4.8.13 test (#3107)

* perf: select file

* perf: drop files

* fix: imple mode adapt files

.github/ISSUE_TEMPLATE/bugs.md

@@ -11,7 +11,7 @@ assignees: ''
 [//]: # '方框内填 x 表示打钩'
 
 - [ ] 我已确认目前没有类似 issue
-- [ ] 我已完整查看过项目 README，以及[项目文档](https://doc.fastgpt.in/docs/intro/)
+- [ ] 我已完整查看过项目 README，以及[项目文档](https://doc.tryfastgpt.ai/docs/intro/)
 - [ ] 我使用了自己的 key，并确认我的 key 是可正常使用的
 - [ ] 我理解并愿意跟进此 issue，协助测试和提供反馈
 - [x] 我理解并认可上述内容，并理解项目维护者精力有限，**不遵循规则的 issue 可能会被无视或直接关闭**

.github/ISSUE_TEMPLATE/config.yml

@@ -1,5 +1,5 @@
 blank_issues_enabled: false
 contact_links:
   - name: 飞书话题群
-    url: https://oss.laf.run/otnvvf-imgs/1719505774252.jpg
+    url: https://oss.laf.run/otnvvf-imgs/fastgpt-feishu1.png
     about: FastGPT 全是问题群

.github/workflows/docs-deploy-kubeconfig.yml

@@ -1,4 +1,4 @@
-name: Deploy image by kubeconfig
+name: Deploy doc image by kubeconfig
 on:
   workflow_dispatch:
   push:

.github/workflows/docs-deploy-vercel.yml

@@ -1,4 +1,4 @@
-name: Deploy image to vercel
+name: Deploy doc image to vercel
 
 on:
   workflow_dispatch:

.github/workflows/fastgpt-image.yml

@@ -90,3 +90,45 @@ jobs:
           -t ${Docker_Hub_Tag} \
           -t ${Docker_Hub_Latest} \
           .
+  build-fastgpt-images-child-route:
+    runs-on: ubuntu-20.04
+    steps:
+      # Set tag
+      - name: Set image name and tag
+        run: |
+          if [[ "${{ github.ref_name }}" == "main" ]]; then
+            echo "Git_Tag=ghcr.io/${{ github.repository_owner }}/fastgpt-child-route:latest" >> $GITHUB_ENV
+            echo "Git_Latest=ghcr.io/${{ github.repository_owner }}/fastgpt-child-route:latest" >> $GITHUB_ENV
+            echo "Ali_Tag=${{ secrets.ALI_IMAGE_NAME }}/fastgpt-child-route:latest" >> $GITHUB_ENV
+            echo "Ali_Latest=${{ secrets.ALI_IMAGE_NAME }}/fastgpt-child-route:latest" >> $GITHUB_ENV
+            echo "Docker_Hub_Tag=${{ secrets.DOCKER_IMAGE_NAME }}/fastgpt-child-route:latest" >> $GITHUB_ENV
+            echo "Docker_Hub_Latest=${{ secrets.DOCKER_IMAGE_NAME }}/fastgpt-child-route:latest" >> $GITHUB_ENV
+          else
+            echo "Git_Tag=ghcr.io/${{ github.repository_owner }}/fastgpt-child-route:${{ github.ref_name }}" >> $GITHUB_ENV
+            echo "Git_Latest=ghcr.io/${{ github.repository_owner }}/fastgpt-child-route:latest" >> $GITHUB_ENV
+            echo "Ali_Tag=${{ secrets.ALI_IMAGE_NAME }}/fastgpt-child-route:${{ github.ref_name }}" >> $GITHUB_ENV
+            echo "Ali_Latest=${{ secrets.ALI_IMAGE_NAME }}/fastgpt-child-route:latest" >> $GITHUB_ENV
+            echo "Docker_Hub_Tag=${{ secrets.DOCKER_IMAGE_NAME }}/fastgpt-child-route:${{ github.ref_name }}" >> $GITHUB_ENV
+            echo "Docker_Hub_Latest=${{ secrets.DOCKER_IMAGE_NAME }}/fastgpt-child-route:latest" >> $GITHUB_ENV
+          fi
+
+      - name: Build and publish image for main branch or tag push event
+        env:
+          DOCKER_REPO_TAGGED: ${{ env.DOCKER_REPO_TAGGED }}
+        run: |
+          docker buildx build \
+          -f projects/app/Dockerfile \
+          --platform linux/amd64,linux/arm64 \
+          --build-arg base_url=fastai \ 
+          --label "org.opencontainers.image.source=https://github.com/${{ github.repository_owner }}/FastGPT" \
+          --label "org.opencontainers.image.description=fastgpt image" \
+          --push \
+          --cache-from=type=local,src=/tmp/.buildx-cache \
+          --cache-to=type=local,dest=/tmp/.buildx-cache \
+          -t ${Git_Tag} \
+          -t ${Git_Latest} \
+          -t ${Ali_Tag} \
+          -t ${Ali_Latest} \
+          -t ${Docker_Hub_Tag} \
+          -t ${Docker_Hub_Latest} \
+          .

.vscode/nextapi.code-snippets

@@ -50,5 +50,73 @@
 			"export default ContextProvider"
 		],
 		"description": "FastGPT usecontext template"
+	},
+
+	"Jest test template": {
+		"scope": "typescriptreact",
+		"prefix": "jesttest",
+		"body": [
+			"import '@/pages/api/__mocks__/base';",
+			"import { root } from '@/pages/api/__mocks__/db/init';",
+			"import { getTestRequest } from '@/test/utils';",
+			"import { AppErrEnum } from '@fastgpt/global/common/error/code/app';",
+			"import handler from './demo';",
+			"",
+			"// Import the schema",
+			"import { MongoOutLink } from '@fastgpt/service/support/outLink/schema';",
+			"",
+			"beforeAll(async () => {",
+			"  // await MongoOutLink.create({",
+			"  //   shareId: 'aaa',",
+			"  //   appId: root.appId,",
+			"  //   tmbId: root.tmbId,",
+			"  //   teamId: root.teamId,",
+			"  //   type: 'share',",
+			"  //   name: 'aaa'",
+			"  // })",
+			"});",
+			"",
+			"test('Should return a list of outLink', async () => {",
+			"  // Mock request",
+			"  const res = (await handler(",
+			"    ...getTestRequest({",
+			"      query: {",
+			"        appId: root.appId,",
+			"        type: 'share'",
+			"      },",
+			"      user: root",
+			"    })",
+			"  )) as any;",
+			"",
+			"  expect(res.code).toBe(200);",
+			"  expect(res.data.length).toBe(2);",
+			"});",
+			"",
+			"test('appId is required', async () => {",
+			"  const res = (await handler(",
+			"    ...getTestRequest({",
+			"      query: {",
+			"        type: 'share'",
+			"      },",
+			"      user: root",
+			"    })",
+			"  )) as any;",
+			"  expect(res.code).toBe(500);",
+			"  expect(res.error).toBe(AppErrEnum.unExist);",
+			"});",
+			"",
+			"test('if type is not provided, return nothing', async () => {",
+			"  const res = (await handler(",
+			"    ...getTestRequest({",
+			"      query: {",
+			"        appId: root.appId",
+			"      },",
+			"      user: root",
+			"    })",
+			"  )) as any;",
+			"  expect(res.code).toBe(200);",
+			"  expect(res.data.length).toBe(0);",
+			"});"
+			]
 	}
 }

.vscode/settings.json

@@ -13,7 +13,7 @@
         "js",
         "ts"
     ],
-    "i18n-ally.keystyle": "nested",
+    "i18n-ally.keystyle": "flat",
     "i18n-ally.sortKeys": true,
     "i18n-ally.keepFulfilled": false,
     "i18n-ally.sourceLanguage": "zh", // 根据此语言文件翻译其他语言文件的变量和内容
@@ -21,8 +21,13 @@
     "i18n-ally.namespace": true,
     "i18n-ally.pathMatcher": "{locale}/{namespaces}.json",
     "i18n-ally.extract.targetPickingStrategy": "most-similar-by-key",
-    "i18n-ally.translate.engines": ["deepl", "google"],
+    "i18n-ally.translate.engines": ["google"],
     "[typescript]": {
         "editor.defaultFormatter": "esbenp.prettier-vscode"
-    }
+    },
+    "markdown.copyFiles.destination": {
+        "/docSite/content/**/*": "${documentWorkspaceFolder}/docSite/assets/imgs/"
+    },
+    "markdown.copyFiles.overwriteBehavior": "nameIncrementally",
+    "markdown.copyFiles.transformPath": "const filename = uri.path.split('/').pop(); return `/imgs/${filename}`;"
 }

README.md

@@ -1,6 +1,6 @@
 <div align="center">
 
-<a href="https://fastgpt.in/"><img src="/.github/imgs/logo.svg" width="120" height="120" alt="fastgpt logo"></a>
+<a href="https://tryfastgpt.ai/"><img src="/.github/imgs/logo.svg" width="120" height="120" alt="fastgpt logo"></a>
 
 # FastGPT
 
@@ -15,13 +15,13 @@ FastGPT 是一个基于 LLM 大语言模型的知识库问答系统，提供开
 </div>
 
 <p align="center">
-  <a href="https://fastgpt.in/">
+  <a href="https://tryfastgpt.ai/">
     <img height="21" src="https://img.shields.io/badge/在线使用-d4eaf7?style=flat-square&logo=spoj&logoColor=7d09f1" alt="cloud">
   </a>
-  <a href="https://doc.fastgpt.in/docs/intro">
+  <a href="https://doc.tryfastgpt.ai/docs/intro">
     <img height="21" src="https://img.shields.io/badge/相关文档-7d09f1?style=flat-square" alt="document">
   </a>
-  <a href="https://doc.fastgpt.in/docs/development">
+  <a href="https://doc.tryfastgpt.ai/docs/development">
     <img height="21" src="https://img.shields.io/badge/本地开发-%23d4eaf7?style=flat-square&logo=xcode&logoColor=7d09f1" alt="development">
   </a>
   <a href="/#-%E7%9B%B8%E5%85%B3%E9%A1%B9%E7%9B%AE">
@@ -36,7 +36,7 @@ https://github.com/labring/FastGPT/assets/15308462/7d3a38df-eb0e-4388-9250-2409b
 
 ## 🛸 在线使用
 
-- 🌍 海外版：[fastgpt.in](https://fastgpt.in/)
+- 🌍 国际版：[tryfastgpt.ai](https://tryfastgpt.ai/)
 
 |                                    |                                    |
 | ---------------------------------- | ---------------------------------- |
@@ -50,22 +50,22 @@ https://github.com/labring/FastGPT/assets/15308462/7d3a38df-eb0e-4388-9250-2409b
 ## 💡 RoadMap
 
 `1` 应用编排能力
-   - [x] 提供简易模式，无需操作编排
-   - [x] 工作流编排
+   - [x] 对话工作流、插件工作流
    - [x] 工具调用
-   - [x] 插件 - 工作流封装能力
    - [x] Code sandbox
-   - [ ] 循环调用
+   - [x] 循环调用
+   - [x] 用户选择
+   - [x] 表单输入
 
