forked from infiniflow/ragflow
-
Notifications
You must be signed in to change notification settings - Fork 0
Expand file tree
/
Copy pathzh.ts
More file actions
3271 lines (3254 loc) · 155 KB
/
Copy pathzh.ts
File metadata and controls
3271 lines (3254 loc) · 155 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
export default {
translation: {
common: {
confirm: '确定',
back: '返回',
noResults: '未查到结果',
selectPlaceholder: '请选择',
selectAll: '全选',
delete: '删除',
deleteModalTitle: '确定删除吗?',
deleteThem: '确定要删除吗?',
ok: '确认',
cancel: '取消',
yes: '是',
no: '否',
total: '总共',
top: '前 {{top}} 条',
rename: '重命名',
name: '名称',
save: '保存',
stop: '停止',
resume: '恢复',
namePlaceholder: '请输入名称',
descriptionPlaceholder: '请输入描述',
next: '下一步',
create: '创建',
edit: '编辑',
upload: '上传',
english: '英文',
portugueseBr: '葡萄牙语 (巴西)',
chinese: '简体中文',
traditionalChinese: '繁体中文',
bulgarian: '保加利亚语',
arabic: '阿拉伯语',
language: '语言',
languageMessage: '请输入语言',
languagePlaceholder: '请选择语言',
copy: '复制',
copied: '复制成功',
viewMore: '查看更多',
viewLess: '收起',
comingSoon: '即将推出',
download: '下载',
close: '关闭',
preview: '预览',
move: '移动',
warn: '提醒',
action: '操作',
s: '秒',
pleaseSelect: '请选择',
pleaseInput: '请输入',
submit: '提交',
clear: '清空',
embedIntoSite: '嵌入网站',
openInNewTab: '在新标签页中打开',
previousPage: '上一页',
nextPage: '下一页',
previous: '上一步',
add: '添加',
remove: '移除',
search: '搜索',
reset: '重置',
noDataFound: '没有找到数据。',
noData: '暂无数据',
bedrockCredentialsHint:
'提示:ACCESS KEY / SECRET KEY 可留空,以启用 AWS IAM 自动验证。',
zendeskDescription: '连接 Zendesk,同步工单、文章及其他内容。',
promptPlaceholder: '请输入或使用 / 快速插入变量。',
selected: '已选择',
seeAll: '查看全部',
owner: '所有者',
running: '运行中...',
},
login: {
loginTitle: '登录账户',
signUpTitle: '创建账户',
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: 'A leading RAG engine for LLM context',
start: '立即开始',
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',
skills: '技能',
flow: '智能体',
search: '搜索',
welcome: '欢迎来到',
dataset: '知识库',
memories: '记忆',
discord: 'Discord',
github: 'GitHub',
help: '帮助',
},
skills: {
title: '技能',
selectSpace: '选择一个技能空间开始使用',
spacePlaceholder: '输入中心名称',
createSpace: '创建技能空间',
createSpaceTitle: '创建新技能空间',
createSpaceDescription: '创建一个新的中心来组织和管理您的技能。',
spaceName: '技能空间名称',
spaceNamePlaceholder: '例如:my-space',
spaceNameRequired: '请输入中心名称',
noSpaces: '暂无技能空间,创建您的第一个!',
enterSpace: '进入',
spaceCreated: '技能空间创建成功',
spaceDeleted: '技能空间删除成功',
fetchError: '获取技能列表失败',
deleteSpaceTitle: '删除技能空间',
deleteSpaceDescription:
'确定要删除此技能空间吗?此操作无法撤销,该中心中的所有技能将被永久删除。',
deleteSpaceName: '中心名称',
uploadSuccess: '技能上传成功',
uploadError: '技能上传失败',
deleteSuccess: '技能删除成功',
deleteError: '技能删除失败',
skillExists: '同名技能已存在,请先删除或使用其他名称',
uploadSkill: '上传技能',
searchPlaceholder: '搜索技能...',
noSkills: '暂无技能,上传您的第一个技能',
noSearchResults: '没有找到匹配的技能',
filesCount: '{{count}} 个文件',
foldersCount: '{{count}} 个文件夹',
pageInfo: '第 {{current}} 页,共 {{total}} 页',
totalSkills: '共 {{total}} 个技能',
backToSkills: '返回技能列表',
selectFileToView: '选择文件查看',
skillName: '技能名称',
skillNamePlaceholder: '例如:my-awesome-skill',
