mirror of
https://github.com/infiniflow/ragflow.git
synced 2025-12-08 20:42:30 +08:00
eb51ad73d6
- The main idea is to assemble **ak**, **sk**, and **ep_id** into a
dictionary and store it in the database **api_key** field
- I don’t know much about the front-end, so I learned from Ollama, which
may be redundant.
### Configuration method
- model name
- Format requirements: {"VolcEngine model name":"endpoint_id"}
- For example: {"Skylark-pro-32K":"ep-xxxxxxxxx"}
- Volcano ACCESS_KEY
- Format requirements: VOLC_ACCESSKEY of the volcano engine
corresponding to the model
- Volcano SECRET_KEY
- Format requirements: VOLC_SECRETKEY of the volcano engine
corresponding to the model
### What problem does this PR solve?
_Briefly describe what this PR aims to solve. Include background context
that will help reviewers understand the purpose of the PR._
### Type of change
- [x] New Feature (non-breaking change which adds functionality)
529 lines
24 KiB
TypeScript
529 lines
24 KiB
TypeScript
export default {
|
||
translation: {
|
||
common: {
|
||
delete: '删除',
|
||
deleteModalTitle: '确定删除吗?',
|
||
ok: '是',
|
||
cancel: '否',
|
||
total: '总共',
|
||
rename: '重命名',
|
||
name: '名称',
|
||
save: '保存',
|
||
namePlaceholder: '请输入名称',
|
||
next: '下一步',
|
||
create: '创建',
|
||
edit: '编辑',
|
||
upload: '上传',
|
||
english: '英文',
|
||
chinese: '简体中文',
|
||
traditionalChinese: '繁体中文',
|
||
language: '语言',
|
||
languageMessage: '请输入语言',
|
||
languagePlaceholder: '请选择语言',
|
||
copy: '复制',
|
||
copied: '复制成功',
|
||
comingSoon: '即将推出',
|
||
download: '下载',
|
||
close: '关闭',
|
||
preview: '预览',
|
||
},
|
||
login: {
|
||
login: '登录',
|
||
signUp: '注册',
|
||
loginDescription: '很高兴再次见到您！',
|
||
registerDescription: '很高兴您加入！',
|
||
emailLabel: '邮箱',
|
||
emailPlaceholder: '请输入邮箱地址',
|
||
passwordLabel: '密码',
|
||
passwordPlaceholder: '请输入密码',
|
||
rememberMe: '记住我',
|
||
signInTip: '没有帐户？',
|
||
signUpTip: '已经有帐户？',
|
||
nicknameLabel: '名称',
|
||
nicknamePlaceholder: '请输入名称',
|
||
register: '创建账户',
|
||
continue: '继续',
|
||
title: '开始构建您的智能助手',
|
||
description:
|
||
'免费注册以探索顶级 RAG 技术。 创建知识库和人工智能来增强您的业务',
|
||
review: '来自 500 多条评论',
|
||
},
|
||
header: {
|
||
knowledgeBase: '知识库',
|
||
chat: '聊天',
|
||
register: '注册',
|
||
signin: '登录',
|
||
home: '首页',
|
||
setting: '用户设置',
|
||
logout: '登出',
|
||