 `2` 知识库能力
    - [x] 多库复用，混用
    - [x] chunk 记录修改和删除
-   - [x] 源文件存储
    - [x] 支持手动输入，直接分段，QA 拆分导入
    - [x] 支持 txt，md，html，pdf，docx，pptx，csv，xlsx (有需要更多可 PR file loader)
    - [x] 支持 url 读取、CSV 批量导入
    - [x] 混合检索 & 重排
-   - [ ] 标签过滤
+   - [ ] 自定义文件读取服务
+   - [ ] 自定义分块服务
   
 `3` 应用调试能力
    - [x] 知识库单点搜索测试
@@ -77,7 +77,7 @@ https://github.com/labring/FastGPT/assets/15308462/7d3a38df-eb0e-4388-9250-2409b
 `4` OpenAPI 接口
    - [x] completions 接口 (chat 模式对齐 GPT 接口)
    - [x] 知识库 CRUD
-   - [ ] 对话 CRUD
+   - [x] 对话 CRUD
   
 `5` 运营能力
    - [x] 免登录分享窗口
@@ -88,7 +88,7 @@ https://github.com/labring/FastGPT/assets/15308462/7d3a38df-eb0e-4388-9250-2409b
 `6` 其他
    - [x] 支持语音输入和输出 (可配置语音输入语音回答)
    - [x] 模糊输入提示
-   - [ ] 模板市场
+   - [x] 模板市场
 
 <a href="#readme">
     <img src="https://img.shields.io/badge/-返回顶部-7d09f1.svg" alt="#" align="right">
@@ -96,21 +96,21 @@ https://github.com/labring/FastGPT/assets/15308462/7d3a38df-eb0e-4388-9250-2409b
 
 ## 👨‍💻 开发
 
-项目技术栈：NextJs + TS + ChakraUI + Mongo + Postgres (Vector 插件)
+项目技术栈：NextJs + TS + ChakraUI + MongoDB + PostgreSQL (PG Vector 插件)/Milvus
 
 - **⚡ 快速部署**
 
   > 使用 [Sealos](https://sealos.io) 服务，无需采购服务器、无需域名，支持高并发 & 动态伸缩，并且数据库应用采用 kubeblocks 的数据库，在 IO 性能方面，远超于简单的 Docker 容器部署。
 
-  [点击查看 Sealos 一键部署 FastGPT 教程](https://doc.fastgpt.in/docs/development/sealos/)
+  [点击查看 Sealos 一键部署 FastGPT 教程](https://doc.tryfastgpt.ai/docs/development/sealos/)
 
-* [快速开始本地开发](https://doc.fastgpt.in/docs/development/intro/)
-* [部署 FastGPT](https://doc.fastgpt.in/docs/development/sealos)
-* [系统配置文件说明](https://doc.fastgpt.in/docs/development/configuration/)
-* [多模型配置](https://doc.fastgpt.in/docs/development/one-api/)
-* [版本更新/升级介绍](https://doc.fastgpt.in/docs/development/upgrading)
-* [OpenAPI API 文档](https://doc.fastgpt.in/docs/development/openapi/)
-* [知识库结构详解](https://doc.fastgpt.in/docs/course/dataset_engine/)
+* [快速开始本地开发](https://doc.tryfastgpt.ai/docs/development/intro/)
+* [部署 FastGPT](https://doc.tryfastgpt.ai/docs/development/sealos)
+* [系统配置文件说明](https://doc.tryfastgpt.ai/docs/development/configuration/)
+* [多模型配置](https://doc.tryfastgpt.ai/docs/development/one-api/)
+* [版本更新/升级介绍](https://doc.tryfastgpt.ai/docs/development/upgrading)
+* [OpenAPI API 文档](https://doc.tryfastgpt.ai/docs/development/openapi/)
+* [知识库结构详解](https://doc.tryfastgpt.ai/docs/course/dataset_engine/)
 
 <a href="#readme">
     <img src="https://img.shields.io/badge/-返回顶部-7d09f1.svg" alt="#" align="right">
@@ -120,7 +120,7 @@ https://github.com/labring/FastGPT/assets/15308462/7d3a38df-eb0e-4388-9250-2409b
 
 扫码加入飞书话题群 (新开，逐渐弃用微信群)：
 
-![](https://oss.laf.run/otnvvf-imgs/飞书20240806-114214.png)
+![](https://oss.laf.run/otnvvf-imgs/fastgpt-feishu1.png)
 
 <a href="#readme">
     <img src="https://img.shields.io/badge/-返回顶部-7d09f1.svg" alt="#" align="right">
@@ -149,7 +149,7 @@ https://github.com/labring/FastGPT/assets/15308462/7d3a38df-eb0e-4388-9250-2409b
 
 ## 🌿 第三方生态
 
-- [OnWeChat 个人微信/企微机器人](https://doc.fastgpt.in/docs/use-cases/onwechat/)
+- [OnWeChat 个人微信/企微机器人](https://doc.tryfastgpt.ai/docs/use-cases/onwechat/)
 
 <a href="#readme">
     <img src="https://img.shields.io/badge/-返回顶部-7d09f1.svg" alt="#" align="right">
@@ -212,4 +212,4 @@ https://github.com/labring/FastGPT/assets/15308462/7d3a38df-eb0e-4388-9250-2409b
 1. 允许作为后台服务直接商用，但不允许提供 SaaS 服务。
 2. 未经商业授权，任何形式的商用服务均需保留相关版权信息。
 3. 完整请查看 [FastGPT Open Source License](./LICENSE)
-4. 联系方式：Dennis@sealos.io，[点击查看商业版定价策略](https://doc.fastgpt.in/docs/commercial)
+4. 联系方式：Dennis@sealos.io，[点击查看商业版定价策略](https://doc.tryfastgpt.ai/docs/commercial)

README_en.md

@@ -1,9 +1,11 @@
 <div align="center">
 
-<a href="https://fastgpt.in/"><img src="/.github/imgs/logo.svg" width="120" height="120" alt="fastgpt logo"></a>
+<a href="https://tryfastgpt.ai/"><img src="/.github/imgs/logo.svg" width="120" height="120" alt="fastgpt logo"></a>
 
 # FastGPT
 
+![Qoute](./.github/imgs/image.png)
+
 <p align="center">
   <a href="./README_en.md">English</a> |
   <a href="./README.md">简体中文</a> |
@@ -12,132 +14,75 @@
 
 FastGPT is a knowledge-based platform built on the LLMs, offers a comprehensive suite of out-of-the-box capabilities such as data processing, RAG retrieval, and visual AI workflow orchestration, letting you easily develop and deploy complex question-answering systems without the need for extensive setup or configuration. 
 
+[![GitHub Repo stars](https://img.shields.io/github/stars/labring/FastGPT?style=flat-square&labelColor=d4eaf7&color=7d09f1)](https://github.com/labring/FastGPT/stargazers)
+[![GitHub pull request](https://img.shields.io/badge/PRs-welcome-fffff?style=flat-square&labelColor=d4eaf7&color=7d09f1)](https://github.com/labring/FastGPT/pulls)
+[![GitHub last commit](https://img.shields.io/github/last-commit/labring/FastGPT?style=flat-square&labelColor=d4eaf7&color=7d09f1)](https://github.com/labring/FastGPT/pulls)
+[![License](https://img.shields.io/badge/License-Apache--2.0-ffffff?style=flat-square&labelColor=d4eaf7&color=7d09f1)](https://github.com/labring/FastGPT/blob/main/LICENSE)
+[![Documentation](https://img.shields.io/badge/Documentation-7d09f1?style=flat-square)](https://doc.tryfastgpt.ai/docs/intro)
+[![Local Development](https://img.shields.io/badge/Local_Development-%23d4eaf7?style=flat-square&logo=xcode&logoColor=7d09f1)](https://doc.tryfastgpt.ai/docs/intro)
+[![Explore our platform](https://img.shields.io/badge/Explore_our_platform-d4eaf7?style=flat-square&logo=spoj&logoColor=7d09f1)](https://tryfastgpt.ai/)
+
+[![discord](https://theme.zdassets.com/theme_assets/678183/cc59daa07820943e943c2fc283b9079d7003ff76.svg)](https://discord.gg/mp68xkZn2Q)&nbsp;&nbsp;&nbsp;&nbsp; 
+[![Wechat](https://upload.wikimedia.org/wikipedia/en/thumb/a/af/WeChat_logo.svg/100px-WeChat_logo.svg.png?20231125073656)](https://oss.laf.run/otnvvf-imgs/feishu3.png)
+
 </div>
-
-<p align="center">
-  <a href="https://fastgpt.in/">
-    <img height="21" src="https://img.shields.io/badge/Try it Online-d4eaf7?style=flat-square&logo=spoj&logoColor=7d09f1" alt="cloud">
-  </a>
-  <a href="https://doc.fastgpt.in/docs/intro">
-    <img height="21" src="https://img.shields.io/badge/Documents-7d09f1?style=flat-square" alt="document">
-  </a>
-  <a href="https://doc.fastgpt.in/docs/development">
-    <img height="21" src="https://img.shields.io/badge/Local Development-%23d4eaf7?style=flat-square&logo=xcode&logoColor=7d09f1" alt="development">
-  </a>
-  <a href="https://github.com/labring/FastGPT/blob/main/LICENSE">
-    <img height="21" src="https://img.shields.io/badge/License-Apache--2.0-ffffff?style=flat-square&labelColor=d4eaf7&color=7d09f1" alt="license">
-  </a>
-</p>
-
-<div align="center">
-
-  [![discord](https://theme.zdassets.com/theme_assets/678183/cc59daa07820943e943c2fc283b9079d7003ff76.svg)](https://discord.gg/mp68xkZn2Q)
   
-</div>
+## 🎥 Comprehensive Feature Demonstration
 
 https://github.com/labring/FastGPT/assets/15308462/7d3a38df-eb0e-4388-9250-2409bd33f6d4
 
-## 🛸 Use Cloud Services
+## 🛸 Online Use
 
-Cloud: [fastgpt.in](https://fastgpt.in/)
+Website: [tryfastgpt.ai](https://tryfastgpt.ai/)
 
 | | |
 | ---------------------------------- | ---------------------------------- |
+|       Conversational AI Setup      |        Workflow Automation         |                             
 | ![Demo](./.github/imgs/intro1.png) | ![Demo](./.github/imgs/intro2.png) |
+|       Knowledge Base Setup         |        Integration Process         |                             
 | ![Demo](./.github/imgs/intro3.png) | ![Demo](./.github/imgs/intro4.png) |
 
-<a href="#readme">
+<a href="#FastGPT">
     <img src="https://img.shields.io/badge/-Back_to_Top-7d09f1.svg" alt="#" align="right">
 </a>
 