skillNameHelp: '只允许字母、数字、连字符和下划线',
source: '来源',
version: '版本',
skillVersion: '版本号',
skillVersionPlaceholder: '例如:1.0.0',
versionFormatHelp: '版本号必须符合语义化版本格式(例如:1.0.0)',
versionRequired: '版本号为必填项',
selectFilesOrFolder: '选择文件或文件夹',
uploadDescription: '上传技能文件。您可以拖拽文件或选择文件夹上传。',
selectFolder: '选择文件夹',
dragFilesHint: '或拖拽文件到下方',
dragFilesTitle: '拖拽技能文件夹到此处',
dragFilesDescription:
'将技能文件夹拖拽到此处,或使用下方的"选择文件夹"按钮。',
filesSelected: '已选择 {{count}} 个文件',
uploading: '上传中...',
files: '文件',
noFiles: '没有文件',
versionHistory: '版本历史',
selectVersion: '选择版本预览',
latest: '最新',
metadata: {
basic: '基本信息',
emoji: '表情符号',
skillKey: '技能键名',
always: '始终激活',
primaryEnv: '主环境变量',
requires: '运行要求',
requiredBins: '必需的二进制文件',
requiredEnv: '必需的环境变量',
anyBins: '至少需要一个',
install: '依赖项',
links: '链接',
homepage: '主页',
repository: '代码仓库',
documentation: '文档',
},
validation: {
missing_skill_md:
'无效的技能:未找到 SKILL.md 文件。请确保技能目录包含有效的 SKILL.md 文件。',
invalid_frontmatter:
'无效的技能:SKILL.md 必须包含有效的 frontmatter(以 --- 开头和结尾)。',
missing_name: '无效的技能:SKILL.md frontmatter 必须包含 "name" 字段。',
invalid_name_format:
'无效的技能:"name" 必须是小写且 URL 安全的(仅字母、数字、连字符)。',
invalid_version:
'无效的技能:"version" 必须是有效的语义化版本(例如:1.0.0)。',
invalid_metadata: '无效的技能:metadata 包含无效字段。',
invalid_file_type: '无效的技能:只允许文本类型的文件。',
invalid_path: '无效的技能:文件路径包含无效字符。',
file_too_large: '无效的技能:单个文件大小超过 5MB 限制。',
total_size_exceeded: '无效的技能:总包大小超过 50MB 限制。',
no_files: '未选择文件。请选择技能文件夹。',
noValidFiles: '未找到有效文件,请检查您的选择。',
junkFilesFound: '检测到临时文件(如 .DS_Store),请删除后再上传。',
read_failed: '无效的技能:无法读取 SKILL.md 文件。',
invalid: '无效的技能格式。',
valid: '有效的技能格式,可以上传。',
error: '验证失败',
versionExists: '该版本已存在,请使用不同的版本号。',
},
parsedMetadata: '从 SKILL.md 解析:',
addSkill: '添加技能',
upload: '本地上传',
importFromGit: '从 Git 导入',
gitPlatform: '平台',
repoUrl: '仓库地址',
repoUrlHelp: '支持带路径的仓库地址',
accessToken: '访问令牌',
githubTokenHelp: '用于私有仓库或更高配额(5000 次/小时)',
giteeTokenHelp: '用于私有仓库或更高配额(2000 次/小时)',
rateLimitInfo: '速率限制说明',
githubRateLimit:
'公开仓库:每小时 60 次请求/IP。使用令牌可达 5000 次/小时。',
giteeRateLimit:
'公开仓库:每小时 1000 次请求/IP。使用令牌可达 2000 次/小时。',
import: '导入',
importing: '导入中...',
configureSearch: '配置搜索',
},
skillSearch: {
configTitle: '技能搜索配置',
configDesc: '配置技能的索引和搜索方式',
embeddingModel: '嵌入模型',
embeddingModelPlaceholder: '选择嵌入模型',
vectorSimilarityWeight: '向量相似度权重',
similarityThreshold: '相似度阈值',
topK: '返回结果数量',
indexFields: '索引字段',
indexFieldsDesc: '选择要包含在搜索索引中的字段',
fieldName: '名称',
fieldNameDesc: '技能名称',
fieldTags: '标签',
fieldTagsDesc: '技能标签',
fieldDescription: '描述',
fieldDescriptionDesc: '技能描述',
fieldContent: '内容',
fieldContentDesc: '技能内容(如 README)',
weight: '权重',
pureKeyword: '仅关键词',
pureVector: '仅向量',
hybrid: '混合搜索',
keyword: '关键词',
vector: '向量',
keywordOnly: '仅关键词',
balanced: '平衡',
vectorOnly: '仅向量',
reindex: '重建索引',
reindexing: '重建索引中...',
reindexSuccess: '重建索引成功',
pleaseSelectEmbeddingModel: '请选择嵌入模型',
saveSuccess: '保存成功',
saveError: '保存失败',
semanticSearchPlaceholder: '按语义搜索技能...',
switchToSemantic: '切换到语义搜索',
switchToLocal: '切换到本地搜索',
},