fileManager: '文件管理',
|
||
},
|
||
knowledgeList: {
|
||
welcome: '欢迎回来',
|
||
description: '今天我们要使用哪个知识库？',
|
||
createKnowledgeBase: '创建知识库',
|
||
name: '名称',
|
||
namePlaceholder: '请输入名称',
|
||
doc: '文档',
|
||
searchKnowledgePlaceholder: '搜索',
|
||
},
|
||
knowledgeDetails: {
|
||
dataset: '数据集',
|
||
testing: '检索测试',
|
||
configuration: '配置',
|
||
files: '文件',
|
||
name: '名称',
|
||
namePlaceholder: '请输入名称',
|
||
doc: '文档',
|
||
datasetDescription: '😉 解析成功后才能问答哦。',
|
||
addFile: '新增文件',
|
||
searchFiles: '搜索文件',
|
||
localFiles: '本地文件',
|
||
emptyFiles: '新建空文件',
|
||
chunkNumber: '分块数',
|
||
uploadDate: '上传日期',
|
||
chunkMethod: '解析方法',
|
||
enabled: '启用',
|
||
disabled: '禁用',
|
||
action: '动作',
|
||
parsingStatus: '解析状态',
|
||
processBeginAt: '流程开始于',
|
||
processDuration: '过程持续时间',
|
||
progressMsg: '进度消息',
|
||
testingDescription: '最后一步！ 成功后，剩下的就交给Infiniflow AI吧。',
|
||
topK: 'Top K',
|
||
topKTip:
|
||
'对于计算成本，并非所有检索到的块都会计算与查询的向量余弦相似度。 Top K越大，召回率越高，检索速度越慢。',
|
||
similarityThreshold: '相似度阈值',
|
||
similarityThresholdTip:
|
||
'我们使用混合相似度得分来评估两行文本之间的距离。 它是加权关键词相似度和向量余弦相似度。 如果查询和块之间的相似度小于此阈值，则该块将被过滤掉。',
|
||
vectorSimilarityWeight: '向量相似度权重',
|
||
vectorSimilarityWeightTip:
|
||
'我们使用混合相似度得分来评估两行文本之间的距离。 它是加权关键词相似度和向量余弦相似度。 两个权重之和为 1.0。',
|
||
testText: '测试文本',
|
||
testTextPlaceholder: '请输入您的问题！',
|
||
testingLabel: '测试',
|
||
similarity: '混合相似度',
|
||
termSimilarity: '关键词相似度',
|
||
vectorSimilarity: '向量相似度',
|
||
hits: '命中数',
|
||
view: '看法',
|
||
filesSelected: '选定的文件',
|
||
upload: '上传',
|
||
run: '启动',
|
||
runningStatus0: '未启动',
|
||
runningStatus1: '解析中',
|
||
runningStatus2: '取消',
|
||
runningStatus3: '成功',
|
||
runningStatus4: '失败',
|
||
pageRanges: '页码范围',
|
||
pageRangesTip:
|
||
'页码范围：定义需要解析的页面范围。 不包含在这些范围内的页面将被忽略。',
|
||
fromPlaceholder: '从',
|
||
fromMessage: '缺少起始页码',
|
||
toPlaceholder: '到',
|
||
toMessage: '缺少结束页码（不包含）',
|
||
layoutRecognize: '布局识别',
|
||
layoutRecognizeTip:
|
||
'使用视觉模型进行布局分析，以更好地识别文档结构，找到标题、文本块、图像和表格的位置。 如果没有此功能，则只能获取 PDF 的纯文本。',
|
||
taskPageSize: '任务页面大小',
|
||
taskPageSizeMessage: '请输入您的任务页面大小！',
|
||
taskPageSizeTip: `如果使用布局识别，PDF 文件将被分成连续的组。 布局分析将在组之间并行执行，以提高处理速度。 “任务页面大小”决定组的大小。 页面大小越大，将页面之间的连续文本分割成不同块的机会就越低。`,
|
||
addPage: '新增页面',
|
||
greaterThan: '当前值必须大于起始值！',
|
||
greaterThanPrevious: '当前值必须大于之前的值！',
|
||
selectFiles: '选择文件',
|
||
