diff --git a/docSite/content/zh-cn/docs/development/modelConfig/_index.md b/docSite/content/zh-cn/docs/development/modelConfig/_index.md
new file mode 100644
index 000000000..ba8354c28
--- /dev/null
+++ b/docSite/content/zh-cn/docs/development/modelConfig/_index.md
@@ -0,0 +1,8 @@
+---
+weight: 745
+title: '模型配置方案'
+description: '本模型配置方案'
+icon: 'code_blocks'
+draft: false
+images: []
+---
\ No newline at end of file
diff --git a/docSite/content/zh-cn/docs/development/modelConfig/one-api.md b/docSite/content/zh-cn/docs/development/modelConfig/one-api.md
new file mode 100644
index 000000000..5a0f74284
--- /dev/null
+++ b/docSite/content/zh-cn/docs/development/modelConfig/one-api.md
@@ -0,0 +1,189 @@
+---
+title: '通过 OneAPI 接入模型'
+description: '通过 OneAPI 接入模型'
+icon: 'api'
+draft: false
+toc: true
+weight: 745
+---
+
+FastGPT 目前采用模型分离的部署方案,FastGPT 中只兼容 OpenAI 的模型规范(OpenAI 不存在的模型采用一个较为通用的规范),并通过 [One API](https://github.com/songquanpeng/one-api) 来实现对不同模型接口的统一。
+
+[One API](https://github.com/songquanpeng/one-api) 是一个 OpenAI 接口管理 & 分发系统,可以通过标准的 OpenAI API 格式访问所有的大模型,开箱即用。
+
+
+## FastGPT 与 One API 关系
+
+可以把 One API 当做一个网关,FastGPT 与 One API 关系:
+
+
+
+## 部署
+
+### Docker 版本
+
+`docker-compose.yml` 文件已加入了 OneAPI 配置,可直接使用。默认暴露在 3001 端口。
+
+### Sealos 版本
+
+* 北京区: [点击部署 OneAPI](https://hzh.sealos.run/?openapp=system-template%3FtemplateName%3Done-api)
+* 新加坡区(可用 GPT) [点击部署 OneAPI](https://cloud.sealos.io/?openapp=system-template%3FtemplateName%3Done-api)
+
+
+
+部署完后,可以打开 OneAPI 访问链接,进行下一步操作。
+
+## OneAPI 基础教程
+
+### 概念
+
+1. 渠道:
+ 1. OneApi 中一个渠道对应一个 `Api Key`,这个 `Api Key` 可以是GPT、微软、ChatGLM、文心一言的。一个`Api Key`通常可以调用同一个厂商的多个模型。
+ 2. One API 会根据请求传入的`模型`来决定使用哪一个`渠道`,如果一个模型对应了多个`渠道`,则会随机调用。
+2. 令牌:访问 One API 所需的凭证,只需要这`1`个凭证即可访问`One API`上配置的模型。因此`FastGPT`中,只需要配置`One API`的`baseurl`和`令牌`即可。令牌不要设置任何的模型范围权限,否则容易报错。
+
+
+
+### 大致工作流程
+
+1. 客户端请求 One API
+2. 根据请求中的 `model` 参数,匹配对应的渠道(根据渠道里的模型进行匹配,必须完全一致)。如果匹配到多个渠道,则随机选择一个(同优先级)。
+3. One API 向真正的地址发出请求。
+4. One API 将结果返回给客户端。
+
+### 1. 登录 One API
+
+
+
+### 2. 创建渠道
+
+在 One API 中添加对应渠道,直接点击 【添加基础模型】,不要遗漏了向量模型(Embedding)
+
+
+
+### 3. 创建令牌
+
+| | |
+| --- | --- |
+|  |  |
+
+### 4. 修改账号余额
+
+One API 默认 root 用户只有 200刀,可以自行修改编辑。
+
+
+
+### 5. 修改 FastGPT 的环境变量
+
+有了 One API 令牌后,FastGPT 可以通过修改 `baseurl` 和 `key` 去请求到 One API,再由 One API 去请求不同的模型。修改下面两个环境变量:
+
+```bash
+# 务必写上 v1。如果在同一个网络内,可改成内网地址。
+OPENAI_BASE_URL=https://xxxx.cloud.sealos.io/v1
+# 下面的 key 是由 One API 提供的令牌
+CHAT_API_KEY=sk-xxxxxx
+```
+
+## 接入其他模型
+
+**以添加文心一言为例:**
+
+### 1. OneAPI 新增模型渠道
+
+类型选择百度文心千帆。
+
+
+
+### 2. 修改 FastGPT 配置文件
+