memories: {
llmTooltip: '分析对话内容,提取关键信息,并生成结构化的记忆摘要。',
embeddingModelTooltip:
'将文本转换为数值向量,用于语义相似度搜索和记忆检索。',
embeddingModelError: '记忆类型为必填项,且"原始"类型不可删除。',
memoryTypeTooltip: `原始: 用户与智能体之间的原始对话内容(默认必需)。
语义记忆: 关于用户和世界的通用知识和事实。
情景记忆: 带时间戳的特定事件和经历记录。
程序记忆: 学习的技能、习惯和自动化程序。`,
raw: '原始',
semantic: '语义',
episodic: '情景',
procedural: '程序',
editName: '编辑名称',
memory: '记忆',
createMemory: '创建记忆',
name: '名称',
memoryNamePlaceholder: '记忆名称',
memoryType: '记忆类型',
embeddingModel: '嵌入模型',
selectModel: '选择模型',
llm: '大语言模型',
delMemoryWarn: `删除后,此记忆中的所有消息都将被删除,智能体将无法检索。`,
},
memory: {
messages: {
forget: '遗忘',
forgetMessageTip: '确定遗忘吗?',
messageDescription: '记忆提取使用高级设置中的提示词和温度值进行配置。',
copied: '已复制!',
content: '内容',
delMessageWarn: `遗忘后,智能体将无法检索此消息。`,
forgetMessage: '遗忘消息',
sessionId: '会话ID',
agent: '智能体',
type: '类型',
validDate: '有效日期',
forgetAt: '遗忘于',
source: '来源',
enable: '启用',
action: '操作',
},
config: {
titleDescription: '在这里更新您的记忆配置,特别是大语言模型和提示词。',
descriptionPlaceholder: '描述你的记忆',
memorySizeTooltip: `记录每条消息的内容 + 其嵌入向量(≈ 内容 + 维度 × 8 字节)。
例如:一条带有 1024 维嵌入的 1 KB 消息大约使用 9 KB。5 MB 的默认限制大约可容纳 500 条此类消息。`,
avatar: '头像',
description: '描述',
memorySize: '记忆大小',
advancedSettings: '高级设置',
permission: '权限',
onlyMe: '仅自己',
team: '团队',
storageType: '存储类型',
storageTypePlaceholder: '请选择存储类型',
forgetPolicy: '遗忘策略',
temperature: '温度',
systemPrompt: '系统提示词',
systemPromptPlaceholder: '请输入系统提示词',
userPrompt: '用户提示词',
userPromptPlaceholder: '请输入用户提示词',
},
sideBar: {
messages: '消息',
configuration: '配置',
},
},
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',
noMoreData: '没有更多数据了',
parserRequired: '分块方法必填',
dataFlowRequired: '数据流必填',
},
knowledgeDetails: {
metadata: {
fields: '字段',
selectFiles: '已选择 {{count}} 个文件',
fieldNameInvalid: '字段名称只能包含字母或下划线。',
builtIn: '内置',
generation: '生成',
toMetadataSettingTip: '在配置中设置自动元数据',
toMetadataSetting: '生成设置',
descriptionTip:
'提供描述或示例来指导大语言模型为此字段提取值。如果留空,将依赖字段名称。',
restrictDefinedValuesTip:
'枚举模式:限制大语言模型提取的值只能匹配预设值。在下方定义值。',
valueExists: '值已存在。确认合并重复项并组合所有关联文件。',
fieldNameExists: '字段名已存在。确认合并重复项并组合所有关联文件。',
valueSingleExists: '值已存在。确认合并重复项。',
fieldSingleNameExists: '字段名已存在。确认合并重复项。',
fieldExists: '字段名已存在。',
fieldSetting: '字段设置',
changesAffectNewParses: '更改仅影响新的解析。',
// editMetadataForDataset: '查看和编辑元数据 ',
restrictDefinedValues: '限制为已定义的值',
metadataGenerationSettings: '元数据生成设置',
// manageMetadataForDataset: '管理此知识库的元数据',
manageMetadata: '管理元数据',
metadata: '元数据',
values: '值',
value: '值',
action: '操作',
field: '字段',
type: '类型',
description: '描述',
fieldName: '字段名称',
editMetadata: '编辑元数据',
addMetadata: '添加元数据',
deleteWarn: '此 {{field}} 将从所有关联文件中移除',
deleteManageFieldAllWarn:
'此字段及其所有对应值将从所有关联的文件中删除。',
deleteManageValueAllWarn: '此值将从所有关联的文件中删除。',
deleteManageFieldSingleWarn: '此字段及其所有对应值将从此文件中删除。',
deleteManageValueSingleWarn: '此值将从此文件中删除。',
deleteSettingFieldWarn: `此字段将被删除;现有元数据不会受到影响。`,
deleteSettingValueWarn: `此值将被删除;现有元数据不会受到影响。`,
},
redoAll: '清除现有分块',
applyAutoMetadataSettings: '应用全局自动元数据设置',
parseFileTip: '您确定要解析吗?',
parseFile: '解析文件',