changeSpecificCategory: '更改特定类别',
|
||
uploadTitle: '点击或拖拽文件至此区域即可上传',
|
||
uploadDescription:
|
||
'支持单次或批量上传。 严禁上传公司数据或其他违禁文件。',
|
||
chunk: '解析块',
|
||
bulk: '批量',
|
||
cancel: '取消',
|
||
},
|
||
knowledgeConfiguration: {
|
||
titleDescription: '在这里更新您的知识库详细信息，尤其是解析方法。',
|
||
name: '知识库名称',
|
||
photo: '知识库图片',
|
||
description: '描述',
|
||
language: '语言',
|
||
languageMessage: '请输入语言',
|
||
languagePlaceholder: '请输入语言',
|
||
permissions: '权限',
|
||
embeddingModel: '嵌入模型',
|
||
chunkTokenNumber: '块Token数',
|
||
chunkTokenNumberMessage: '块Token数是必填项',
|
||
embeddingModelTip:
|
||
'用于嵌入块的嵌入模型。 一旦知识库有了块，它就无法更改。 如果你想改变它，你需要删除所有的块。',
|
||
permissionsTip: '如果权限是“团队”，则所有团队成员都可以操作知识库。',
|
||
chunkTokenNumberTip: '它大致确定了一个块的Token数量。',
|
||
chunkMethod: '解析方法',
|
||
chunkMethodTip: '说明位于右侧。',
|
||
upload: '上传',
|
||
english: '英文',
|
||
chinese: '中文',
|
||
embeddingModelPlaceholder: '请选择嵌入模型',
|
||
chunkMethodPlaceholder: '请选择分块方法',
|
||
save: '保存',
|
||
me: '只有我',
|
||
team: '团队',
|
||
cancel: '取消',
|
||
methodTitle: '分块方法说明',
|
||
methodExamples: '示例',
|
||
methodExamplesDescription: '提出以下屏幕截图以促进理解。',
|
||
dialogueExamplesTitle: '对话示例',
|
||
methodEmpty: '这将显示知识库类别的可视化解释',
|
||
book: `<p>支持的文件格式为<b>DOCX</b>、<b>PDF</b>、<b>TXT</b>。</p><p>
|
||
由于一本书很长，并不是所有部分都有用，如果是 PDF，
|
||
请为每本书设置<i>页面范围</i>，以消除负面影响并节省分析计算时间。</p>`,
|
||
laws: `<p>支持的文件格式为<b>DOCX</b>、<b>PDF</b>、<b>TXT</b>。</p><p>
|
||
法律文件有非常严格的书写格式。 我们使用文本特征来检测分割点。
|
||
</p><p>
|
||
chunk的粒度与'ARTICLE'一致，所有上层文本都会包含在chunk中。
|
||
</p>`,
|
||
manual: `<p>仅支持<b>PDF</b>。</p><p>
|
||
我们假设手册具有分层部分结构。 我们使用最低的部分标题作为对文档进行切片的枢轴。
|
||
因此，同一部分中的图和表不会被分割，并且块大小可能会很大。
|
||
</p>`,
|
||
naive: `<p>支持的文件格式为<b>DOCX、EXCEL、PPT、IMAGE、PDF、TXT</b>。</p>
|
||
<p>此方法将简单的方法应用于块文件：</p>
|
||
<p>
|
||
<li>系统将使用视觉检测模型将连续文本分割成多个片段。</li>
|
||
<li>接下来，这些连续的片段被合并成Token数不超过“Token数”的块。</li></p>`,
|
||
paper: `<p>仅支持<b>PDF</b>文件。</p><p>
|
||
如果我们的模型运行良好，论文将按其部分进行切片，例如<i>摘要、1.1、1.2</i>等。</p><p>
|
||
这样做的好处是LLM可以更好的概括论文中相关章节的内容，
|
||
产生更全面的答案，帮助读者更好地理解论文。
|
||
缺点是它增加了 LLM 对话的背景并增加了计算成本，
|
||
所以在对话过程中，你可以考虑减少‘<b>topN</b>’的设置。</p>`,
|
||
presentation: `<p>支持的文件格式为<b>PDF</b>、<b>PPTX</b>。</p><p>
|
||
每个页面都将被视为一个块。 并且每个页面的缩略图都会被存储。</p><p>
|
||
<i>您上传的所有PPT文件都会使用此方法自动分块，无需为每个PPT文件进行设置。</i></p>`,
|
||
qa: ` <p>
|
||
此块方法支持<b> excel </b>和<b> csv/txt </b>文件格式。
|
||
</p>
|
||
<li>