+可以在 `/projects/app/src/data/config.json` 里找到配置文件(本地开发需要复制成 config.local.json),按下面内容修改配置文件,最新/更具体的配置说明,可查看[FastGPT 配置文件说明](/docs/development/configuration)。
+
+配置模型关键点在于`model` 需要与 OneAPI 渠道中的模型一致。
+
+```json
+{
+ "llmModels": [ // 语言模型配置
+ {
+ "model": "ERNIE-Bot", // 这里的模型需要对应 One API 的模型
+ "name": "文心一言", // 对外展示的名称
+ "avatar": "/imgs/model/openai.svg", // 模型的logo
+ "maxContext": 16000, // 最大上下文
+ "maxResponse": 4000, // 最大回复
+ "quoteMaxToken": 13000, // 最大引用内容
+ "maxTemperature": 1.2, // 最大温度
+ "charsPointsPrice": 0,
+ "censor": false,
+ "vision": false, // 是否支持图片输入
+ "datasetProcess": true, // 是否设置为知识库处理模型
+ "usedInClassify": true, // 是否用于问题分类
+ "usedInExtractFields": true, // 是否用于字段提取
+ "usedInToolCall": true, // 是否用于工具调用
+ "usedInQueryExtension": true, // 是否用于问题优化
+ "toolChoice": true, // 是否支持工具选择
+ "functionCall": false, // 是否支持函数调用
+ "customCQPrompt": "", // 自定义文本分类提示词(不支持工具和函数调用的模型
+ "customExtractPrompt": "", // 自定义内容提取提示词
+ "defaultSystemChatPrompt": "", // 对话默认携带的系统提示词
+ "defaultConfig":{} // 请求API时,挟带一些默认配置(比如 GLM4 的 top_p)
+ }
+ ],
+ "vectorModels": [ // 向量模型配置
+ {
+ "model": "text-embedding-ada-002",
+ "name": "Embedding-2",
+ "avatar": "/imgs/model/openai.svg",
+ "charsPointsPrice": 0,
+ "defaultToken": 700,
+ "maxToken": 3000,
+ "weight": 100
+ },
+ ]
+}
+```
+
+### 3. 重启 FastGPT
+
+**Docker 版本**
+
+```bash
+docker-compose down
+docker-compose up -d
+```
+
+**Sealos 版本**
+
+直接找到 FastGPT 服务,点击重启即可。
+
+
+## 其他服务商接入参考
+
+这章介绍一些提供商接入 OneAPI 的教程,配置后不要忘记修改 FastGPT 配置文件。
+
+### 阿里通义千问
+
+千问目前已经兼容 GPT 格式,可以直接选择 OpenAI 类型来接入即可。如下图,选择类型为`OpenAI`,代理填写阿里云的代理地址。
+
+目前可以直接使用阿里云的语言模型和 `text-embedding-v3` 向量模型(实测已经归一化,可直接使用)
+
+
+
+### 硅基流动 —— 开源模型大合集
+
+[硅基流动](https://cloud.siliconflow.cn/i/TR9Ym0c4) 是一个专门提供开源模型调用平台,并拥有自己的加速引擎。模型覆盖面广,非常适合低成本来测试开源模型。接入教程:
+
+1. [点击注册硅基流动账号](https://cloud.siliconflow.cn/i/TR9Ym0c4)
+2. 进入控制台,获取 API key: https://cloud.siliconflow.cn/account/ak
+3. 新增 OneAPI 渠道,选择`OpenAI`类型,代理填写:`https://api.siliconflow.cn`,密钥是第二步创建的密钥。
+
+
+
+由于 OneAPI 未内置 硅基流动 的模型名,可以通过自定义模型名称来填入,下面是获取模型名称的教程:
+
+1. 打开[硅基流动模型列表](https://siliconflow.cn/zh-cn/models)
+2. 单击模型后,会打开模型详情。
+3. 复制模型名到 OneAPI 中。
+
+| | | |
+| --- | --- | --- |
+|  | |  |
+
diff --git a/docSite/content/zh-cn/docs/development/modelConfig/siliconCloud.md b/docSite/content/zh-cn/docs/development/modelConfig/siliconCloud.md
new file mode 100644
index 000000000..df4cd67ed
--- /dev/null
+++ b/docSite/content/zh-cn/docs/development/modelConfig/siliconCloud.md
@@ -0,0 +1,220 @@
+---
+title: '通过 SiliconCloud 体验开源模型'
+description: '通过 SiliconCloud 体验开源模型'
+icon: 'api'
+draft: false
+toc: true
+weight: 746
+---
+