emptyMetadata: '无元数据',
localUpload: '本地上传',
fileSize: '文件大小',
fileType: '文件类型',
uploadedBy: '创建者',
notGenerated: '未生成',
generatedOn: '生成于',
subbarFiles: '文件列表',
generate: '生成',
raptor: 'RAPTOR',
artifact: 'Artifact',
toSkills: '生成技能',
generateArtifact:
'从配置了知识编译模板的每个文档中编译 Artifact 页面(实体 / 概念 / 主题 wiki)。每次运行仅处理新添加的 chunk。',
generateToSkills:
'从该数据集构建分层技能树,并存储生成的技能页面以供搜索和复用。',
noWikiPages: '暂无 Wiki 页面',
compiling: '编译中…',
compilingCounts: '处理中 {{inflight}} / 待处理 {{backlog}}',
autoCompiled: '文档解析时自动编译。',
clearWikiTitle: '清空 Wiki',
clearWikiDescription:
'确定要清空该数据集下的所有 Wiki 页面吗?此操作无法撤销。',
update: '更新',
updateTooltip:
'发现 {{newlyUploaded}} 个新文档,{{removed}} 个已移除文档。点击编译并合并到当前 Wiki。',
updateSheetTitle: '更新 Wiki',
updateStructureSheetTitle: '更新{{name}}',
updateStructureTooltip:
'发现 {{newlyUploaded}} 个新文档,{{removed}} 个已移除文档。点击更新{{name}}。',
viewUpdateLogs: '查看更新日志',
log: '日志',
noSkills: '暂无技能',
processingType: '处理类型',
dataPipeline: '切换或配置 ingestion pipeline。',
dataPipelineTitle: '数据管道',
operations: '操作',
taskId: '任务ID',
duration: '耗时',
details: '详情',
status: '状态',
task: '任务',
startDate: '开始时间',
source: '来源',
fileName: '文件名',
datasetLogs: '知识库',
fileLogs: '文件',
overview: '日志',
success: '成功',
failed: '失败',
completed: '已完成',
datasetLog: '知识库日志',
created: '创建于',
learnMore: '内置pipeline简介',
general: '通用',
chunkMethodTab: '切片方法',
testResults: '测试结果',
testSetting: '测试设置',
retrievalTesting: '知识检索测试',
retrievalTestingDescription:
'进行检索测试,检查 RAGFlow 是否能够为大语言模型(LLM)恢复预期的内容。',
Parse: '解析',
dataset: '知识库',
testing: '检索测试',
configuration: '配置',
nextConfiguration: '知识库配置',
knowledgeGraph: '知识图谱',
compilation: '编译',
export: '导出',
version: '版本',
versionHistory: '版本历史',
currentVersion: '当前版本',
versionDiff: '本版本改了什么',
noDiffAvailable: '暂无变更内容',
viewingVersion: '正在查看版本',
commit: '提交',
confirmCommit: '确认提交',
versionContent: '版本内容',
versionContentPlaceholder: '请输入版本内容',
versionContentRequired: '请输入版本内容',
graph: '图谱',
graphPlaceholder: '图谱视图占位',
skills: '技能',
llmWiki: 'Wiki',
navTree: '目录树/页面索引',
structureGraph: '图谱',
structureMindmap: '思维导图',
structureTimeline: '时间线',
structureSessionEssence: '会话摘要',
structureSessionGraph: '会话图谱',
noStructureGraph: '暂无图谱',
noStructureMindmap: '暂无思维导图',
noStructureTimeline: '暂无时间线',
noStructureSessionEssence: '暂无会话摘要',
noStructureSessionGraph: '暂无会话图谱',
deleteStructureConfirm: '确定要删除{{name}}吗?',
contents: '导航',
topics: '主题',
concept: '概念',
createDirectoryFolder: '创建目录',
directoryName: '名称',
directoryNamePlaceholder: '实例名称',
directoryRule: '规则',
directoryRulePlaceholder: '输入',
entity: '实体',
selectArtifact: '从目录中选择一个条目以查看详情',
searchEntity: '搜索实体',
sourceDocuments: '来源文档',
compilationTitleSuffix: '的数据集',
files: '个文件',
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',
webCrawl: '网页抓取',
chunkNumber: '分块数',
uploadDate: '上传日期',
chunkMethod: '切片方法',
enabled: '启用',
disabled: '禁用',
action: '动作',
parsingStatus: '解析状态',
parsingStatusTip:
'文本解析的时间取决于诸多因素。如果开启了知识图谱、RAPTOR、自动问题提取、自动关键词提取等功能,时间会更长。如果解析进度条长时间不更新,也可以参考这两条 FAQ:https://ragflow.io/docs/dev/faq#why-does-my-document-parsing-stall-at-under-one-percent。',
processBeginAt: '开始于',
processDuration: '持续时间',
progressMsg: '进度',
noTestResultsForRuned: '未找到相关结果,请尝试调整查询语句或参数',
noTestResultsForNotRuned: '尚未运行测试,结果会显示在这里',
testingDescription:
'请完成召回测试:确保你的配置可以从数据库召回正确的文本块。如果你调整了这里的默认设置,比如关键词相似度权重,请注意这里的改动不会被自动保存。请务必在聊天助手设置或者召回算子设置处同步更新相关设置。',
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。默认设置为 0.2,也就是说文本块的混合相似度得分至少 20 才会被召回。',
vectorSimilarityWeight: '向量相似度权重',
vectorSimilarityWeightTip:
'我们使用混合相似性评分来评估两行文本之间的距离。它是加权关键字相似性和矢量余弦相似性或rerank得分(0〜1)。两个权重的总和为1.0。',
keywordSimilarityWeight: '关键词相似度权重',
keywordSimilarityWeightTip:
'我们使用混合相似性评分来评估两行文本之间的距离。它是加权关键字相似性和矢量余弦相似性或rerank得分(0〜1)。两个权重的总和为1.0。',
testText: '测试文本',
testTextPlaceholder: '请输入您的问题!',
testingLabel: '运行',
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: '解析',
runningStatus0: '未解析',
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: 'PDF解析器',
layoutRecognizeTip:
'使用视觉模型进行 PDF 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。 如果选择 Naive 选项,则只能获取 PDF 的纯文本。请注意该功能只适用于 PDF 文档,对其他文档不生效。欲了解更多信息,请参阅 https://ragflow.io/docs/dev/select_pdf_parser。',
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。本地部署的单次上传文件总大小上限为 1GB,单次批量上传文件数不超过 32,单个账户不限文件数量。对于 cloud.ragflow.io:每次上传的总文件大小限制为 10MB,每个文件不得超过 10MB,每个账户最多可上传 128 个文件。严禁上传违禁文件。',
chunk: '解析块',
bulk: '批量',
cancel: '取消',
close: '关闭',
rerankModel: 'Rerank模型',
rerankPlaceholder: '请选择',
rerankTip: `非必选项:若不选择 rerank 模型,系统将默认采用关键词相似度与向量余弦相似度相结合的混合查询方式;如果设置了 rerank 模型,则混合查询中的向量相似度部分将被 rerank 打分替代。请注意:采用 rerank 模型会非常耗时。如需选用 rerank 模型,建议使用 SaaS 的 rerank 模型服务;如果你倾向使用本地部署的 rerank 模型,请务必确保你使用 docker-compose-gpu.yml 启动 RAGFlow。`,
topK: 'Top-K',
topKTip: `与 Rerank 模型配合使用,用于设置传给 Rerank 模型的文本块数量。`,
delimiter: `文本分段标识符`,
delimiterTip:
'支持多字符作为分隔符,多字符用两个反引号 \\`\\` 分隔符包裹。若配置成:\\n`##`; 系统将首先使用换行符、两个#号以及分号先对文本进行分割,随后再对分得的小文本块按照「建议文本块大小」设定的大小进行拼装。在设置文本分段标识符前请确保理解上述文本分段切片机制。',
enableChildrenDelimiter: '子文本块用于检索',
childrenDelimiter: '文本分段标识符',
childrenDelimiterTip:
'支持多字符作为分隔符,多字符用两个反引号 \\`\\` 分隔符包裹。若配置成:\\n`##`; 系统将首先使用换行符、两个#号以及分号先对文本进行分割,随后再对分得的小文本块按照「建议文本块大小」设定的大小进行拼装。在设置文本分段标识符前请确保理解上述文本分段切片机制。',
html4excel: '表格转HTML',
html4excelTip: `与 General 切片方法配合使用。未开启状态下,表格文件(XLSX、XLS(Excel 97-2003))会按行解析为键值对。开启后,表格文件会被解析为 HTML 表格。若原始表格超过 12 行,系统会自动按每 12 行拆分为多个 HTML 表格。欲了解更多详情,请参阅 https://ragflow.io/docs/dev/enable_excel2html。`,
autoKeywords: '自动关键词提取',
autoKeywordsTip: `自动为每个文本块中提取 N 个关键词,用以提升查询精度。请注意:该功能采用在“配置”中指定的索引模型提取关键词,因此也会产生更多 Token 消耗。另外,你也可以手动更新生成的关键词。详情请见 https://ragflow.io/docs/dev/autokeyword_autoquestion。`,
autoQuestions: '自动问题提取',
autoQuestionsTip: `利用在“配置”中指定的索引模型 对知识库的每个文本块提取 N 个问题以提高其排名得分。请注意,开启后将消耗额外的 token。您可以在块列表中查看、编辑结果。如果自动问题提取发生错误,不会妨碍整个分块过程,只会将空结果添加到原始文本块。详情请见 https://ragflow.io/docs/dev/autokeyword_autoquestion。`,
autoTags: '自动标签提取',
redo: '是否清空已有 {{chunkNum}}个 chunk?',
setMetaData: '设置元数据',
pleaseInputJson: '请输入JSON',
documentMetaTips: `<p>元数据为 Json 格式(不可搜索)。如果提示中包含此文档的任何块,它将被添加到 LLM 的提示中。</p>