 ## 💡 Features
 
-`1` Application Orchestration Features
-
-   - [x] Offers a straightforward mode, eliminating the need for complex orchestration
-   - [x] Provides clear next-step instructions in dialogues
-   - [x] Facilitates workflow orchestration
-   - [x] Tracks references in source files
-   - [x] Encapsulates modules for enhanced reuse at multiple levels
-   - [x] Combines search and reordering functions
-   - [ ] Includes a tool module
-   - [ ] Integrates [Laf](https://github.com/labring/laf) for online HTTP module creation
-   - [ ] Plugin encapsulation capabilities
-
-`2` Knowledge Base Features
-
-   - [x] Allows for the mixed use of multiple databases
-   - [x] Keeps track of modifications and deletions in data chunks
-   - [x] Enables specific vector models for each knowledge base
-   - [x] Stores original source files
-   - [x] Supports direct input and segment-based QA import
-   - [x] Compatible with a variety of file formats: pdf, docx, txt, html, md, csv
-   - [x] Facilitates URL reading and bulk CSV importing
-   - [ ] Supports PPT and Excel file import
-   - [ ] Features a file reader
-   - [ ] Offers diverse data preprocessing options
-
-`3` Application Debugging Features
-
-   - [x] Enables targeted search testing within the knowledge base
-   - [x] Allows feedback, editing, and deletion during conversations
-   - [x] Presents the full context of interactions
-   - [x] Displays all intermediate values within modules
-   - [ ] Advanced DeBug mode for orchestration
-
-`4` OpenAPI Interface
-
-   - [x] The completions interface (aligned with GPT's chat mode interface)
-   - [x] CRUD operations for the knowledge base
-   - [ ] CRUD operations for conversations
-
-`5` Operational Features
-
-   - [x] Share without requiring login
-   - [x] Easy embedding with Iframe
-   - [x] Customizable chat window embedding with features like default open, drag-and-drop
-   - [x] Centralizes conversation records for review and annotation
+| **Features**                               | **Details**                                       |
+|--------------------------------------------|---------------------------------------------------|
+| **Application Orchestration Features**   | ✅ Offers a straightforward mode, eliminating the need for complex orchestration <br> ✅ Provides clear next-step instructions in dialogues <br> ✅ Facilitates workflow orchestration <br> ✅ Tracks references in source files <br> ✅ Encapsulates modules for enhanced reuse at multiple levels <br> ✅ Combines search and reordering functions <br> 🔜 Includes a tool module <br> 🔜 Integrates [Laf](https://github.com/labring/laf) for online HTTP module creation <br> 🔜 Plugin encapsulation capabilities |
+| **Knowledge Base Features**              | ✅ Allows for the mixed use of multiple databases <br> ✅ Keeps track of modifications and deletions in data chunks <br> ✅ Enables specific vector models for each knowledge base <br> ✅ Stores original source files <br> ✅ Supports direct input and segment-based QA import <br> ✅ Compatible with a variety of file formats: pdf, docx, txt, html, md, csv <br> ✅ Facilitates URL reading and bulk CSV importing <br> 🔜 Supports PPT and Excel file import <br> 🔜 Features a file reader <br> 🔜 Offers diverse data preprocessing options |
+| **Application Debugging Features**        | ✅ Enables targeted search testing within the knowledge base <br> ✅ Allows feedback, editing, and deletion during conversations <br> ✅ Presents the full context of interactions <br> ✅ Displays all intermediate values within modules <br> 🔜 Advanced Debug mode for orchestration |
+| **OpenAPI Interface**                    | ✅ The completions interface (aligned with GPT's chat mode interface) <br> ✅ CRUD operations for the knowledge base <br> 🔜 CRUD operations for conversation |
+| **Operational Features**                   | ✅ Share without requiring login <br> ✅ Easy embedding with Iframe <br> ✅ Customizable chat window embedding with features like default open, drag-and-drop <br> ✅ Centralizes conversation records for review and annotation |
 
 
-<a href="#readme">
+<a href="#FastGPT">
     <img src="https://img.shields.io/badge/-Back_to_Top-7d09f1.svg" alt="#" align="right">
 </a>
 
 ## 👨‍💻 Development
 
-Project tech stack: NextJs + TS + ChakraUI + Mongo + Postgres (Vector plugin)
+Project tech stack: NextJs + TS + ChakraUI + MongoDB + PostgreSQL (PG Vector plug-in)/Milvus
 
-- **⚡ Deployment**
+- **⚡ Fast Deployment**
 
+  > When using [Sealos](https://sealos.io) services, there is no need to purchase servers or domain names. It supports high concurrency and dynamic scaling, and the database application uses the kubeblocks database, which far exceeds the simple Docker container deployment in terms of IO performance.
+  <div align="center">
   [![](https://cdn.jsdelivr.net/gh/labring-actions/templates@main/Deploy-on-Sealos.svg)](https://cloud.sealos.io/?openapp=system-fastdeploy%3FtemplateName%3Dfastgpt)
+  </div>
 
-  Give it a 2-4 minute wait after deployment as it sets up the database. Initially, it might be a tad slow since we're using the basic settings.
+  Give it a 2-4 minute wait after deployment as it sets up the database. Initially, it might be a too slow since we're using the basic settings.
 
-- [Getting Started with Local Development](https://doc.fastgpt.in/docs/development)
-- [Deploying FastGPT](https://doc.fastgpt.in/docs/installation)
-- [Guide on System Configs](https://doc.fastgpt.in/docs/installation/reference)
-- [Configuring Multiple Models](https://doc.fastgpt.in/docs/installation/reference/models)
-- [Version Updates & Upgrades](https://doc.fastgpt.in/docs/installation/upgrading)
+  [sealos one click deployment tutorial](https://doc.tryfastgpt.ai/docs/development/sealos/)
 
+- [Getting Started with Local Development](https://doc.tryfastgpt.ai/docs/development)
+- [Deploying FastGPT](https://doc.tryfastgpt.ai/docs/installation)
+- [Guide on System Configs](https://doc.tryfastgpt.ai/docs/installation/reference)
+- [Configuring Multiple Models](https://doc.tryfastgpt.ai/docs/installation/reference/models)
+- [Version Updates & Upgrades](https://doc.tryfastgpt.ai/docs/installation/upgrading)
 
-## 🏘️ Community & support
-
-+ 🌐 Visit the [FastGPT website](https://fastgpt.in/) for full documentation and useful links.
-+ 💬 Join our [Discord server](https://discord.gg/mp68xkZn2Q) is to chat with FastGPT developers and other FastGPT users. This is a good place to learn about FastGPT, ask questions, and share your experiences.
-+ 🐞 Create [GitHub Issues](https://github.com/labring/FastGPT/issues/new/choose) for bug reports and feature requests.
-
-<a href="#readme">
-    <img src="https://img.shields.io/badge/-Back_to_Top-7d09f1.svg" alt="#" align="right">
-</a>
-
-## 👀 Others
-
-- [FastGPT FAQ](https://kjqvjse66l.feishu.cn/docx/HtrgdT0pkonP4kxGx8qcu6XDnGh)
-- [Docker Deployment Tutorial Video](https://www.bilibili.com/video/BV1jo4y147fT/)
-- [Official Account Integration Video Tutorial](https://www.bilibili.com/video/BV1xh4y1t7fy/)
-- [FastGPT Knowledge Base Demo](https://www.bilibili.com/video/BV1Wo4y1p7i1/)
-
-<a href="#readme">
+<a href="#FastGPT">
     <img src="https://img.shields.io/badge/-Back_to_Top-7d09f1.svg" alt="#" align="right">
 </a>
 
@@ -148,7 +93,7 @@ Project tech stack: NextJs + TS + ChakraUI + Mongo + Postgres (Vector plugin)
 - [One API: Multi-model management, supports Azure, Wenxin Yiyuan, etc.](https://github.com/songquanpeng/one-api)
 - [TuShan: Build a backend management system in 5 minutes](https://github.com/msgbyte/tushan)
 
-<a href="#readme">
+<a href="#FastGPT">
     <img src="https://img.shields.io/badge/-Back_to_Top-7d09f1.svg" alt="#" align="right">
 </a>
 
@@ -156,10 +101,69 @@ Project tech stack: NextJs + TS + ChakraUI + Mongo + Postgres (Vector plugin)
 
 - [luolinAI: Enterprise WeChat bot, ready to use](https://github.com/luolin-ai/FastGPT-Enterprise-WeChatbot)
 
-<a href="#readme">
+<a href="#FastGPT">
     <img src="https://img.shields.io/badge/-Back_to_Top-7d09f1.svg" alt="#" align="right">
 </a>
 
+
+## 🏘️ Community & Support
+
++ 🌐 Visit the [FastGPT website](https://tryfastgpt.ai/) for full documentation and useful links.
++ 💬 Join our [Discord server](https://discord.gg/mp68xkZn2Q) is to chat with FastGPT developers and other FastGPT users. This is a good place to learn about FastGPT, ask questions, and share your experiences.
++ 🐞 Create [GitHub Issues](https://github.com/labring/FastGPT/issues/new/choose) for bug reports and feature requests.
+
+<a href="#FastGPT">
+    <img src="https://img.shields.io/badge/-Back_to_Top-7d09f1.svg" alt="#" align="right">
+</a>
+
+## 👀 Others
+
+- [FastGPT FAQ](https://kjqvjse66l.feishu.cn/docx/HtrgdT0pkonP4kxGx8qcu6XDnGh)
+- [Docker Deployment Tutorial Video](https://www.bilibili.com/video/BV1jo4y147fT/)
+- [Official Account Integration Video Tutorial](https://www.bilibili.com/video/BV1xh4y1t7fy/)
+- [FastGPT Knowledge Base Demo](https://www.bilibili.com/video/BV1Wo4y1p7i1/)
+
+<a href="#FastGPT">
+    <img src="https://img.shields.io/badge/-Back_to_Top-7d09f1.svg" alt="#" align="right">
+</a>
+
+## 🌱 Contributors
+
+We welcome all forms of contributions. If you are interested in contributing code, you can check out our GitHub [Issues](https://github.com/labring/FastGPT/issues?q=is%3Aissue+is%3Aopen+sort%3Aupdated-desc) to show us your ideas.
+
+<a href="https://github.com/labring/FastGPT/graphs/contributors" target="_blank">
+  <table>
+    <tr>
+      <th colspan="2">
+        <br><img src="https://contrib.rocks/image?repo=labring/FastGPT"><br><br>
+      </th>
+    </tr>
+    <tr>
+      <td>
+        <picture>
+          <source media="(prefers-color-scheme: dark)" srcset="https://next.ossinsight.io/widgets/official/compose-org-active-contributors/thumbnail.png?activity=active&period=past_28_days&owner_id=102226726&repo_ids=605673387&image_size=2x3&color_scheme=dark">
+          <img alt="Active participants of labring - past 28 days" src="https://next.ossinsight.io/widgets/official/compose-org-active-contributors/thumbnail.png?activity=active&period=past_28_days&owner_id=102226726&repo_ids=605673387&image_size=2x3&color_scheme=light">
+        </picture>
+      </td>
+      <td rowspan="2">
+        <picture>
+          <source media="(prefers-color-scheme: dark)" srcset="https://next.ossinsight.io/widgets/official/compose-org-participants-growth/thumbnail.png?activity=new&period=past_28_days&owner_id=102226726&repo_ids=605673387&image_size=4x7&color_scheme=dark">
+          <img alt="New trends of labring" src="https://next.ossinsight.io/widgets/official/compose-org-participants-growth/thumbnail.png?activity=new&period=past_28_days&owner_id=102226726&repo_ids=605673387&image_size=4x7&color_scheme=light">
+        </picture>
+      </td>
+    </tr>
+    <tr>
+      <td>
+        <picture>
+          <source media="(prefers-color-scheme: dark)" srcset="https://next.ossinsight.io/widgets/official/compose-org-active-contributors/thumbnail.png?activity=new&period=past_28_days&owner_id=102226726&repo_ids=605673387&image_size=2x3&color_scheme=dark">
+          <img alt="New participants of labring - past 28 days" src="https://next.ossinsight.io/widgets/official/compose-org-active-contributors/thumbnail.png?activity=new&period=past_28_days&owner_id=102226726&repo_ids=605673387&image_size=2x3&color_scheme=light">
+        </picture>
+      </td>
+    </tr>
+  </table>
+</a>
+
+
 ## 🌟 Star History
 