+[SiliconCloud(硅基流动)](https://cloud.siliconflow.cn/i/TR9Ym0c4) 是一个以提供开源模型调用为主的平台,并拥有自己的加速引擎。帮助用户低成本、快速的进行开源模型的测试和使用。实际体验下来,他们家模型的速度和稳定性都非常不错,并且种类丰富,覆盖语言、向量、重排、TTS、STT、绘图、视频生成模型,可以满足 FastGPT 中所有模型需求。
+
+如果你想部分模型使用 SiliconCloud 的模型,可额外参考[OneAPI接入硅基流动](/docs/development/modelconfig/one-api/#硅基流动--开源模型大合集)。
+
+本文会介绍完全使用 SiliconCloud 模型来部署 FastGPT 的方案。
+
+
+## 1. 注册 SiliconCloud 账号
+
+1. [点击注册硅基流动账号](https://cloud.siliconflow.cn/i/TR9Ym0c4)
+2. 进入控制台,获取 API key: https://cloud.siliconflow.cn/account/ak
+
+## 2. 修改 FastGPT 环境变量
+
+```bash
+OPENAI_BASE_URL=https://api.siliconflow.cn/v1
+# 填写 SiliconCloud 控制台提供的 Api Key
+CHAT_API_KEY=sk-xxxxxx
+```
+
+## 3. 修改 FastGPT 配置文件
+
+我们选取 SiliconCloud 中的模型作为 FastGPT 配置。这里配置了 `Qwen2.5 72b` 的纯语言和视觉模型;选择 `bge-m3` 作为向量模型;选择 `bge-reranker-v2-m3` 作为重排模型。选择 `fish-speech-1.5` 作为语音模型;选择 `SenseVoiceSmall` 作为语音输入模型。
+
+注意:ReRank 模型仍需配置一次 Api Key
+
+```json
+{
+ "llmModels": [
+ {
+ "provider": "Other", // 模型提供商,主要用于分类展示,目前已经内置提供商包括:https://github.com/labring/FastGPT/blob/main/packages/global/core/ai/provider.ts, 可 pr 提供新的提供商,或直接填写 Other
+ "model": "Qwen/Qwen2.5-72B-Instruct", // 模型名(对应OneAPI中渠道的模型名)
+ "name": "Qwen2.5-72B-Instruct", // 模型别名
+ "maxContext": 32000, // 最大上下文
+ "maxResponse": 4000, // 最大回复
+ "quoteMaxToken": 30000, // 最大引用内容
+ "maxTemperature": 1, // 最大温度
+ "charsPointsPrice": 0, // n积分/1k token(商业版)
+ "censor": false, // 是否开启敏感校验(商业版)
+ "vision": false, // 是否支持图片输入
+ "datasetProcess": true, // 是否设置为文本理解模型(QA),务必保证至少有一个为true,否则知识库会报错
+ "usedInClassify": true, // 是否用于问题分类(务必保证至少有一个为true)
+ "usedInExtractFields": true, // 是否用于内容提取(务必保证至少有一个为true)
+ "usedInToolCall": true, // 是否用于工具调用(务必保证至少有一个为true)
+ "usedInQueryExtension": true, // 是否用于问题优化(务必保证至少有一个为true)
+ "toolChoice": true, // 是否支持工具选择(分类,内容提取,工具调用会用到。)
+ "functionCall": false, // 是否支持函数调用(分类,内容提取,工具调用会用到。会优先使用 toolChoice,如果为false,则使用 functionCall,如果仍为 false,则使用提示词模式)
+ "customCQPrompt": "", // 自定义文本分类提示词(不支持工具和函数调用的模型
+ "customExtractPrompt": "", // 自定义内容提取提示词
+ "defaultSystemChatPrompt": "", // 对话默认携带的系统提示词
+ "defaultConfig": {}, // 请求API时,挟带一些默认配置(比如 GLM4 的 top_p)
+ "fieldMap": {} // 字段映射(o1 模型需要把 max_tokens 映射为 max_completion_tokens)
+ },
+ {
+ "provider": "Other",
+ "model": "Qwen/Qwen2-VL-72B-Instruct",
+ "name": "Qwen2-VL-72B-Instruct",
+ "maxContext": 32000,
+ "maxResponse": 4000,
+ "quoteMaxToken": 30000,
+ "maxTemperature": 1,
+ "charsPointsPrice": 0,
+ "censor": false,
+ "vision": true,
+ "datasetProcess": false,
+ "usedInClassify": false,
+ "usedInExtractFields": false,
+ "usedInToolCall": false,
+ "usedInQueryExtension": false,
+ "toolChoice": false,
+ "functionCall": false,
+ "customCQPrompt": "",
+ "customExtractPrompt": "",