|
||
如果文件以<b> excel </b>格式，则应由两个列组成
|
||
没有标题：一个提出问题，另一个用于答案，
|
||
答案列之前的问题列。多张纸是
|
||
只要列正确结构，就可以接受。
|
||
</li>
|
||
<li>
|
||
如果文件以<b> csv/txt </b>格式为
|
||
用作分开问题和答案的定界符。
|
||
</li>
|
||
<p>
|
||
<i>
|
||
未能遵循上述规则的文本行将被忽略，并且
|
||
每个问答对将被认为是一个独特的部分。
|
||
</i>
|
||
</p>`,
|
||
resume: `<p>支持的文件格式为<b>DOCX</b>、<b>PDF</b>、<b>TXT</b>。
|
||
</p><p>
|
||
简历有多种格式，就像一个人的个性一样，但我们经常必须将它们组织成结构化数据，以便于搜索。
|
||
</p><p>
|
||
我们不是将简历分块，而是将简历解析为结构化数据。 作为HR，你可以扔掉所有的简历，
|
||
您只需与<i>'RAGFlow'</i>交谈即可列出所有符合资格的候选人。
|
||
</p>
|
||
`,
|
||
table: `支持<p><b>EXCEL</b>和<b>CSV/TXT</b>格式文件。</p><p>
|
||
以下是一些提示：
|
||
<ul>
|
||
<li>对于 csv 或 txt 文件，列之间的分隔符为 <em><b>TAB</b></em>。</li>
|
||
<li>第一行必须是列标题。</li>
|
||
<li>列标题必须是有意义的术语，以便我们的大语言模型能够理解。
|
||
列举一些同义词时最好使用斜杠<i>'/'</i>来分隔，甚至更好
|
||
使用方括号枚举值，例如 <i>'gender/sex(male,female)'</i>.<p>
|
||
以下是标题的一些示例：<ol>
|
||
<li>供应商/供货商<b>'TAB'</b>颜色（黄色、红色、棕色）<b>'TAB'</b>性别（男、女）<b>'TAB'</ b>尺码（M、L、XL、XXL）</li>
|
||
<li>姓名/名字<b>'TAB'</b>电话/手机/微信<b>'TAB'</b>最高学历（高中，职高，硕士，本科，博士，初中，中技，中 专，专科，专升本，MPA，MBA，EMBA）</li>
|
||
</ol>
|
||
</p>
|
||
</li>
|
||
<li>表中的每一行都将被视为一个块。</li>
|
||
</ul>`,
|
||
picture: `
|
||
<p>支持图像文件。 视频即将推出。</p><p>
|
||
如果图片中有文字，则应用 OCR 提取文字作为其文字描述。
|
||
</p><p>
|
||
如果OCR提取的文本不够，可以使用视觉LLM来获取描述。
|
||
</p>`,
|
||
one: `
|
||
<p>支持的文件格式为<b>DOCX、EXCEL、PDF、TXT</b>。
|
||
</p><p>
|
||
对于一个文档，它将被视为一个完整的块，根本不会被分割。
|
||
</p><p>
|
||
如果你要总结的东西需要一篇文章的全部上下文，并且所选LLM的上下文长度覆盖了文档长度，你可以尝试这种方法。
|
||
</p>`,
|
||
useRaptor: '使用召回增强RAPTOR策略',
|
||
useRaptorTip: '请参考 https://huggingface.co/papers/2401.18059',
|
||
prompt: '提示词',
|
||
promptMessage: '提示词是必填项',
|
||
promptText: `请总结以下段落。 小心数字，不要编造。 段落如下：
|
||
{集群内容}
|
||
以上就是你需要总结的内容。`,
|
||
maxToken: '最大token数',
|
||
maxTokenMessage: '最大token数是必填项',
|
||
threshold: '临界点',
|
||
thresholdMessage: '临界点是必填项',
|
||
maxCluster: '最大聚类数',
|
||
maxClusterMessage: '最大聚类数是必填项',
|
||
randomSeed: '随机种子',
|
||
randomSeedMessage: '随机种子是必填项',
|
||
promptTip: 'LLM提示用于总结。',
|
||
maxTokenTip: '用于汇总的最大token数。',
|
||
thresholdTip: '阈值越大，聚类越少。',
|
||
maxClusterTip: '最大聚类数。',
|
||
},
|
||
chunk: {
|
||
chunk: '解析块',
|
||
bulk: '批量',
|
||
selectAll: '选择所有',
|
||
enabledSelected: '启用选定的',
|
||
disabledSelected: '禁用选定的',
|
||
deleteSelected: '删除选定的',
|
||
search: '搜索',
|
||
all: '所有',
|
||
enabled: '启用',
|
||
disabled: '禁用的',
|
||
keyword: '关键词',
|
||