<p>示例:</p>
<b>元数据为:</b><br>
<code>
{
"作者": "Alex Dowson",
"日期": "2024-11-12"
}
</code><br>
<b>提示将为:</b><br>
<p>文档:the_name_of_document</p>
<p>作者:Alex Dowson</p>
<p>日期:2024-11-12</p>
<p>相关片段如下:</p>
<ul>
<li> 这是块内容....</li>
<li> 这是块内容....</li>
</ul>
`,
metaData: '元数据',
deleteDocumentConfirmContent:
'该文档与知识图谱相关联。删除后,相关节点和关系信息将被删除,但图不会立即更新。更新图动作是在解析承载知识图谱提取任务的新文档的过程中执行的。',
plainText: 'Naive',
reRankModelWaring: '重排序模型非常耗时。',
theDocumentBeingParsedCannotBeDeleted: '正在解析的文档不能被删除',
},
knowledgeConfiguration: {
randomSeedTip:
'种子是伪随机算法的起点,它确保在不同运行中产生相同的输出,从而保证可重复性。',
datasetDescription: '你的知识库描述。',
overlappedPercentTip: '相邻两个块之间的重叠百分比',
settings: '设置',
autoMetadataTip:
'自动生成元数据。适用于解析新文件。现有文件需要重新解析才能更新(chunk将保留)。请注意,配置中指定的索引模型将消耗额外的 Token。',
imageTableContextWindow: '图像与表格上下文窗口',
imageTableContextWindowTip:
'抓取图像与表格上下方的 N 个 token,为该 chunk 提供更丰富的背景上下文。',
autoMetadata: '自动元数据',
mineruOptions: 'MinerU 选项',
mineruParseMethod: '解析方法',
mineruParseMethodTip:
'PDF 解析方法:auto(自动检测)、txt(文本提取)、ocr(光学字符识别)',
mineruFormulaEnable: '公式识别',
mineruFormulaEnableTip:
'启用公式识别。注意:对于西里尔文档可能无法正常工作。',
mineruTableEnable: '表格识别',
mineruTableEnableTip: '启用表格识别和提取。',
paddleocrOptions: 'PaddleOCR 选项',
paddleocrApiUrl: 'PaddleOCR API URL',
paddleocrApiUrlTip: 'PaddleOCR 服务的 API 端点 URL',
paddleocrApiUrlPlaceholder:
'例如:https://paddleocr-server.com/layout-parsing',
paddleocrAccessToken: 'AI Studio 访问令牌',
paddleocrAccessTokenTip: 'PaddleOCR API 的访问令牌(可选)',
paddleocrAccessTokenPlaceholder: '您的 AI Studio 令牌(可选)',
paddleocrAlgorithm: 'PaddleOCR 算法',
paddleocrAlgorithmTip: '用于 PaddleOCR 解析的算法',
paddleocrSelectAlgorithm: '选择算法',
paddleocrModelNamePlaceholder: '例如:paddleocr-环境-1',
generationScopeTip: '选择 RAPTOR 的生成范围:整个知识库或单个文件。',
generationScope: '生成范围',
scopeSingleFile: '单文件',
scopeDataset: '整库',
autoParse: '自动解析',
rebuildTip: '从所有已关联的数据源重新下载文件并再次解析。',
baseInfo: '基础信息',
globalIndex: '全局索引',
dataSource: '数据源',
linkSourceSetTip: '管理与此知识库的数据源链接',
linkDataSource: '链接数据源',
tocExtractionTip:
'对于已有的chunk生成层级结构的目录信息(每个文件一个目录)。在查询时,激活`Page Index`后,系统会用大模型去判断用户问题和哪些目录项相关,从而找到相关的chunk。',
deleteGenerateModalContent: `
<p>删除生成的 <strong class='text-text-primary'>{{type}}</strong> 结果
将从此知识库中移除所有派生实体和关系。
您的原始文件将保持不变。<p>
<br/>
是否要继续?
`,
extractRaptor: '从文档中提取RAPTOR',
extractKnowledgeGraph: '从文档中提取知识图谱',
filterPlaceholder: '请输入',
fileFilterTip: '',
fileFilter: '正则匹配表达式',
setDefaultTip: '',
setDefault: '设置默认',
editLinkDataPipeline: '编辑pipeline',
linkPipelineSetTip: '管理与此知识库的数据管道链接',
default: '默认',
dataPipeline: '切换或配置 ingestion pipeline。',
linkDataPipeline: '关联pipeline',
enableAutoGenerate: '是否启用自动生成',
teamPlaceholder: '请选择团队',
dataFlowPlaceholder: '请选择pipeline',
buildItFromScratch: '去Scratch构建',
dataFlow: 'pipeline',
parseType: '解析方法',
manualSetup: '选择pipeline',
builtIn: '内置',
titleDescription: '在这里更新您的知识库配置,特别是大语言模型和提示词。',
name: '知识库名称',
photo: '知识库图片',
photoTip: '你可以上传4MB的文件',
description: '描述',
language: '文档语言',
languageMessage: '请输入语言',
languagePlaceholder: '请输入语言',