+ "defaultSystemChatPrompt": "",
+ "defaultConfig": {}
+ }
+ ],
+ "vectorModels": [
+ {
+ "provider": "Other",
+ "model": "Pro/BAAI/bge-m3",
+ "name": "Pro/BAAI/bge-m3",
+ "charsPointsPrice": 0,
+ "defaultToken": 512,
+ "maxToken": 5000,
+ "weight": 100
+ }
+ ],
+ "reRankModels": [
+ {
+ "model": "BAAI/bge-reranker-v2-m3", // 这里的model需要对应 siliconflow 的模型名
+ "name": "BAAI/bge-reranker-v2-m3",
+ "requestUrl": "https://api.siliconflow.cn/v1/rerank",
+ "requestAuth": "siliconflow 上申请的 key"
+ }
+ ],
+ "audioSpeechModels": [
+ {
+ "model": "fishaudio/fish-speech-1.5",
+ "name": "fish-speech-1.5",
+ "voices": [
+ {
+ "label": "fish-alex",
+ "value": "fishaudio/fish-speech-1.5:alex",
+ "bufferId": "fish-alex"
+ },
+ {
+ "label": "fish-anna",
+ "value": "fishaudio/fish-speech-1.5:anna",
+ "bufferId": "fish-anna"
+ },
+ {
+ "label": "fish-bella",
+ "value": "fishaudio/fish-speech-1.5:bella",
+ "bufferId": "fish-bella"
+ },
+ {
+ "label": "fish-benjamin",
+ "value": "fishaudio/fish-speech-1.5:benjamin",
+ "bufferId": "fish-benjamin"
+ },
+ {
+ "label": "fish-charles",
+ "value": "fishaudio/fish-speech-1.5:charles",
+ "bufferId": "fish-charles"
+ },
+ {
+ "label": "fish-claire",
+ "value": "fishaudio/fish-speech-1.5:claire",
+ "bufferId": "fish-claire"
+ },
+ {
+ "label": "fish-david",
+ "value": "fishaudio/fish-speech-1.5:david",
+ "bufferId": "fish-david"
+ },
+ {
+ "label": "fish-diana",
+ "value": "fishaudio/fish-speech-1.5:diana",
+ "bufferId": "fish-diana"
+ }
+ ]
+ }
+ ],
+ "whisperModel": {
+ "model": "FunAudioLLM/SenseVoiceSmall",
+ "name": "SenseVoiceSmall",
+ "charsPointsPrice": 0
+ }
+}
+```
+
+## 4. 重启 FastGPT
+
+## 5. 体验测试
+
+### 测试对话和图片识别
+
+随便新建一个简易应用,选择对应模型,并开启图片上传后进行测试:
+
+| | |
+| --- | --- |
+|  |  |
+
+可以看到,72B 的模型,性能还是非常快的,这要是本地没几个 4090,不说配置环境,输出怕都要 30s 了。
+
+### 测试知识库导入和知识库问答
+
+新建一个知识库(由于只配置了一个向量模型,页面上不会展示向量模型选择)
+
+| | |
+| --- | --- |
+|  |  |
+
+导入本地文件,直接选择文件,然后一路下一步即可。79 个索引,大概花了 20s 的时间就完成了。现在我们去测试一下知识库问答。
+
+首先回到我们刚创建的应用,选择知识库,调整一下参数后即可开始对话:
+
+| | | |
+| --- | --- | --- |
+|  |  |  |
+
+对话完成后,点击底部的引用,可以查看引用详情,同时可以看到具体的检索和重排得分:
+
+| | |
+| --- | --- |
+|  |  |
+
+### 测试语音播放
+
+继续在刚刚的应用中,左侧配置中找到语音播放,点击后可以从弹窗中选择语音模型,并进行试听:
+
+
+
+### 测试语言输入
+
+继续在刚刚的应用中,左侧配置中找到语音输入,点击后可以从弹窗中开启语言输入
+
+
+
+开启后,对话输入框中,会增加一个话筒的图标,点击可进行语音输入:
+
+| | |
+| --- | --- |
+|  |  |
+
+## 总结
+
+如果你想快速的体验开源模型或者快速的使用 FastGPT,不想在不同服务商申请各类 Api Key,那么可以选择 SiliconCloud 的模型先进行快速体验。
+
+如果你决定未来私有化部署模型和 FastGPT,前期可通过 SiliconCloud 进行测试验证,后期再进行硬件采购,减少 POC 时间和成本。
\ No newline at end of file
diff --git a/docSite/content/zh-cn/docs/development/one-api.md b/docSite/content/zh-cn/docs/development/one-api.md