function: '函数',
|
||
chunkMessage: '请输入值！',
|
||
full: '全文',
|
||
ellipse: '省略',
|
||
},
|
||
chat: {
|
||
createAssistant: '新建助理',
|
||
assistantSetting: '助理设置',
|
||
promptEngine: '提示引擎',
|
||
modelSetting: '模型设置',
|
||
chat: '聊天',
|
||
newChat: '新建聊天',
|
||
send: '发送',
|
||
sendPlaceholder: '消息概要助手...',
|
||
chatConfiguration: '聊天配置',
|
||
chatConfigurationDescription: '在这里，为你的专业知识库装扮专属助手！ 💕',
|
||
assistantName: '助理姓名',
|
||
assistantNameMessage: '助理姓名是必填项',
|
||
namePlaceholder: '例如 贾维斯简历',
|
||
assistantAvatar: '助理头像',
|
||
language: '语言',
|
||
emptyResponse: '空回复',
|
||
emptyResponseTip: `如果在知识库中没有检索到用户的问题，它将使用它作为答案。 如果您希望 LLM 在未检索到任何内容时提出自己的意见，请将此留空。`,
|
||
setAnOpener: '设置开场白',
|
||
setAnOpenerInitial: `你好！ 我是你的助理，有什么可以帮到你的吗？`,
|
||
setAnOpenerTip: '您想如何欢迎您的客户？',
|
||
knowledgeBases: '知识库',
|
||
knowledgeBasesMessage: '请选择',
|
||
knowledgeBasesTip: '选择关联的知识库。',
|
||
system: '系统',
|
||
systemInitialValue: `你是一个智能助手，请总结知识库的内容来回答问题，请列举知识库中的数据详细回答。当所有知识库内容都与问题无关时，你的回答必须包括“知识库中未找到您要的答案！”这句话。回答需要考虑聊天历史。
|
||
以下是知识库：
|
||
{knowledge}
|
||
以上是知识库。`,
|
||
systemMessage: '请输入',
|
||
systemTip:
|
||
'当LLM回答问题时，你需要LLM遵循的说明，比如角色设计、答案长度和答案语言等。',
|
||
topN: 'Top N',
|
||
topNTip: `并非所有相似度得分高于“相似度阈值”的块都会被提供给大语言模型。 LLM 只能看到这些“Top N”块。`,
|
||
variable: '变量',
|
||
variableTip: `如果您使用对话 API，变量可能会帮助您使用不同的策略与客户聊天。
|
||
这些变量用于填写提示中的“系统”部分，以便给LLM一个提示。
|
||
“知识”是一个非常特殊的变量，它将用检索到的块填充。
|
||
“System”中的所有变量都应该用大括号括起来。`,
|
||
add: '新增',
|
||
key: '关键字',
|
||
optional: '可选的',
|
||
operation: '操作',
|
||
model: '模型',
|
||
modelTip: '大语言聊天模型',
|
||
modelMessage: '请选择',
|
||
freedom: '自由',
|
||
improvise: '即兴创作',
|
||
precise: '精确',
|
||
balance: '平衡',
|
||
freedomTip: `“精确”意味着大语言模型会保守并谨慎地回答你的问题。 “即兴发挥”意味着你希望大语言模型能够自由地畅所欲言。 “平衡”是谨慎与自由之间的平衡。`,
|
||
temperature: '温度',
|
||
temperatureMessage: '温度是必填项',
|
||
temperatureTip:
|
||
'该参数控制模型预测的随机性。 较低的温度使模型对其响应更有信心，而较高的温度则使其更具创造性和多样性。',
|
||
topP: 'Top P',
|
||
topPMessage: 'Top P 是必填项',
|
||
topPTip:
|
||
'该参数也称为“核心采样”，它设置一个阈值来选择较小的单词集进行采样。 它专注于最可能的单词，剔除不太可能的单词。',
|
||
presencePenalty: '出席处罚',
|
||
presencePenaltyMessage: '出席处罚是必填项',
|
||
presencePenaltyTip:
|
||
'这会通过惩罚对话中已经出现的单词来阻止模型重复相同的信息。',
|
||
frequencyPenalty: '频率惩罚',
|
||
frequencyPenaltyMessage: '频率惩罚是必填项',
|
||
frequencyPenaltyTip:
|
||
'与存在惩罚类似，这减少了模型频繁重复相同单词的倾向。',
|
||
maxTokens: '最大token数',
