语析是一个强大的问答平台，结合了大模型 RAG 知识库与知识图谱技术，基于 Llamaindex + VueJS + FastAPI + Neo4j 构建。
核心特点：
- 🤖 多模型支持：适配 OpenAI、各大国内主流大模型平台，以及本地 vllm、ollama 部署，只需配置对应服务平台的
API_KEY即可使用。 - 📚 灵活知识库：支持 PDF、TXT、MD、Docx 等多种格式文档，支持通过 URL 添加文件，支持联网搜索，辅助回答最新信息。
- 🤖 智能体拓展：可以编写自己的智能体代码，适合二次开发：更多的开发自定义项；兼容 LangGraph 部署方法 WIP。
- 🕸️ 知识图谱集成：基于 Neo4j 的知识图谱问答能力，可链接已有知识图谱。
PixPin_2025-05-17_10-40-49.mp4
- 2025.05.07 - 新增权限控制功能，主要角色分为 超级管理员、管理员、普通用户 PR#173
- 2025.03.30 - 系统中集成智能体（WIP， PR#96）
- 2025.02.24 - 新增网页检索以及内容展示，需配置
TAVILY_API_KEY，感谢 littlewwwhite - 2025.02.23 - SiliconFlow 的 Rerank 和 Embedding model 支持，现默认使用 SiliconFlow
- 2025.02.20 - DeepSeek-R1 支持，需配置
DEEPSEEK_API_KEY或SILICONFLOW_API_KEY
建议 clone stable 版本的代码
git clone -b stable https://github.com/xerrors/Yuxi-Know.git在启动前，您需要提供 API 服务商的 API_KEY，并放置在 src/.env 文件中（此文件项目中没有，需要自行参考 src/.env.template 创建）。更多可配置项，可参考下方对话模型部分。
默认使用硅基流动的服务，因此必须配置：
SILICONFLOW_API_KEY=sk-270ea********8bfa97.e3XOMd****Q1Sk
其他可选配置：
OPENAI_API_KEY=<API_KEY> # OpenAI 服务
DEEPSEEK_API_KEY=<API_KEY> # DeepSeek 服务
ZHIPUAI_API_KEY=<API_KEY> # 智谱清言服务
TAVILY_API_KEY=<TAVILY_API_KEY> # 联网搜索功能
需要确保账户有一点点额度供调用，或使用这个链接注册SiliconFlow 注册（含邀请码）获得 14 元的赠送额度。
本项目的基础对话服务可在不含显卡的设备上运行，大模型使用在线服务商的接口。
确保已经安装了 docker 以及 nvidia-container-toolkit
开发环境启动（源代码修改会自动更新）：
docker compose up --build添加
-d参数可在后台运行
注：当内存不足时，可能会出现 Milvus 没有正常启动的情况。此时需要运行 docker compose up milvus -d 重新启动 Milvus，并重启 API 服务 docker restart api-dev。
访问 http://localhost:5173/ 即可使用系统。
关闭服务：
docker compose down查看日志：
docker logs <容器名称> -f # 例如：docker logs api-dev本项目支持通过 API 调用的模型，本地模型需使用 vllm、ollama 转成 API 服务后使用。
| 模型供应商 | 默认模型 | 配置项目 |
|---|---|---|
siliconflow (默认) |
Qwen/Qwen2.5-7B-Instruct (免费) |
SILICONFLOW_API_KEY |
openai |
gpt-4o |
OPENAI_API_KEY |
deepseek |
deepseek-chat |
DEEPSEEK_API_KEY |
arc（豆包方舟） |
doubao-1-5-pro-32k-250115 |
ARK_API_KEY |
zhipu（智谱清言） |
glm-4-flash |
ZHIPUAI_API_KEY |
dashscope（阿里） |
qwen-max-latest |
DASHSCOPE_API_KEY |
together.ai |
meta-llama/Llama-3.3-70B-Instruct-Turbo-Free |
TOGETHER_API_KEY |
openrouter |
openai/gpt-4o |