deleted file mode 100644
index 79c5c08db..000000000
--- a/docSite/content/zh-cn/docs/development/one-api.md
+++ /dev/null
@@ -1,179 +0,0 @@
----
-title: '使用 One API 接入 Azure、ChatGLM 和本地模型'
-description: '部署和使用 One API,实现 Azure、ChatGLM 和本地模型的接入。'
-icon: 'api'
-draft: false
-toc: true
-weight: 708
----
-
-* 默认情况下,FastGPT 只配置了 GPT 的模型,如果你需要接入其他模型,需要进行一些额外配置。
-* [One API](https://github.com/songquanpeng/one-api) 是一个 OpenAI 接口管理 & 分发系统,可以通过标准的 OpenAI API 格式访问所有的大模型,开箱即用。
-* FastGPT 可以通过接入 One API 来实现对不同大模型的支持。One API 的部署方法也很简单。
-
-## FastGPT 与 One API 关系
-
-可以把 One API 当做一个网关。
-
-
-
-## 部署
-
-### Docker 版本
-
-已加入最新的 `docker-compose.yml` 文件中。
-
-### Sealos - MySQL 版本
-
-MySQL 版本支持多实例,高并发。
-
-直接点击以下按钮即可一键部署 👇
-
-|
+ |
+ + {t('common:core.ai.Max context')} + | +
+ |
+
|---|---|---|
|
+ {typeof selectedModel?.inputPrice === 'number' ? (
+ <>
+ |
+
+ + {Math.round((selectedModel?.maxContext || 4096) / 1000)}K + | ++ {selectedModel?.toolChoice || selectedModel?.functionCall + ? t('common:common.support') + : t('common:common.not_support')} + | +
| {t('common:model.name')} | +{t('common:model.model_type')} | +{t('common:model.billing')} | +
|---|---|---|
|
+ |
+
+ |
+ {item.priceLabel} | +
| - {t('account_team:group_name')} - | -{t('account_team:owner')} | -{t('account_team:member')} | -- {t('common:common.Action')} - | -||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
-
|
+
| - {t('account_team:user_name')} - | -{t('account_team:member_group')} | -- {t('common:common.Action')} - | -
|---|---|---|
|
- |
-
- |
-
- {userInfo?.team.permission.hasManagePer &&
- item.role !== TeamMemberRoleEnum.owner &&
- item.tmbId !== userInfo?.team.tmbId && (
- |
-
| + {t('account_team:user_name')} + | +{t('account_team:member_group')} | ++ {t('common:common.Action')} + | +
|---|---|---|
|
+ |
+
+ |
+
+ {userInfo?.team.permission.hasManagePer &&
+ item.role !== TeamMemberRoleEnum.owner &&
+ item.tmbId !== userInfo?.team.tmbId && (
+ |
+
| + {t('common:Name')} + | ++ {t('common:common.Action')} + | +
|---|---|
|
+ |
+
+ {isTeamAdmin && (
+ |
+
|
+ |
+
+ {isTeamAdmin && (
+ |
+
|
- {t('user:team.group.group')} / {t('user:team.group.members')}
- |
-
- |
-
- |
-
|---|---|---|
|
- |
-
- |
-
- |
-
|
- |
-
- |
-
- |
-
|
+ {`${t('user:team.group.members')} / ${t('user:team.org.org')} / ${t('user:team.group.group')}`}
+ |
+
+ |
+
+ |
+
+ |
+
|---|---|---|---|
|
+ |
+
+ |
+
+ |
+
+ {hasDeletePer(member.permission) &&
+ userInfo?.team.tmbId !== member.tmbId && (
+ |
+
|
+ |
+
+ |
+
+ |
+
+ {hasDeletePer(org.permission) && (
+ |
+
|
+ |
+
+ |
+
+ |
+
+ {hasDeletePer(group.permission) && (
+ |
+