|
||
maxTokensMessage: '最大token数是必填项',
|
||
maxTokensTip:
|
||
'这设置了模型输出的最大长度，以标记（单词或单词片段）的数量来衡量。',
|
||
quote: '显示引文',
|
||
quoteTip: '是否应该显示原文出处？',
|
||
overview: '聊天 API',
|
||
pv: '消息数',
|
||
uv: '活跃用户数',
|
||
speed: 'Token 输出速度',
|
||
tokens: '消耗Token数',
|
||
round: '会话互动数',
|
||
thumbUp: '用户满意度',
|
||
preview: '预览',
|
||
embedded: '嵌入',
|
||
serviceApiEndpoint: '服务API端点',
|
||
apiKey: 'API 键',
|
||
apiReference: 'API 文档',
|
||
dateRange: '日期范围：',
|
||
backendServiceApi: '后端服务 API',
|
||
createNewKey: '创建新密钥',
|
||
created: '创建于',
|
||
action: '操作',
|
||
embedModalTitle: '嵌入网站',
|
||
comingSoon: '即将推出',
|
||
fullScreenTitle: '全屏嵌入',
|
||
fullScreenDescription: '将以下iframe嵌入您的网站处于所需位置',
|
||
partialTitle: '部分嵌入',
|
||
extensionTitle: 'Chrome 插件',
|
||
tokenError: '请先创建 Api Token!',
|
||
searching: '搜索中',
|
||
},
|
||
setting: {
|
||
profile: '概要',
|
||
profileDescription: '在此更新您的照片和个人详细信息。',
|
||
password: '密码',
|
||
passwordDescription: '请输入您当前的密码以更改您的密码。',
|
||
model: '模型提供商',
|
||
modelDescription: '在此设置模型参数和 API Key。',
|
||
team: '团队',
|
||
system: '系统',
|
||
logout: '登出',
|
||
username: '用户名',
|
||
usernameMessage: '请输入用户名',
|
||
photo: '头像',
|
||
photoDescription: '这将显示在您的个人资料上。',
|
||
colorSchema: '主题',
|
||
colorSchemaMessage: '请选择您的主题！',
|
||
colorSchemaPlaceholder: '请选择您的主题！',
|
||
bright: '明亮',
|
||
dark: '暗色',
|
||
timezone: '时区',
|
||
timezoneMessage: '请选择时区',
|
||
timezonePlaceholder: '请选择时区',
|
||
email: '邮箱地址',
|
||
emailDescription: '一旦注册，电子邮件将无法更改。',
|
||
currentPassword: '当前密码',
|
||
currentPasswordMessage: '请输入当前密码',
|
||
newPassword: '新密码',
|
||
newPasswordMessage: '请输入新密码',
|
||
newPasswordDescription: '您的新密码必须超过 8 个字符。',
|
||
confirmPassword: '确认新密码',
|
||
confirmPasswordMessage: '请确认新密码',
|
||
confirmPasswordNonMatchMessage: '您输入的新密码不匹配！',
|
||
cancel: '取消',
|
||
addedModels: '添加了的模型',
|
||
modelsToBeAdded: '待添加的模型',
|
||
addTheModel: '添加模型',
|
||
apiKey: 'API-Key',
|
||
apiKeyMessage: '请输入 api key!',
|
||
apiKeyTip: 'API key可以通过注册相应的LLM供应商来获取。',
|
||
showMoreModels: '展示更多模型',
|
||
baseUrl: 'Base-Url',
|
||
baseUrlTip:
|
||
'如果您的 API 密钥来自 OpenAI，请忽略它。 任何其他中间提供商都会提供带有 API 密钥的基本 URL。',
|
||
modify: '修改',
|
||
systemModelSettings: '系统模型设置',
|
||
chatModel: '聊天模型',
|
||
chatModelTip: '所有新创建的知识库都会使用默认的聊天LLM。',
|
||
embeddingModel: '嵌入模型',
|
||