 <a href="https://github.com/labring/FastGPT/stargazers" target="_blank" style="display: block" align="center">
@@ -169,3 +173,20 @@ Project tech stack: NextJs + TS + ChakraUI + Mongo + Postgres (Vector plugin)
     <img alt="Star History Chart" src="https://api.star-history.com/svg?repos=labring/FastGPT&type=Date" />
   </picture>
 </a>
+
+<a href="#FastGPT">
+    <img src="https://img.shields.io/badge/-Back_to_Top-7d09f1.svg" alt="#" align="right">
+</a>
+
+## 📄 Usage Agreement
+
+This repository complies with the [FastGPT Open Source License](./LICENSE) open source agreement.
+
+1. Direct commercial use as a backend service is allowed, but provision of SaaS services is not allowed.
+2. Without commercial authorization, any form of commercial service must retain relevant copyright information.
+3. For full details, please see [FastGPT Open Source License](./LICENSE)
+4. Contact: Dennis@sealos.io , [click to view commercial version pricing strategy](https://doc.tryfastgpt.ai/docs/commercial)
+
+<a href="#FastGPT">
+    <img src="https://img.shields.io/badge/-Back_to_Top-7d09f1.svg" alt="#" align="right">
+</a>

README_ja.md

@@ -1,6 +1,6 @@
 <div align="center">
 
-<a href="https://fastgpt.in/"><img src="/.github/imgs/logo.svg" width="120" height="120" alt="fastgpt logo"></a>
+<a href="https://tryfastgpt.ai/"><img src="/.github/imgs/logo.svg" width="120" height="120" alt="fastgpt logo"></a>
 
 # FastGPT
 
@@ -15,13 +15,13 @@ FastGPT は、LLM 上 に 構築 された 知識 ベースの Q&A システム
 </div>
 
 <p align="center">
-  <a href="https://fastgpt.in/">
+  <a href="https://tryfastgpt.ai/">
     <img height="21" src="https://img.shields.io/badge/在线使用-d4eaf7?style=flat-square&logo=spoj&logoColor=7d09f1" alt="cloud">
   </a>
-  <a href="https://doc.fastgpt.in/docs/intro">
+  <a href="https://doc.tryfastgpt.ai/docs/intro">
     <img height="21" src="https://img.shields.io/badge/相关文档-7d09f1?style=flat-square" alt="document">
   </a>
-  <a href="https://doc.fastgpt.in/docs/development">
+  <a href="https://doc.tryfastgpt.ai/docs/development">
     <img height="21" src="https://img.shields.io/badge/本地开发-%23d4eaf7?style=flat-square&logo=xcode&logoColor=7d09f1" alt="development">
   </a>
   <a href="/#-%E7%9B%B8%E5%85%B3%E9%A1%B9%E7%9B%AE">
@@ -36,7 +36,7 @@ https://github.com/labring/FastGPT/assets/15308462/7d3a38df-eb0e-4388-9250-2409b
 
 ## 🛸 クラウドサービスの 利用
 
-[fastgpt.in](https://fastgpt.in/)
+[tryfastgpt.ai](https://tryfastgpt.ai/)
 
 | | |
 | ---------------------------------- | ---------------------------------- |
@@ -98,11 +98,11 @@ https://github.com/labring/FastGPT/assets/15308462/7d3a38df-eb0e-4388-9250-2409b
 
   デプロイ 後、データベースをセットアップするので、2～4分待 ってください。基本設定 を 使 っているので、最初 は 少 し 遅 いかもしれません。
 
-- [ローカル 開発入門](https://doc.fastgpt.in/docs/development)
-- [FastGPT のデプロイ](https://doc.fastgpt.in/docs/installation)
-- [システム 設定 ガイド](https://doc.fastgpt.in/docs/installation/reference)
-- [複数 モデルの 設定](https://doc.fastgpt.in/docs/installation/reference/models)
-- [バージョン 更新 とアップグレード](https://doc.fastgpt.in/docs/installation/upgrading)
+- [ローカル 開発入門](https://doc.tryfastgpt.ai/docs/development)
+- [FastGPT のデプロイ](https://doc.tryfastgpt.ai/docs/installation)
+- [システム 設定 ガイド](https://doc.tryfastgpt.ai/docs/installation/reference)
+- [複数 モデルの 設定](https://doc.tryfastgpt.ai/docs/installation/reference/models)
+- [バージョン 更新 とアップグレード](https://doc.tryfastgpt.ai/docs/installation/upgrading)
 
 <!-- ## :point_right: ロードマップ
 - [FastGPT ロードマップ](https://kjqvjse66l.feishu.cn/docx/RVUxdqE2WolDYyxEKATcM0XXnte) -->