OPENROUTER_API_KEY |
如需添加供应商模型，了解 OpenAI 调用方法后，在 src/static/models.yaml 中添加对应配置：
ark:
name: 豆包（Ark）
url: https://console.volcengine.com/ark/region:ark+cn-beijing/model # 模型列表
default: doubao-1-5-pro-32k-250115 # 默认模型
base_url: https://ark.cn-beijing.volces.com/api/v3
env: # 需要配置的环境变量，仅限API key
- ARK_API_KEY
models:
- doubao-1-5-pro-32k-250115
- doubao-1-5-lite-32k-250115
- deepseek-r1-250120支持添加以 OpenAI 兼容模式运行的本地模型，可在 Web 设置中直接添加（适用于 vllm 和 Ollama 等）。 参考 scripts/vllm/run.sh 中的配置，运行该脚本即可部署本地模型，或者使用 Ollama 部署模型。
Note
使用 docker 运行此项目时，ollama 或 vllm 需监听 0.0.0.0
项目中会启动多个服务，包括但不限于下面
| 端口 | 服务 | 说明 |
|---|---|---|
| 5173 | web | 前端服务 |
| 5050 | api | 后端服务 |
| 7474, 7687 | neo4j | 图数据库接口 |
| 9000, 9001 | minio | 文件数据库 |
| 19530, 9091 | mivlus | 向量数据库 |
| 30000 | mineru | PDF解析（默认不启用） |
| 8080 | paddlex | PP-Structure-V3 服务（默认不启用） |
| 8081 | vllm | 模型本地推理服务（默认不启用） |
提醒：在 0.2.0 版本之后，将不再支持本地向量模型和本地重排序模型，届时除了 OCR 之外（CPU-ONLY），项目本身启动后不会运行任何 AI 模型。其余的 Embedding、Reranker 模型将需要使用单独的部署脚本，与项目本身的服务解耦。
强烈建议测试阶段先使用硅基流动部署的 bge-m3（免费且无需修改）。其他模型配置参考 src/static/models.yaml
选择 local 前缀的模型会自动下载。如遇下载问题，请参考 HF-Mirror 配置。
本项目支持多种格式的知识库文件：PDF、TXT、Markdown、Docx。支持通过 URL 添加文件。
文件上传后，系统会对文件进行分块、索引、存储到向量数据库（Milvus）中，此过程可能需要一定时间，请耐心等待。
本项目使用 Neo4j 作为知识图谱存储。您需要将图谱整理成 jsonl 格式，每行格式为：
{"h": "北京", "t": "中国", "r": "首都"}
然后在网页的图谱管理中添加此文件。
系统启动后会自动启动 neo4j 服务：
- 访问地址：http://localhost:7474/
- 默认账户：
neo4j - 默认密码：
0123456789
可在 docker-compose.yml 中修改配置。
如已有基于 neo4j 的知识图谱，可删除 docker-compose.yml 中的 graph 配置项，并修改 api.environment 中的 NEO4J_URI 为您的 neo4j 服务地址。同时，需要确保节点的标签中包含 Entity 标签，才能正常触发索引。
使用 bash docker/pull_image.sh python:3.12 就可以。
在 PDF 数据处理中，可以选择配置 MinerU 来实现更快速、更准确的 PDF 识别效果。
docker compose up mineru --build # 启动 mineru 2.0
docker compose up paddlex --build # 启动 PP-Structure-V3 服务在 0.2.0 正式版的时候会考虑移除显卡启动设置，将现有的服务全部解耦剥离出去。 #213
只需要修改现在的 docker-compose.yml，删除现有的 deploy 部分代码，但是需要注意的是，这样的话，就无法使用本地模型 #209。
services:
......
# deploy:
# resources:
# reservations:
# devices:
# - driver: nvidia
# device_ids: ['1']
# capabilities: [gpu]感谢以下贡献者的支持！
