ChatGPT-Next-Web/docs/rag-cn.md

RAG 功能配置说明

Warning

新版本将向量库从 qdrant 变更为 supabase，请注意相关参数变更！

效果图

原理

以下为早期实现原理，部分逻辑与最新版本存在差异，仅供参考

使用须知

• 由于接口中使用 nodejs 运行时，在 vercel 环境下接口可能会超时，建议使用 docker 部署
• 由于其他插件会影响到模型对 RAG 检索插件的调用，所以目前的做法是上传文件后默认只保留 RAG 插件的开启，其他插件将被禁用
• 已创建的向量数据不会删除
• 同一聊天窗口内即使“清除聊天”也可以访问已经上传的文件内容

支持的文件类型

• txt
• md
• pdf
• docx
• csv
• json
• srt
• mp3 (基于OpenAIWhisper)

配置

1. 登录 https://supabase.com 并创建一个账户
2. 在控制面板中创建一个项目
3. 在 Project Settings API Settings 中获取 URL 和 service_role secret
4. 完善下面的环境变量配置后即可使用

环境变量

ENABLE_RAG

如果你想启用 RAG 功能，将此环境变量设置为 1 即可。

SUPABASE_URL

supabase 项目 url。

SUPABASE_PRIVATE_KEY

supabase 项目 service_role secret。

RAG_CHUNK_SIZE （可选）

分割后文档的最大大小（按字符数计算），默认：2000。

RAG_CHUNK_OVERLAP （可选）

分割文档时块重叠数量，默认：200。

RAG_RETURN_COUNT （可选）

检索时返回的文档数量，默认：4。

RAG_EMBEDDING_MODEL （可选）

向量化时使用的向量模型，默认：text-embedding-3-large。 可选项：

• text-embedding-3-small
• text-embedding-3-large
• text-embedding-ada-002

OLLAMA_BASE_URL （可选）

新增支持 ollama embedding 模型支持。

此处配置为 ollama 服务地址，如：http://localhost:11434

配置后请修改参数 RAG_EMBEDDING_MODEL 为 ollama 的 embedding 模型名。