dev.md

@@ -29,6 +29,10 @@ Note: If the Node version is >= 20, you need to pass the `--no-node-snapshot` pa
 NODE_OPTIONS=--no-node-snapshot pnpm i
 ```
 
+### Jest
+
+https://fael3z0zfze.feishu.cn/docx/ZOI1dABpxoGhS7xzhkXcKPxZnDL
+
 ## I18N
 
 ### Install i18n-ally Plugin

docSite/assets/images/social/lark.svg

@@ -0,0 +1,5 @@
+<svg t="1728884315234" class="icon" viewBox="0 0 1224 1024" version="1.1" xmlns="http://www.w3.org/2000/svg" p-id="4847" width="28" height="28" fill="currentColor">
+
+<path d="M1224.146926 401.768509a50.444385 50.444385 0 0 0-23.813954-38.631991c-6.095363-3.741292-61.752335-36.782364-141.475481-43.949671a317.253146 317.253146 0 0 0-135.884563 16.982943L746.964061 25.579507A50.444385 50.444385 0 0 0 703.077446 0h-418.268027A50.444385 50.444385 0 0 0 248.027055 84.97777c3.236848 3.447033 296.360763 315.739814 426.969683 459.653442-59.734559 55.762064-103.558119 83.800735-127.666331 96.832201l-200.894764-140.823909a50.045034 50.045034 0 0 0-6.97814-4.098606L79.416697 314.205464A50.444385 50.444385 0 0 0 0.744475 364.124387c0.210185 1.177036 20.619142 118.607361 42.036988 237.635091C86.815207 847.297523 91.775572 859.656397 95.054457 867.874628c5.065457 12.611096 14.334613 24.549601 44.895503 44.538188a595.916337 595.916337 0 0 0 69.361029 38.337733c49.519571 23.603769 128.212812 54.437899 221.59798 67.25918a623.009175 623.009175 0 0 0 85.061845 5.948234c131.491697 0 290.055215-44.138837 418.373119-211.404011 73.564728-96.054517 118.250046-163.944252 154.086578-218.592335 44.033745-67.070014 70.622139-107.551633 118.838564-150.177139a50.444385 50.444385 0 0 0 16.877851-42.015969zM673.693591 100.88877L834.443032 384.638437a413.097477 413.097477 0 0 0-63.055481 59.356226c-8.743693 10.04684-17.256183 19.568218-25.579507 28.711263C656.248242 373.961042 497.033151 203.332909 401.188819 100.88877zM305.491617 882.125167c-59.86067-22.594881-102.065806-47.85911-118.523287-59.692523-10.299062-45.610132-39.935138-209.638457-65.829922-355.780044l391.238243 274.270325a48.132351 48.132351 0 0 0 6.725918 3.951477l189.166445 132.689752a398.300458 398.300458 0 0 1-155.410744 44.138837c-97.336645 7.713787-188.262649-17.277202-247.366653-39.577824z m698.654734-343.442189c-34.932737 53.197808-78.398982 119.385045-149.819824 212.496972a503.371908 503.371908 0 0 1-58.641598 64.33761l-158.185184-110.830518c35.31107-23.813953 81.152405-60.070855 135.905581-114.803013a48.342536 48.342536 0 0 0 14.944149-15.154334c18.790533-19.379051 38.568936-40.859952 59.272153-64.694924 57.086229-65.745849 124.009113-96.243683 198.540692-90.673782a247.639894 247.639894 0 0 1 38.589955 6.011289c-28.290893 33.62959-51.936698 69.63427-80.605924 113.3107z" p-id="4848"></path>
+
+</svg>

docSite/content/zh-cn/docs/agreement/open-source.md

@@ -11,7 +11,7 @@ FastGPT 项目在 Apache License 2.0 许可下开源，同时包含以下附加
 
 + FastGPT 允许被用于商业化，例如作为其他应用的“后端即服务”使用，或者作为应用开发平台提供给企业。然而，当满足以下条件时，必须联系作者获得商业许可：
    
-   + 多租户 SaaS 服务：除非获得 FastGPT 的明确书面授权，否则不得使用 fastgpt.in 的源码来运营与 fastgpt.in 服务类似的多租户 SaaS 服务。
+   + 多租户 SaaS 服务：除非获得 FastGPT 的明确书面授权，否则不得使用 tryfastgpt.ai 的源码来运营与 tryfastgpt.ai 服务类似的多租户 SaaS 服务。
    + LOGO 及版权信息：在使用 FastGPT 的过程中，不得移除或修改 FastGPT 控制台内的 LOGO 或版权信息。
 
    请通过电子邮件 yujinlong@sealos.io 联系我们咨询许可事宜。

docSite/content/zh-cn/docs/commercial/_index.md

@@ -1,7 +1,7 @@
 ---
 weight: 1100
-title: '商业版介绍'
-description: 'FastGPT 商业版介绍'
+title: '收费说明'
+description: 'FastGPT 收费说明'
 icon: 'shopping_cart'
 draft: false
 images: []

docSite/content/zh-cn/docs/commercial/saas.md

@@ -0,0 +1,12 @@
+---
+title: '线上版定价'
+description: 'FastGPT 线上版定价'
+icon: 'currency_yen'
+draft: false
+toc: true
+weight: 1002
+type: redirect
+target: https://cloud.tryfastgpt.ai/price
+---
+
+线上版价格请查看：[https://cloud.tryfastgpt.ai/price](https://cloud.tryfastgpt.ai/price)

docSite/content/zh-cn/docs/community.md

@@ -11,6 +11,6 @@ FastGPT 是一个由用户和贡献者参与推动的开源项目，如果您对
 
 + 📱 扫码加入社区微信交流群👇
 
-   <img width="400px" src="https://oss.laf.run/htr4n1-images/fastgpt-qr-code.jpg" class="medium-zoom-image" />
+   <img width="400px" src="https://oss.laf.run/otnvvf-imgs/fastgpt-feishu1.png" class="medium-zoom-image" />
 
 + 🐞 请将任何 FastGPT 的 Bug、问题和需求提交到 [GitHub Issue](https://github.com/labring/fastgpt/issues/new/choose)。

docSite/content/zh-cn/docs/course/RAG.md

@@ -0,0 +1,331 @@
+---
+title: '知识库基础原理介绍'
+description: '本节详细介绍RAG模型的核心机制、应用场景及其在生成任务中的优势与局限性。'
+icon: 'language'
+draft: false
+toc: true
+weight: 106
+---
+
+[RAG文档](https://huggingface.co/docs/transformers/model_doc/rag)
+
+# 1. 引言
+
+随着自然语言处理（NLP）技术的迅猛发展，生成式语言模型（如GPT、BART等）在多种文本生成任务中表现卓越，尤其在语言生成和上下文理解方面。然而，纯生成模型在处理事实类任务时存在一些固有的局限性。例如，由于这些模型依赖于固定的预训练数据，它们在回答需要最新或实时信息的问题时，可能会出现“编造”信息的现象，导致生成结果不准确或缺乏事实依据。此外，生成模型在面对长尾问题和复杂推理任务时，常因缺乏特定领域的外部知识支持而表现不佳，难以提供足够的深度和准确性。
+
+与此同时，检索模型（Retriever）能够通过在海量文档中快速找到相关信息，解决事实查询的问题。然而，传统检索模型（如BM25）在面对模糊查询或跨域问题时，往往只能返回孤立的结果，无法生成连贯的自然语言回答。由于缺乏上下文推理能力，检索模型生成的答案通常不够连贯和完整。
+
+为了解决这两类模型的不足，检索增强生成模型（Retrieval-Augmented Generation，RAG）应运而生。RAG通过结合生成模型和检索模型的优势，实时从外部知识库中获取相关信息，并将其融入生成任务中，确保生成的文本既具备上下文连贯性，又包含准确的知识。这种混合架构在智能问答、信息检索与推理、以及领域特定的内容生成等场景中表现尤为出色。
+
+## 1.1 RAG的定义
+
+RAG是一种将信息检索与生成模型相结合的混合架构。首先，检索器从外部知识库或文档集中获取与用户查询相关的内容片段；然后，生成器基于这些检索到的内容生成自然语言输出，确保生成的内容既信息丰富，又具备高度的相关性和准确性。
+
+# 2. RAG模型的核心机制
+
+RAG 模型由两个主要模块构成：检索器（Retriever）与生成器（Generator）。这两个模块相互配合，确保生成的文本既包含外部的相关知识，又具备自然流畅的语言表达。
+
+## 2.1 检索器（Retriever）
+
+检索器的主要任务是从一个外部知识库或文档集中获取与输入查询最相关的内容。在RAG中，常用的技术包括：
+
+- 向量检索：如BERT向量等，它通过将文档和查询转化为向量空间中的表示，并使用相似度计算来进行匹配。向量检索的优势在于能够更好地捕捉语义相似性，而不仅仅是依赖于词汇匹配。
+- 传统检索算法：如BM25，主要基于词频和逆文档频率（TF-IDF）的加权搜索模型来对文档进行排序和检索。BM25适用于处理较为简单的匹配任务，尤其是当查询和文档中的关键词有直接匹配时。
+
+RAG中检索器的作用是为生成器提供一个上下文背景，使生成器能够基于这些检索到的文档片段生成更为相关的答案。
+
+## 2.2 生成器（Generator）
+
+生成器负责生成最终的自然语言输出。在RAG系统中，常用的生成器包括：
+
+- BART：BART是一种序列到序列的生成模型，专注于文本生成任务，可以通过不同层次的噪声处理来提升生成的质量 。
+- GPT系列：GPT是一个典型的预训练语言模型，擅长生成流畅自然的文本。它通过大规模数据训练，能够生成相对准确的回答，尤其在任务-生成任务中表现尤为突出 。