embeddingModelTip: '所有新创建的知识库都将使用的默认嵌入模型。',
|
||
img2txtModel: 'Img2txt模型',
|
||
img2txtModelTip:
|
||
'所有新创建的知识库都将使用默认的多模块模型。 它可以描述图片或视频。',
|
||
sequence2txtModel: 'Sequence2txt模型',
|
||
sequence2txtModelTip:
|
||
'所有新创建的知识库都将使用默认的 ASR 模型。 使用此模型将语音翻译为相应的文本。',
|
||
workspace: '工作空间',
|
||
upgrade: '升级',
|
||
addLlmTitle: '添加 LLM',
|
||
modelName: '模型名称',
|
||
modelUid: '模型UID',
|
||
modelType: '模型类型',
|
||
addLlmBaseUrl: '基础 Url',
|
||
vision: '是否支持 Vision',
|
||
modelNameMessage: '请输入模型名称！',
|
||
modelTypeMessage: '请输入模型类型！',
|
||
baseUrlNameMessage: '请输入基础 Url！',
|
||
ollamaLink: '如何集成 {{name}}',
|
||
volcModelNameMessage: '请输入模型名称！格式：{"模型名称":"EndpointID"}',
|
||
addVolcEngineAK: '火山 ACCESS_KEY',
|
||
volcAKMessage: '请输入VOLC_ACCESS_KEY',
|
||
addVolcEngineSK: '火山 SECRET_KEY',
|
||
volcSKMessage: '请输入VOLC_SECRET_KEY',
|
||
},
|
||
message: {
|
||
registered: '注册成功',
|
||
logout: '登出成功',
|
||
logged: '登录成功',
|
||
pleaseSelectChunk: '请选择解析块',
|
||
modified: '更新成功',
|
||
created: '创建成功',
|
||
deleted: '删除成功',
|
||
renamed: '重命名成功',
|
||
operated: '操作成功',
|
||
updated: '更新成功',
|
||
uploaded: '上传成功',
|
||
200: '服务器成功返回请求的数据。',
|
||
201: '新建或修改数据成功。',
|
||
202: '一个请求已经进入后台排队（异步任务）。',
|
||
204: '删除数据成功。',
|
||
400: '发出的请求有错误，服务器没有进行新建或修改数据的操作。',
|
||
401: '用户没有权限（Token、用户名、密码错误）。',
|
||
403: '用户得到授权，但是访问是被禁止的。',
|
||
404: '发出的请求针对的是不存在的记录，服务器没有进行操作。',
|
||
406: '请求的格式不可得。',
|
||
410: '请求的资源被永久删除，且不会再得到的。',
|
||
422: '当创建一个对象时，发生一个验证错误。',
|
||
500: '服务器发生错误，请检查服务器。',
|
||
502: '网关错误。',
|
||
503: '服务不可用，服务器暂时过载或维护。',
|
||
504: '网关超时。',
|
||
requestError: '请求错误',
|
||
networkAnomalyDescription: '您的网络发生异常，无法连接服务器',
|
||
networkAnomaly: '网络异常',
|
||
hint: '提示',
|
||
},
|
||
fileManager: {
|
||
name: '名称',
|
||
uploadDate: '上传日期',
|
||
knowledgeBase: '知识库',
|
||
size: '大小',
|
||
action: '操作',
|
||
addToKnowledge: '链接知识库',
|
||
pleaseSelect: '请选择',
|
||
newFolder: '新建文件夹',
|
||
uploadFile: '上传文件',
|
||
uploadTitle: '点击或拖拽文件至此区域即可上传',
|
||
uploadDescription:
|
||
'支持单次或批量上传。 严禁上传公司数据或其他违禁文件。',
|
||
file: '文件',
|
||
directory: '文件夹',
|
||
local: '本地上传',
|
||
s3: 'S3 上传',
|
||
preview: '预览',
|
||
fileError: '文件错误',
|
||
},
|
||
footer: {
|
||
profile: 'All rights reserved @ React',
|
||
},
|
||
layout: {
|
||
file: 'file',
|
||
knowledge: 'knowledge',
|
||
chat: 'chat',
|
||
},
|
||
},
|
||
};
|