permissions: '权限',
embeddingModel: '嵌入模型',
chunkTokenNumber: '建议文本块大小',
chunkTokenNumberMessage: '块Token数是必填项',
embeddingModelTip:
'知识库采用的默认嵌入模型。一旦知识库内已经产生了文本块,更换嵌入模型时,系统将随机抽取若干 chunk 进行兼容性校验,使用新嵌入模型重新编码并计算新旧向量的余弦相似度,样本平均相似度需 ≥ 0.9 方可切换。否则,必须删除知识库内的所有文本块后才能更改。',
permissionsTip:
'如果把知识库权限设为“团队”,则所有团队成员都可以操作该知识库。',
chunkTokenNumberTip:
'建议的生成文本块的 token 数阈值。如果切分得到的小文本段 token 数达不到这一阈值就会不断与之后的文本段合并,直至再合并下一个文本段会超过这一阈值为止,此时产生一个最终文本块。如果系统在切分文本段时始终没有遇到文本分段标识符,即便文本段 token 数已经超过这一阈值,系统也不会生成新文本块。',
chunkMethod: '切片方法',
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:
'为帮助您更好地理解,我们提供了相关截图供您参考。',
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>MD、MDX、DOCX、XLSX、XLS (Excel 97-2003)、PPTX、PDF、TXT、JPEG、JPG、PNG、TIF、GIF、CSV、JSON、EML、HTML</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>
如果文件是<b> excel </b>格式,
则文件应包含两列且不包含表头:
一列用于存放问题,另一列用于存放答案,
并且问题列必须位于答案列之前。
可以包含多个工作表(sheet),
只要每个工作表中的列结构都符合要求即可。
</li>
<li>
如果文件是<b> csv/txt </b>格式
以 UTF-8 编码且用 TAB 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>XLSX</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>`,
knowledgeGraph: `<p>支持的文件格式为<b>DOCX、EXCEL、PPT、IMAGE、PDF、TXT、MD、JSON、EML</b>
<p>文件分块后,使用分块提取整个文档的知识图谱和思维导图。此方法将简单的方法应用于分块文件:
连续的文本将被切成大约 512 个 token 数的块。</p>
<p>接下来,将分块传输到 LLM 以提取知识图谱和思维导图的节点和关系。</p>
注意您需要指定的条目类型。</p>`,
tag: `<p>使用“Tag”分块方法的知识库用作标签集.其他知识库可以把标签集当中的标签按照相似度匹配到自己对应的文本块中,对这些知识库的查询也将根据此标签集对自己进行标记。</p>
<p>标签集<b>不会</b>直接参与 RAG 检索过程。</p>
<p>标签集中的每个文本分块都是相互独立的标签和标签描述的文本对。</p>
<p>Tag 分块方法支持<b>XLSX</b>和<b>CSV/TXT</b>文件格式。</p>
<p>如果文件为<b>XLSX</b>格式,则它应该包含无标题的两列:一列用于标签描述,另一列用于标签,标签描述列位于标签列之前。支持多个工作表,只要列结构正确即可。</p>
<p>如果文件为 <b>CSV/TXT</b> 格式,则必须使用 UTF-8 编码并以 TAB 作为分隔符来分隔内容和标签。</p>
<p>在标签列中,标签之间使用英文逗号分隔。</p>
<i>不符合上述规则的文本行将被忽略。</i>
`,
useRaptor: '使用召回增强 RAPTOR 策略',
useRaptorTip:
'RAPTOR 常应用于复杂的多跳问答任务。如需打开,请跳转至知识库的文件页面,点击生成 > RAPTOR 开启。详见: https://ragflow.io/docs/dev/enable_raptor。',
prompt: '提示词',
promptMessage: '提示词是必填项',
promptText: `请在不编造事实、不改变数字的前提下总结以下段落。
请用与原文相同的语言严格输出两部分:
1. 第一行:仅输出简洁标题。
2. 后续行:输出内容的简洁摘要。
不要输出标签、Markdown 标题、项目符号或其他说明。
段落:
{cluster_content}`,
maxToken: '最大token数',
maxTokenMessage: '最大token数是必填项',
threshold: '阈值',
thresholdMessage: '阈值是必填项',
clusteringMethod: '聚类方法',
clusteringMethodTip:
'选择 RAPTOR 聚类方法。AHC 可以使用更大的最大聚类数,但在大规模输入时可能占用更多内存。',
clusteringMethodGmm: 'GMM',
clusteringMethodAhc: 'AHC',
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:
'系统提示为大模型提供任务描述、规定回复方式,以及设置其他各种要求。系统提示通常与 key (变量)合用,通过变量设置大模型的输入数据。你可以通过斜杠或者 (x) 按钮显示可用的 key。',
maxTokenTip: '用于设定每个被总结的文本块的最大 token 数。',
thresholdTip:
'在 RAPTOR 中,数据块会根据它们的语义相似性进行聚类。阈值设定了数据块被分到同一组所需的最小相似度。阈值越高,每个聚类中的数据块越少;阈值越低,则每个聚类中的数据块越多。',
maxClusterTip: '最多可创建的聚类数。',
entityTypes: '实体类型',
compilationTemplate: '算子',
createTemplate: '创建模板',
scopeFile: '文件',
pageRank: '页面排名',
pageRankTip: `知识库检索时,你可以为特定知识库设置较高的 PageRank 分数,该知识库中匹配文本块的混合相似度得分会自动叠加 PageRank 分数,从而提升排序权重。详见 https://ragflow.io/docs/dev/set_page_rank。`,
tagName: '标签',
frequency: '频次',
searchTags: '搜索标签',
tagCloud: '云',
tagTable: '表',