+
+生成器在接收来自检索器的文档片段后，会利用这些片段作为上下文，并结合输入的查询，生成相关且自然的文本回答。这确保了模型的生成结果不仅仅基于已有的知识，还能够结合外部最新的信息。
+
+## 2.3 RAG的工作流程
+
+RAG模型的工作流程可以总结为以下几个步骤：
+
+1. 输入查询：用户输入问题，系统将其转化为向量表示。
+2. 文档检索：检索器从知识库中提取与查询最相关的文档片段，通常使用向量检索技术或BM25等传统技术进行。
+3. 生成答案：生成器接收检索器提供的片段，并基于这些片段生成自然语言答案。生成器不仅基于原始的用户查询，还会利用检索到的片段提供更加丰富、上下文相关的答案。
+4. 输出结果：生成的答案反馈给用户，这个过程确保了用户能够获得基于最新和相关信息的准确回答。
+
+# 3. RAG模型的工作原理
+
+## 3.1 检索阶段
+
+在RAG模型中，用户的查询首先被转化为向量表示，然后在知识库中执行向量检索。通常，检索器采用诸如BERT等预训练模型生成查询和文档片段的向量表示，并通过相似度计算（如余弦相似度）匹配最相关的文档片段。RAG的检索器不仅仅依赖简单的关键词匹配，而是采用语义级别的向量表示，从而在面对复杂问题或模糊查询时，能够更加准确地找到相关知识。这一步骤对于最终生成的回答至关重要，因为检索的效率和质量直接决定了生成器可利用的上下文信息 。
+
+## 3.2 生成阶段
+
+生成阶段是RAG模型的核心部分，生成器负责基于检索到的内容生成连贯且自然的文本回答。RAG中的生成器，如BART或GPT等模型，结合用户输入的查询和检索到的文档片段，生成更加精准且丰富的答案。与传统生成模型相比，RAG的生成器不仅能够生成语言流畅的回答，还可以根据外部知识库中的实际信息提供更具事实依据的内容，从而提高了生成的准确性 。
+
+## 3.3 多轮交互与反馈机制
+
+RAG模型在对话系统中能够有效支持多轮交互。每一轮的查询和生成结果会作为下一轮的输入，系统通过分析和学习用户的反馈，逐步优化后续查询的上下文。通过这种循环反馈机制，RAG能够更好地调整其检索和生成策略，使得在多轮对话中生成的答案越来越符合用户的期望。此外，多轮交互还增强了RAG在复杂对话场景中的适应性，使其能够处理跨多轮的知识整合和复杂推理 。
+
+# 4. RAG的优势与局限
+
+## 4.1 优势
+
+- 信息完整性：RAG 模型结合了检索与生成技术，使得生成的文本不仅语言自然流畅，还能够准确利用外部知识库提供的实时信息。这种方法能够显著提升生成任务的准确性，特别是在知识密集型场景下，如医疗问答或法律意见生成。通过从知识库中检索相关文档，RAG 模型避免了生成模型“编造”信息的风险，确保输出更具真实性 。
+- 知识推理能力：RAG 能够利用大规模的外部知识库进行高效检索，并结合这些真实数据进行推理，生成基于事实的答案。相比传统生成模型，RAG 能处理更为复杂的任务，特别是涉及跨领域或跨文档的推理任务。例如，法律领域的复杂判例推理或金融领域的分析报告生成都可以通过RAG的推理能力得到优化 。
+- 领域适应性强：RAG 具有良好的跨领域适应性，能够根据不同领域的知识库进行特定领域内的高效检索和生成。例如，在医疗、法律、金融等需要实时更新和高度准确性的领域，RAG 模型的表现优于仅依赖预训练的生成模型 。
+
+## 4.2 局限
+
+RAG（检索增强生成）模型通过结合检索器和生成器，实现了在多种任务中知识密集型内容生成的突破性进展。然而，尽管其具有较强的应用潜力和跨领域适应能力，但在实际应用中仍然面临着一些关键局限，限制了其在大规模系统中的部署和优化。以下是RAG模型的几个主要局限性：
+
+#### 4.2.1 检索器的依赖性与质量问题
+
+RAG模型的性能很大程度上取决于检索器返回的文档质量。由于生成器主要依赖检索器提供的上下文信息，如果检索到的文档片段不相关、不准确，生成的文本可能出现偏差，甚至产生误导性的结果。尤其在多模糊查询或跨领域检索的情况下，检索器可能无法找到合适的片段，这将直接影响生成内容的连贯性和准确性。
+
+- 挑战：当知识库庞大且内容多样时，如何提高检索器在复杂问题下的精确度是一大挑战。当前的方法如BM25等在特定任务上有局限，尤其是在面对语义模糊的查询时，传统的关键词匹配方式可能无法提供语义上相关的内容。
+- 解决途径：引入混合检索技术，如结合稀疏检索（BM25）与密集检索（如向量检索）。例如，[Faiss](https://fael3z0zfze.feishu.cn/wiki/LULawsUufitGvWkDjx3cKJqHnle?from=from_copylink)的底层实现允许通过BERT等模型生成密集向量表示，显著提升语义级别的匹配效果。通过这种方式，检索器可以捕捉深层次的语义相似性，减少无关文档对生成器的负面影响。
+
+#### 4.2.2 生成器的计算复杂度与性能瓶颈
+
+RAG模型将检索和生成模块结合，尽管生成结果更加准确，但也大大增加了模型的计算复杂度。尤其在处理大规模数据集或长文本时，生成器需要处理来自多个文档片段的信息，导致生成时间明显增加，推理速度下降。对于实时问答系统或其他需要快速响应的应用场景，这种高计算复杂度是一个主要瓶颈。
+
+- 挑战：当知识库规模扩大时，检索过程中的计算开销以及生成器在多片段上的整合能力都会显著影响系统的效率。同时，生成器也面临着资源消耗的问题，尤其是在多轮对话或复杂生成任务中，GPU和内存的消耗会成倍增加。
+- 解决途径：使用模型压缩技术和知识蒸馏来减少生成器的复杂度和推理时间。此外，分布式计算与模型并行化技术的引入，如[DeepSpeed](https://www.deepspeed.ai/)和模型压缩工具，可以有效应对生成任务的高计算复杂度，提升大规模应用场景中的推理效率。
+
+#### 4.2.3 知识库的更新与维护
+
+RAG模型通常依赖于一个预先建立的外部知识库，该知识库可能包含文档、论文、法律条款等各类信息。然而，知识库内容的时效性和准确性直接影响到RAG生成结果的可信度。随着时间推移，知识库中的内容可能过时，导致生成的回答不能反映最新的信息。这对于需要实时信息的场景（如医疗、金融）尤其明显。
+
+- 挑战：知识库需要频繁更新，但手动更新知识库既耗时又容易出错。如何在不影响系统性能的情况下实现知识库的持续自动更新是当前的一大挑战。
+- 解决途径：利用自动化爬虫和信息提取系统，可以实现对知识库的自动化更新，例如，Scrapy等爬虫框架可以自动抓取网页数据并更新知识库。结合[动态索引技术](https://arxiv.org/pdf/2102.03315)，可以帮助检索器实时更新索引，确保知识库反映最新信息。同时，结合增量学习技术，生成器可以逐步吸收新增的信息，避免生成过时答案。此外，动态索引技术也可以帮助检索器实时更新索引，确保知识库检索到的文档反映最新的内容。
+
+#### 4.2.4 生成内容的可控性与透明度
+
+RAG模型结合了检索与生成模块，在生成内容的可控性和透明度上存在一定问题。特别是在复杂任务或多义性较强的用户输入情况下，生成器可能会基于不准确的文档片段生成错误的推理，导致生成的答案偏离实际问题。此外，由于RAG模型的“黑箱”特性，用户难以理解生成器如何利用检索到的文档信息，这在高敏感领域如法律或医疗中尤为突出，可能导致用户对生成内容产生不信任感。
+
+- 挑战：模型透明度不足使得用户难以验证生成答案的来源和可信度。对于需要高可解释性的任务（如医疗问诊、法律咨询等），无法追溯生成答案的知识来源会导致用户不信任模型的决策。
+- 解决途径：为提高透明度，可以引入可解释性AI（XAI）技术，如LIME或SHAP（[链接](https://github.com/marcotcr/lime)），为每个生成答案提供详细的溯源信息，展示所引用的知识片段。这种方法能够帮助用户理解模型的推理过程，从而增强对模型输出的信任。此外，针对生成内容的控制，可以通过加入规则约束或用户反馈机制，逐步优化生成器的输出，确保生成内容更加可信。
+
+# 5. RAG整体改进方向
+
+RAG模型的整体性能依赖于知识库的准确性和检索的效率，因此在数据采集、内容分块、精准检索和回答生成等环节进行优化，是提升模型效果的关键。通过加强数据来源、改进内容管理、优化检索策略及提升回答生成的准确性，RAG模型能够更加适应复杂且动态的实际应用需求。
+
+## 5.1 数据采集与知识库构建
+
+RAG模型的核心依赖在于知识库的数据质量和广度，知识库在某种程度上充当着“外部记忆”的角色。因此，高质量的知识库不仅应包含广泛领域的内容，更要确保数据来源的权威性、可靠性以及时效性。知识库的数据源应涵盖多种可信的渠道，例如科学文献数据库（如PubMed、IEEE Xplore）、权威新闻媒体、行业标准和报告等，这样才能提供足够的背景信息支持RAG在不同任务中的应用。此外，为了确保RAG模型能够提供最新的回答，知识库需要具备自动化更新的能力，以避免数据内容老旧，导致回答失准或缺乏现实参考。
+
+- 挑战：
+  -  尽管数据采集是构建知识库的基础，但在实际操作中仍存在以下几方面的不足：
+  - 数据采集来源单一或覆盖不全
+    1.   RAG模型依赖多领域数据的支持，然而某些知识库过度依赖单一或有限的数据源，通常集中在某些领域，导致在多任务需求下覆盖不足。例如，依赖医学领域数据而缺乏法律和金融数据会使RAG模型在跨领域问答中表现不佳。这种局限性削弱了RAG模型在处理不同主题或多样化查询时的准确性，使得系统在应对复杂或跨领域任务时能力欠缺。
+  - 数据质量参差不齐
+    1.   数据源的质量差异直接影响知识库的可靠性。一些数据可能来源于非权威或低质量渠道，存在偏见、片面或不准确的内容。这些数据若未经筛选录入知识库，会导致RAG模型生成偏差或不准确的回答。例如，在医学领域中，如果引入未经验证的健康信息，可能导致模型给出误导性回答，产生负面影响。数据质量不一致的知识库会大大降低模型输出的可信度和适用性。
+  - 缺乏定期更新机制
+    1.   许多知识库缺乏自动化和频繁的更新机制，特别是在信息变动频繁的领域，如法律、金融和科技。若知识库长期未更新，则RAG模型无法提供最新信息，生成的回答可能过时或不具备实时参考价值。对于用户而言，特别是在需要实时信息的场景下，滞后的知识库会显著影响RAG模型的可信度和用户体验。
+  - 数据处理耗时且易出错
+    1.   数据的采集、清洗、分类和结构化处理是一项繁琐而复杂的任务，尤其是当数据量巨大且涉及多种格式时。通常，大量数据需要人工参与清洗和结构化，而自动化处理流程也存在缺陷，可能会产生错误或遗漏关键信息。低效和易出错的数据处理流程会导致知识库内容不准确、不完整，进而影响RAG模型生成的答案的准确性和连贯性。
+  - 数据敏感性和隐私问题
+    1.   一些特定领域的数据（如医疗、法律、金融）包含敏感信息，未经适当的隐私保护直接引入知识库可能带来隐私泄露的风险。此外，某些敏感数据需要严格的授权和安全存储，以确保在知识库使用中避免违规或隐私泄漏。若未能妥善处理数据隐私问题，不仅会影响系统的合规性，还可能对用户造成严重后果。
+- 改进：
+  -  针对以上不足，可以从以下几个方面进行改进，以提高数据采集和知识库构建的有效性：
+  - 扩大数据源覆盖范围，增加数据的多样性
+    1. 具体实施：将知识库的数据源扩展至多个重要领域，确保包含医疗、法律、金融等关键领域的专业数据库，如PubMed、LexisNexis和金融数据库。使用具有开放许可的开源数据库和经过认证的数据，确保来源多样化且权威性强。
+    2. 目的与效果：通过跨领域数据覆盖，知识库的广度和深度得以增强，确保RAG模型能够在多任务场景下提供可靠回答。借助多领域合作机构的数据支持，在应对多样化需求时将更具优势。
+  - 构建数据质量审查与过滤机制
+    1. 具体实施：采用自动化数据质量检测算法，如文本相似度检查、情感偏差检测等工具，结合人工审查过滤不符合标准的数据。为数据打分并构建“数据可信度评分”，基于来源可信度、内容完整性等指标筛选数据。
+    2. 目的与效果：减少低质量、偏见数据的干扰，确保知识库内容的可靠性。此方法保障了RAG模型输出的权威性，特别在回答复杂或专业问题时，用户能够获得更加精准且中立的答案。
+  - 实现知识库的自动化更新
+    1. 具体实施：引入自动化数据更新系统，如网络爬虫，定期爬取可信站点、行业数据库的最新数据，并利用变化检测算法筛选出与已有知识库重复或已失效的数据。更新机制可以结合智能筛选算法，仅采纳与用户查询高相关性或时效性强的数据。
+    2. 目的与效果：知识库保持及时更新，确保模型在快速变化的领域（如金融、政策、科技）中提供最新信息。用户体验将因此大幅提升，特别是在需要动态或最新信息的领域，输出的内容将更具时效性。
+  - 采用高效的数据清洗与分类流程
+    1. 具体实施：使用自然语言处理技术，如BERT等模型进行数据分类、实体识别和文本去噪，结合去重算法清理重复内容。采用自动化的数据标注和分类算法，将不同数据类型分领域存储。
+    2. 目的与效果：数据清洗和分领域管理可以大幅提高数据处理的准确性，减少低质量数据的干扰。此改进确保RAG模型的回答生成更流畅、上下文更连贯，提升用户对生成内容的理解和信赖。
+  - 强化数据安全与隐私保护措施
+    1. 具体实施：针对医疗、法律等敏感数据，采用去标识化处理技术（如数据脱敏、匿名化等），并结合差分隐私保护。建立数据权限管理和加密存储机制，对敏感信息进行严格管控。
