增强的相关配置
|
||
# 通过增加标题判断，判断哪些文本为标题，并在metadata中进行标记；
|
||
# 然后将文本与往上一级的标题进行拼合，实现文本信息的增强。
|
||
ZH_TITLE_ENHANCE = False
|
||
|
||
# PDF OCR 控制：只对宽高超过页面一定比例（图片宽/页面宽，图片高/页面高）的图片进行 OCR。
|
||
# 这样可以避免 PDF 中一些小图片的干扰，提高非扫描版 PDF 处理速度
|
||
PDF_OCR_THRESHOLD = (0.6, 0.6)
|
||
|
||
# 每个知识库的初始化介绍，用于在初始化知识库时显示和Agent调用，没写则没有介绍，不会被Agent调用。
|
||
KB_INFO = {
|
||
"知识库名称": "知识库介绍",
|
||
"samples": "关于本项目issue的解答",
|
||
}
|
||
|
||
|
||
# 通常情况下不需要更改以下内容
|
||
|
||
# 知识库默认存储路径
|
||
KB_ROOT_PATH = os.path.join(os.path.dirname(os.path.dirname(__file__)), "knowledge_base")
|
||
if not os.path.exists(KB_ROOT_PATH):
|
||
os.mkdir(KB_ROOT_PATH)
|
||
# 数据库默认存储路径。
|
||
# 如果使用sqlite，可以直接修改DB_ROOT_PATH；如果使用其它数据库，请直接修改SQLALCHEMY_DATABASE_URI。
|
||
DB_ROOT_PATH = os.path.join(KB_ROOT_PATH, "info.db")
|
||
SQLALCHEMY_DATABASE_URI = f"sqlite:///{DB_ROOT_PATH}"
|
||
|
||
# 可选向量库类型及对应配置
|
||
kbs_config = {
|
||
"faiss": {
|
||
},
|
||
"milvus": {
|
||
"host": "127.0.0.1",
|
||
"port": "19530",
|
||
"user": "",
|
||
"password": "",
|
||
"secure": False,
|
||
},
|
||
"zilliz": {
|
||
"host": "in01-a7ce524e41e3935.ali-cn-hangzhou.vectordb.zilliz.com.cn",
|
||
"port": "19530",
|
||
"user": "",
|
||
"password": "",
|
||
"secure": True,
|
||
},
|
||
"pg": {
|
||
"connection_uri": "postgresql://postgres:postgres@127.0.0.1:5432/langchain_chatchat",
|
||
},
|
||
|
||
"es": {
|
||
"host": "127.0.0.1",
|
||
"port": "9200",
|
||
"index_name": "test_index",
|
||
"user": "",
|
||
"password": ""
|
||
},
|
||
"milvus_kwargs":{
|
||
"search_params":{"metric_type": "L2"}, #在此处增加search_params
|
||
"index_params":{"metric_type": "L2","index_type": "HNSW"} # 在此处增加index_params
|
||
}
|
||
}
|
||
|
||
# TextSplitter配置项，如果你不明白其中的含义，就不要修改。
|
||
text_splitter_dict = {
|
||
"ChineseRecursiveTextSplitter": {
|
||
"source": "huggingface", # 选择tiktoken则使用openai的方法
|
||
"tokenizer_name_or_path": "",
|
||
},
|
||
"SpacyTextSplitter": {
|
||
"source": "huggingface",
|
||
"tokenizer_name_or_path": "gpt2",
|
||
},
|
||
"RecursiveCharacterTextSplitter": {
|
||
"source": "tiktoken",
|
||
"tokenizer_name_or_path": "cl100k_base",
|
||
},
|
||
"MarkdownHeaderTextSplitter": {
|
||
"headers_to_split_on":
|
||
[
|
||
("#", "head1"),
|
||
("##", "head2"),
|
||
("###", "head3"),
|
||
("####", "head4"),
|
||
]
|
||
},
|
||
}
|
||
|
||
# TEXT_SPLITTER 名称
|
||
TEXT_SPLITTER_NAME = "ChineseRecursiveTextSplitter"
|
||
|
||
# Embedding模型定制词语的词表文件
|
||
EMBEDDING_KEYWORD_FILE = "embedding_keywords.txt"
|