tagSet: '标签集',
topnTags: 'Top-N 标签',
tagSetTip: `
<p> 请选择一个或多个标签集或标签知识库,用于对知识库中的每个文本块进行标记。</p>
<p>对这些文本块的查询也将自动关联相应标签。 </p>
<p>此功能基于文本相似度,能够为知识库的文本块批量添加更多领域知识,从而显著提高检索准确性。该功能还能提升大量文本块的操作效率。</p>
<p>为了更好地理解标签集的作用,以下是标签集和关键词之间的主要区别:</p>
<ul>
<li>标签集是一个由用户定义和管理的封闭集,而自动生成的关键词属于开放集合。 </li>
<li>在给你的知识库文本块批量打标签之前,你需要先生成标签集作为样本。 </li>
<li>自动关键词提取功能中的关键词由 LLM 生成,此过程相对耗时,并且会产生一定的 Token 消耗。 </li>
</ul>
<p> 详见:https://ragflow.io/docs/dev/use_tag_sets </p>
`,
tags: '标签',
addTag: '增加标签',
useGraphRag: '提取知识图谱',
useGraphRagTip:
'基于知识库内所有切好的文本块构建知识图谱,用以提升多跳和复杂问题回答的正确率。请注意:构建知识图谱将消耗大量 token 和时间。详见 https://ragflow.io/docs/dev/construct_knowledge_graph。',
graphRagMethod: '方法',
graphRagMethodTip: `Light:实体和关系提取提示来自 GitHub - HKUDS/LightRAG:“LightRAG:简单快速的检索增强生成”<br>
General:实体和关系提取提示来自 GitHub - microsoft/graphrag:基于图的模块化检索增强生成 (RAG) 系统<br>
NER:使用 spaCy NER 和基于规则的关键词提取来抽取实体和关系,无需 LLM 参与提取过程,速度快且资源消耗低`,
graphRagBatchChunkTokenSize: '批量chunk token 大小',
graphRagBatchChunkTokenSizeTip:
'发送给 LLM 进行知识图谱实体和关系抽取时,每批文本块的 token 上限。NER 不适用。',
resolution: '实体归一化',
resolutionTip: `解析过程会将具有相同含义的实体合并在一起,从而使知识图谱更简洁、更准确。应合并以下实体:特朗普总统、唐纳德·特朗普、唐纳德·J·特朗普、唐纳德·约翰·特朗普`,
community: '社区报告生成',
communityTip:
'区块被聚集成层次化的社区,实体和关系通过更高抽象层次将每个部分连接起来。然后,我们使用 LLM 生成每个社区的摘要,称为社区报告。更多信息:https://www.microsoft.com/en-us/research/blog/graphrag-improving-global-search-via-dynamic-community-selection/',
top: '前n条',
},
chunk: {
chunk: '解析块',
createChunk: '创建解析块',
editChunk: '编辑解析块',
bulk: '批量',
selectAll: '选择当前页',
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',
keyword: '关键词',
function: '函数',
chunkMessage: '请输入值!',
full: '全文',
ellipse: '省略',
graph: '知识图谱',
mind: '思维导图',
question: '问题',
questionTip: `如果有给定的问题,则块的嵌入将基于它们。`,
chunkResult: '切片结果',
chunkResultTip: `查看用于嵌入和召回的切片段落。`,
representation: '表征',
representationKinds: {
knowledge_graph: '知识图谱',
mind_map: '思维导图',
page_index: '页面索引',
timeline: '时间线',
tree: '树',
raptor: 'RAPTOR',
},
representationUnsupported: '暂不支持该表征类型。',
representationEmpty: '暂无Artifact模板。',
enable: '启用',
disable: '禁用',
delete: '删除',
},
chat: {
chatSupport: '聊天支持',
replyInstantly: '我们通常会即时回复',
typeYourMessage: '输入您的消息...',
messagePlaceholder: '请输入消息...',
exit: '退出',
multipleModels: '多模型',
applyModelConfigs: '应用模型配置',
conversations: '会话',
chatApps: '聊天',
createChat: '创建聊天',
newConversation: '新会话',
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: '给助理发送消息...',
chatConfiguration: '聊天配置',
chatConfigurationDescription: '为你的知识库配置专属聊天助手! 💕',
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',
emptyResponsePlaceholder: '在知识库中未找到您要寻找的答案!',
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。仅在思考模式是简单模式时候生效。`,
emptyResponseMessage: `当知识库中未检索到任何相关信息时,将触发空响应。由于未选择任何知识库,因此请清除“空响应”。`,
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',
knowledgeBasesPlaceholder: '请选择',
knowledgeBasesMessage: '请选择',
knowledgeBasesTip:
'选择关联的知识库。新建或空知识库不会在下拉菜单中显示。',
system: '系统提示词',
systemPlaceholder: `你是一个智能助手,主要功能是基于提供的知识库严格回答问题。
**重要规则:**
- 你的回答必须**仅**来自此知识库:{knowledge}。