+    2. 目的与效果：在保护用户隐私的前提下，确保使用的数据合规、安全，适用于涉及个人或敏感数据的应用场景。此措施进一步保证了系统的法律合规性，并有效防止隐私泄露风险。
+  - 优化数据格式与结构的标准化
+    1. 具体实施：建立统一的数据格式与标准编码格式，例如使用JSON、XML或知识图谱形式组织结构化数据，以便于检索系统在查询时高效利用。同时，使用知识图谱等结构化工具，将复杂数据间的关系进行系统化存储。
+    2. 目的与效果：提高数据检索效率，确保模型在生成回答时能够高效使用数据的关键信息。标准化的数据结构支持高效的跨领域检索，并提高了RAG模型的内容准确性和知识关系的透明度。
+  - 用户反馈机制
+    1. 具体实施：通过用户反馈系统，记录用户对回答的满意度、反馈意见及改进建议。使用机器学习算法从反馈中识别知识库中的盲区与信息误差，反馈至数据管理流程中进行更新和优化。
+    2. 目的与效果：利用用户反馈作为数据质量的调整依据，帮助知识库持续优化内容。此方法不仅提升了RAG模型的实际效用，还使知识库更贴合用户需求，确保输出内容始终符合用户期望。
+
+## 5.2 数据分块与内容管理
+
+RAG模型的数据分块与内容管理是优化检索与生成流程的关键。合理的分块策略能够帮助模型高效定位目标信息，并在回答生成时提供清晰的上下文支持。通常情况下，将数据按段落、章节或主题进行分块，不仅有助于检索效率的提升，还能避免冗余数据对生成内容造成干扰。尤其在复杂、长文本中，适当的分块策略可保证模型生成的答案具备连贯性、精确性，避免出现内容跳跃或上下文断裂的问题。
+
+- 挑战：
+  -  在实际操作中，数据分块与内容管理环节存在以下问题：
+  - 分块不合理导致的信息断裂
+    1.   部分文本过度切割或分块策略不合理，可能导致信息链条被打断，使得模型在回答生成时缺乏必要的上下文支持。这会使生成内容显得零散，不具备连贯性，影响用户对答案的理解。例如，将法律文本或技术文档随意切割成小段落会导致重要的上下文关系丢失，降低模型的回答质量。
+  - 冗余数据导致生成内容重复或信息过载
+    1.   数据集中往往包含重复信息，若不去重或优化整合，冗余数据可能导致生成内容的重复或信息过载。这不仅影响用户体验，还会浪费计算资源。例如，在新闻数据或社交媒体内容中，热点事件的描述可能重复出现，模型在生成回答时可能反复引用相同信息。
+  - 分块粒度选择不当影响检索精度
+    1.   如果分块粒度过细，模型可能因缺乏足够的上下文而生成不准确的回答；若分块过大，检索时将难以定位具体信息，导致回答内容冗长且含有无关信息。选择适当的分块粒度对生成答案的准确性和相关性至关重要，特别是在问答任务中需要精确定位答案的情况下，粗放的分块策略会明显影响用户的阅读体验和回答的可读性。
+  - 难以实现基于主题或内容逻辑的分块
+    1.   某些复杂文本难以直接按主题或逻辑结构进行分块，尤其是内容密集或领域专业性较强的数据。基于关键字或简单的规则切割往往难以识别不同主题和信息层次，导致模型在回答生成时信息杂乱。对内容逻辑或主题的错误判断，尤其是在医学、金融等场景下，会大大影响生成答案的准确度和专业性。
+- 改进：
+  -  为提高数据分块和内容管理的有效性，可以从以下几方面进行优化：
+  - 引入NLP技术进行自动化分块和上下文分析
+    1. 具体实施：借助自然语言处理（NLP）技术，通过句法分析、语义分割等方式对文本进行逻辑切割，以确保分块的合理性。可以基于BERT等预训练模型实现主题识别和上下文分析，确保每个片段均具备完整的信息链，避免信息断裂。
+    2. 目的与效果：确保文本切割基于逻辑或语义关系，避免信息链条被打断，生成答案时能够更具连贯性，尤其适用于长文本和复杂结构的内容，使模型在回答时上下文更加完整、连贯。
+  - 去重与信息整合，优化内容简洁性
+    1. 具体实施：利用相似度算法（如TF-IDF、余弦相似度）识别冗余内容，并结合聚类算法自动合并重复信息。针对内容频繁重复的情况，可设置内容标记或索引，避免生成时多次引用相同片段。
+    2. 目的与效果：通过去重和信息整合，使数据更具简洁性，避免生成答案中出现重复信息。减少冗余信息的干扰，使用户获得简明扼要的回答，增强阅读体验，同时提升生成过程的计算效率。
+  - 根据任务需求动态调整分块粒度
+    1. 具体实施：根据模型任务的不同，设置动态分块策略。例如，在问答任务中对关键信息较短的内容可采用小粒度分块，而在长文本或背景性内容中采用较大粒度。分块策略可基于查询需求或内容复杂度自动调整。
+    2. 目的与效果：分块粒度的动态调整确保模型在检索和生成时既能准确定位关键内容，又能为回答提供足够的上下文支持，提升生成内容的精准性和相关性，确保用户获取的信息既准确又不冗长。
+  - 引入基于主题的分块方法以提升上下文完整性
+    1. 具体实施：使用主题模型（如LDA）或嵌入式文本聚类技术，对文本内容按主题进行自动分类与分块。基于相同主题内容的聚合分块，有助于模型识别不同内容层次，尤其适用于复杂的学术文章或多章节的长篇报告。
+    2. 目的与效果：基于主题的分块确保同一主题的内容保持在一个片段内，提升模型在回答生成时的上下文连贯性。适用于主题复杂、层次清晰的内容场景，提高回答的专业性和条理性，使用户更容易理解生成内容的逻辑关系。
+  - 实时评估分块策略与内容呈现效果的反馈机制
+    1. 具体实施：通过用户反馈机制和生成质量评估系统实时监测生成内容的连贯性和准确性。对用户反馈中涉及分块效果差的部分进行重新分块，通过用户使用数据优化分块策略。
+    2. 目的与效果：用户反馈帮助识别不合理的分块和内容呈现问题，实现分块策略的动态优化，持续提升生成内容的质量和用户满意度。
+
+## 5.3 检索优化
+
+在RAG模型中，检索模块决定了生成答案的相关性和准确性。有效的检索策略可确保模型获取到最适合的上下文片段，使生成的回答更加精准且贴合查询需求。常用的混合检索策略（如BM25和DPR结合）能够在关键词匹配和语义检索方面实现优势互补：BM25适合高效地处理关键字匹配任务，而DPR在理解深层语义上表现更为优异。因此，合理选用检索策略有助于在不同任务场景下达到计算资源和检索精度的平衡，以高效提供相关上下文供生成器使用。
+
+- 挑战：
+  -  检索优化过程中，仍面临以下不足之处：
+  - 检索策略单一导致的回答偏差
+    1.   当仅依赖BM25或DPR等单一技术时，模型可能难以平衡关键词匹配与语义理解。BM25在处理具象关键字时表现良好，但在面对复杂、含义丰富的语义查询时效果欠佳；相反，DPR虽然具备深度语义匹配能力，但对高频关键词匹配的敏感度较弱。检索策略单一将导致模型难以适应复杂的用户查询，回答中出现片面性或不够精准的情况。
+  - 检索效率与资源消耗的矛盾
+    1.   检索模块需要在短时间内处理大量查询，而语义检索（如DPR）需要进行大量的计算和存储操作，计算资源消耗高，影响系统响应速度。特别是对于需要实时响应的应用场景，DPR的计算复杂度往往难以满足实际需求，因此在实时性和资源利用率上亟需优化。
+  - 检索结果的冗余性导致内容重复
+    1.   当检索策略未对结果进行去重或排序优化时，RAG模型可能从知识库中检索出相似度高但内容冗余的文档片段。这会导致生成的回答中包含重复信息，影响阅读体验，同时增加无效信息的比例，使用户难以迅速获取核心答案。
+  - 不同任务需求下检索策略的适配性差
+    1.   RAG模型应用场景丰富，但不同任务对检索精度、速度和上下文长度的需求不尽相同。固定检索策略难以灵活应对多样化的任务需求，导致在应对不同任务时，模型检索效果受限。例如，面向精确性较高的医疗问答场景时，检索策略应偏向语义准确性，而在热点新闻场景中则应偏重检索速度。
+- 改进：
+  -  针对上述不足，可以从以下几个方面优化检索模块：
+  - 结合BM25与DPR的混合检索策略
+    1. 具体实施：采用BM25进行关键词初筛，快速排除无关信息，然后使用DPR进行深度语义匹配筛选。这样可以有效提升检索精度，平衡关键词匹配和语义理解。
+    2. 目的与效果：通过多层筛选过程，确保检索结果在语义理解和关键词匹配方面互补，提升生成内容的准确性，特别适用于多意图查询或复杂的长文本检索。
+  - 优化检索效率，控制计算资源消耗
+    1. 具体实施：利用缓存机制存储近期高频查询结果，避免对相似查询的重复计算。同时，可基于分布式计算结构，将DPR的语义计算任务分散至多节点并行处理。
+    2. 目的与效果：缓存与分布式计算结合可显著减少检索计算压力，使系统能够在有限资源下提高响应速度，适用于高并发、实时性要求高的应用场景。
+  - 引入去重和排序优化算法
+    1. 具体实施：在检索结果中应用余弦相似度去重算法，筛除冗余内容，并基于用户偏好或时间戳对检索结果排序，以确保输出内容的丰富性和新鲜度。
+    2. 目的与效果：通过去重和优化排序，确保生成内容更加简洁、直接，减少重复信息的干扰，提高用户获取信息的效率和体验。
+  - 动态调整检索策略适应多任务需求
+    1. 具体实施：设置不同检索策略模板，根据任务类型自动调整检索权重、片段长度和策略组合。例如在医疗场景中偏向语义检索，而在金融新闻场景中更重视快速关键词匹配。
+    2. 目的与效果：动态调整检索策略使RAG模型更加灵活，能够适应不同任务需求，确保检索的精准性和生成答案的上下文适配性，显著提升多场景下的用户体验。
+  - 借助Haystack等检索优化框架
+    1. 具体实施：在RAG模型中集成Haystack框架，以实现更高效的检索效果，并利用框架中的插件生态系统来增强检索模块的可扩展性和可调节性。
+    2. 目的与效果：Haystack提供了检索和生成的整合接口，有助于快速优化检索模块，并适应复杂多样的用户需求，在多任务环境中提供更稳定的性能表现。
+
+## 5.4 回答生成与优化
+
+在RAG模型中，生成器负责基于检索模块提供的上下文，为用户查询生成自然语言答案。生成内容的准确性和逻辑性直接决定了用户的体验，因此优化生成器的表现至关重要。通过引入知识图谱等结构化信息，生成器能够更准确地理解和关联上下文，从而生成逻辑连贯、准确的回答。此外，生成器的生成逻辑可结合用户反馈持续优化，使回答风格和内容更加符合用户需求。
+
+- 挑战：
+  -  在回答生成过程中，RAG模型仍面临以下不足：
+  - 上下文不充分导致的逻辑不连贯
+    1.   当生成器在上下文缺失或信息不完整的情况下生成回答时，生成内容往往不够连贯，特别是在处理复杂、跨领域任务时。这种缺乏上下文支持的问题，容易导致生成器误解或忽略关键信息，最终生成内容的逻辑性和完整性欠佳。如在医学场景中，若生成器缺少对病例或症状的全面理解，可能导致回答不准确或不符合逻辑，影响专业性和用户信任度。
+  - 专业领域回答的准确性欠佳
+    1.   在医学、法律等高专业领域中，生成器的回答需要高度的准确性。然而，生成器可能因缺乏特定知识而生成不符合领域要求的回答，出现内容偏差或理解错误，尤其在涉及专业术语和复杂概念时更为明显。如在法律咨询中，生成器可能未能正确引用相关法条或判例，导致生成的答案不够精确，甚至可能产生误导。
+  - 难以有效整合多轮用户反馈
+    1.   生成器缺乏有效机制来利用多轮用户反馈进行自我优化。用户反馈可能涉及回答内容的准确性、逻辑性以及风格适配等方面，但生成器在连续对话中缺乏充分的调节机制，难以持续调整生成策略和回答风格。如在客服场景中，生成器可能连续生成不符合用户需求的回答，降低了用户满意度。
+  - 生成内容的可控性和一致性不足
+    1.   在特定领域回答生成中，生成器的输出往往不具备足够的可控性和一致性。由于缺乏领域特定的生成规则和约束，生成内容的专业性和风格一致性欠佳，难以满足高要求的应用场景。如在金融报告生成中，生成内容需要确保一致的风格和术语使用，否则会影响输出的专业性和可信度。
+- 改进：
+  -  针对以上不足，可以从以下方面优化回答生成模块：
+  - 引入知识图谱与结构化数据，增强上下文理解
+    1. 具体实施：结合知识图谱或知识库，将医学、法律等专业领域的信息整合到生成过程中。生成器在生成回答时，可以从知识图谱中提取关键信息和关联知识点，确保回答具备连贯的逻辑链条。
+    2. 目的与效果：知识图谱的引入提升了生成内容的连贯性和准确性，尤其在高专业性领域中，通过丰富的上下文理解，使生成器能够产生符合逻辑的回答。
+  - 设计专业领域特定的生成规则和约束
+    1. 具体实施：在生成模型中加入领域特定的生成规则和用语约束，特别针对医学、法律等领域的常见问答场景，设定回答模板、术语库等，以提高生成内容的准确性和一致性。
+    2. 目的与效果：生成内容更具领域特征，输出风格和内容的专业性增强，有效降低了生成器在专业领域中的回答偏差，满足用户对专业性和可信度的要求。
+  - 优化用户反馈机制，实现动态生成逻辑调整
+    1. 具体实施：利用机器学习算法对用户反馈进行分析，从反馈中提取生成错误或用户需求的调整信息，动态调节生成器的生成逻辑和策略。同时，在多轮对话中逐步适应用户的需求和风格偏好。
+    2. 目的与效果：用户反馈的高效利用能够帮助生成器优化生成内容，提高连续对话中的响应质量，提升用户体验，并使回答更贴合用户需求。
+  - 引入生成器与检索器的协同优化机制
+    1. 具体实施：通过协同优化机制，在生成器生成答案之前，允许生成器请求检索器补充缺失的上下文信息。生成器可基于回答需求自动向检索器发起上下文补充请求，从而获取完整的上下文。
+    2. 目的与效果：协同优化机制保障了生成器在回答时拥有足够的上下文支持，避免信息断层或缺失，提升回答的完整性和准确性。
+  - 实施生成内容的一致性检测和语义校正
+    1. 具体实施：通过一致性检测算法对生成内容进行术语、风格的统一管理，并结合语义校正模型检测生成内容是否符合用户需求的逻辑结构。在复杂回答生成中，使用语义校正对不符合逻辑的生成内容进行自动优化。
+    2. 目的与效果：生成内容具备高度一致性和逻辑性，特别是在多轮对话和专业领域生成中，保障了内容的稳定性和专业水准，提高了生成答案的可信度和用户满意度。
+
+## 5.5 RAG流程
+
+![](/imgs/RAG1.png)
+
+1. 数据加载与查询输入：
+   1. 用户通过界面或API提交自然语言查询，系统接收查询作为输入。
+   2. 输入被传递至向量化器，利用向量化技术（如BERT或Sentence Transformer）将自然语言查询转换为向量表示。
+2. 文档检索：
+   1. 向量化后的查询会传递给检索器，检索器通过在知识库中查找最相关的文档片段。
+   2. 检索可以基于稀疏检索技术（如BM25）或密集检索技术（如DPR）来提高匹配效率和精度。
+3. 生成器处理与自然语言生成：
+   1. 检索到的文档片段作为生成器的输入，生成器（如GPT、BART或T5）基于查询和文档内容生成自然语言回答。
+   2. 生成器结合了外部检索结果和预训练模型的语言知识，使回答更加精准、自然。
+4. 结果输出：
+   1. 系统生成的答案通过API或界面返回给用户，确保答案连贯且知识准确。
+5. 反馈与优化：
+   1. 用户可以对生成的答案进行反馈，系统根据反馈优化检索与生成过程。
+   2. 通过微调模型参数或调整检索权重，系统逐步改进其性能，确保未来查询时更高的准确性与效率。
+
+# 6. RAG相关案例整合
+
+[各种分类领域下的RAG](https://github.com/hymie122/RAG-Survey)
+
+# 7. RAG模型的应用
+
+RAG模型已在多个领域得到广泛应用，主要包括：
+
+## 7.1 智能问答系统中的应用
+
+- RAG通过实时检索外部知识库，生成包含准确且详细的答案，避免传统生成模型可能产生的错误信息。例如，在医疗问答系统中，RAG能够结合最新的医学文献，生成包含最新治疗方案的准确答案，避免生成模型提供过时或错误的建议。这种方法帮助医疗专家快速获得最新的研究成果和诊疗建议，提升医疗决策的质量。
+  - [医疗问答系统案例](https://www.apexon.com/blog/empowering-discovery-the-role-of-rag-architecture-generative-ai-in-healthcare-life-sciences/)
+    - ![](/imgs/RAG2.png)
+    - 用户通过Web应用程序发起查询：
+      1. 用户在一个Web应用上输入查询请求，这个请求进入后端系统，启动了整个数据处理流程。
+    - 使用Azure AD进行身份验证：
+      1. 系统通过Azure Active Directory (Azure AD) 对用户进行身份验证，确保只有经过授权的用户才能访问系统和数据。
+    - 用户权限检查：
+      1. 系统根据用户的组权限（由Azure AD管理）过滤用户能够访问的内容。这个步骤保证了用户只能看到他们有权限查看的信息。
+    - Azure AI搜索服务：
+      1. 过滤后的用户查询被传递给Azure AI搜索服务，该服务会在已索引的数据库或文档中查找与查询相关的内容。这个搜索引擎通过语义搜索技术检索最相关的信息。
+    - 文档智能处理：
+      1. 系统使用OCR（光学字符识别）和文档提取等技术处理输入的文档，将非结构化数据转换为结构化、可搜索的数据，便于Azure AI进行检索。
+    - 文档来源：
+      1. 这些文档来自预先存储的输入文档集合，这些文档在被用户查询之前已经通过文档智能处理进行了准备和索引。
+    - Azure Open AI生成响应：
+      1. 在检索到相关信息后，数据会被传递到Azure Open AI，该模块利用自然语言生成（NLG）技术，根据用户的查询和检索结果生成连贯的回答。
+    - 响应返回用户：
+      1. 最终生成的回答通过Web应用程序返回给用户，完成整个查询到响应的流程。
+    -   整个流程展示了Azure AI技术的集成，通过文档检索、智能处理以及自然语言生成来处理复杂的查询，并确保了数据的安全和合规性。
+
+## 7.2 信息检索与文本生成
+
+- 文本生成：RAG不仅可以检索相关文档，还能根据这些文档生成总结、报告或文档摘要，从而增强生成内容的连贯性和准确性。例如，法律领域中，RAG可以整合相关法条和判例，生成详细的法律意见书，确保内容的全面性和严谨性。这在法律咨询和文件生成过程中尤为重要，可以帮助律师和法律从业者提高工作效率。
+  - [法律领域检索增强生成案例](https://www.apexon.com/blog/empowering-discovery-the-role-of-rag-architecture-generative-ai-in-healthcare-life-sciences/)
+    -   内容总结：
+    - 背景： 传统的大语言模型 (LLMs) 在生成任务中表现优异，但在处理法律领域中的复杂任务时存在局限。法律文档具有独特的结构和术语，标准的检索评估基准往往无法充分捕捉这些领域特有的复杂性。为了弥补这一不足，LegalBench-RAG 旨在提供一个评估法律文档检索效果的专用基准。
+    - LegalBench-RAG 的结构：
+      1. ![](/imgs/RAG3.png)
+      2.    工作流程：
+      3. 用户输入问题（Q: ?，A: ?）：用户通过界面输入查询问题，提出需要答案的具体问题。
+      4. 嵌入与检索模块（Embed + Retrieve）：该模块接收到用户的查询后，会对问题进行嵌入（将其转化为向量），并在外部知识库或文档中执行相似度检索。通过检索算法，系统找到与查询相关的文档片段或信息。
+      5. 生成答案（A）：基于检索到的最相关信息，生成模型（如GPT或类似的语言模型）根据检索的结果生成连贯的自然语言答案。
+      6. 对比和返回结果：生成的答案会与之前的相关问题答案进行对比，并最终将生成的答案返回给用户。
+      7. 该基准基于 LegalBench 的数据集，构建了 6858 个查询-答案对，并追溯到其原始法律文档的确切位置。
+      8. LegalBench-RAG 侧重于精确地检索法律文本中的小段落，而非宽泛的、上下文不相关的片段。
+      9. 数据集涵盖了合同、隐私政策等不同类型的法律文档，确保涵盖多个法律应用场景。
+    - 意义： LegalBench-RAG 是第一个专门针对法律检索系统的公开可用的基准。它为研究人员和公司提供了一个标准化的框架，用于比较不同的检索算法的效果，特别是在需要高精度的法律任务中，例如判决引用、条款解释等。
+    - 关键挑战：
+      1. RAG 系统的生成部分依赖检索到的信息，错误的检索结果可能导致错误的生成输出。
+      2. 法律文档的长度和术语复杂性增加了模型检索和生成的难度。
+    - 质量控制： 数据集的构建过程确保了高质量的人工注释和文本精确性，特别是在映射注释类别和文档ID到具体文本片段时进行了多次人工校验。
+
+## 7.3 其它应用场景
+
+RAG还可以应用于多模态生成场景，如图像、音频和3D内容生成。例如，跨模态应用如ReMoDiffuse和Make-An-Audio利用RAG技术实现不同数据形式的生成。此外，在企业决策支持中，RAG能够快速检索外部资源（如行业报告、市场数据），生成高质量的前瞻性报告，从而提升企业战略决策的能力。
+
+## 8 总结
+
+本文档系统阐述了检索增强生成（RAG）模型的核心机制、优势与应用场景。通过结合生成模型与检索模型，RAG解决了传统生成模型在面对事实性任务时的“编造”问题和检索模型难以生成连贯自然语言输出的不足。RAG模型能够实时从外部知识库获取信息，使生成内容既包含准确的知识，又具备流畅的语言表达，适用于医疗、法律、智能问答系统等多个知识密集型领域。
+
+在应用实践中，RAG模型虽然有着信息完整性、推理能力和跨领域适应性等显著优势，但也面临着数据质量、计算资源消耗和知识库更新等挑战。为进一步提升RAG的性能，提出了针对数据采集、内容分块、检索策略优化以及回答生成的全面改进措施，如引入知识图谱、优化用户反馈机制、实施高效去重算法等，以增强模型的适用性和效率。
+
+RAG在智能问答、信息检索与文本生成等领域展现了出色的应用潜力，并在不断发展的技术支持下进一步拓展至多模态生成和企业决策支持等场景。通过引入混合检索技术、知识图谱以及动态反馈机制，RAG能够更加灵活地应对复杂的用户需求，生成具有事实支撑和逻辑连贯性的回答。未来，RAG将通过增强模型透明性与可控性，进一步提升在专业领域中的可信度和实用性，为智能信息检索与内容生成提供更广泛的应用空间。

docSite/content/zh-cn/docs/course/dataset_engine.md

@@ -42,7 +42,7 @@ FastGPT 采用了 RAG 中的 Embedding 方案构建知识库，要使用好 Fast
 
 FastGPT 采用了`PostgresSQL`的`PG Vector`插件作为向量检索器，索引为`HNSW`。且`PostgresSQL`仅用于向量检索（该引擎可以替换成其它数据库），`MongoDB`用于其他数据的存取。
 
-在`MongoDB`的`dataset.datas`表中，会存储向量原数据的信息，同时有一个`indexes`字段，会记录其对应的向量ID，这是一个数组，也就是说，一组向量可以对应多组数据。
+在`MongoDB`的`dataset.datas`表中，会存储向量原数据的信息，同时有一个`indexes`字段，会记录其对应的向量ID，这是一个数组，也就是说，一组数据可以对应多个向量。
 
 在`PostgresSQL`的表中，设置一个`vector`字段用于存储向量。在检索时，会先召回向量，再根据向量的ID，去`MongoDB`中寻找原数据内容，如果对应了同一组原数据，则进行合并，向量得分取最高得分。
 

docSite/content/zh-cn/docs/course/feishu.md

@@ -86,3 +86,12 @@ Verification Token 默认生成的这个 Token 用于校验来源。但我们使
 然后就可以在工作台里找到你的机器人啦。接下来就是把机器人拉进群组，或者单独与它对话。
 
 ![图片](/imgs/feishu-bot-9.png)
+
+## FAQ
+
+### 发送了消息，没响应
+
+1. 检查飞书机器人回调地址、权限等是否正确。
+2. 查看 FastGPT 对话日志，是否有对应的提问记录
+3. 如果有记录，飞书没回应，则是没给机器人开权限。
+4. 如果没记录，则可能是应用运行报错了，可以先试试最简单的机器人。（飞书机器人无法输入全局变量、文件、图片内容）

docSite/content/zh-cn/docs/course/fileInput.md

@@ -114,7 +114,7 @@ ${content}
 它接收一个`string`类型的输入，除了可以引用文档解析结果外，还可以实现自定义内容引用，最终会进行提示词拼接，放置在 role=system 的消息中。提示词模板如下：
 
 ```
-将 <Quote></Quote> 中的内容作为你的知识:
+将 <Quote></Quote> 中的内容作为本次对话的参考:
 <Quote>
 {{quote}}
 </Quote>

docSite/content/zh-cn/docs/course/official_account.md

@@ -36,7 +36,7 @@ weight: 113
 
 私有部署的用户可自行查阅自己的 IP 地址。
 
-海外版用户（fastgpt.in)可以填写下面的 IP 白名单：
+海外版用户（cloud.tryfastgpt.ai)可以填写下面的 IP 白名单：
 
 ```
 34.87.20.17
@@ -62,6 +62,23 @@ weight: 113
 34.142.157.52
 ```
 
+国内版用户（fastgpt.cn)可以填写下面的 IP 白名单：
+
+```
+47.97.59.172
+121.43.108.48
+121.41.75.88
+121.41.178.7
+121.40.65.187
+121.196.235.183
+120.55.195.90
+120.55.193.112
+120.26.229.115
+112.124.41.79
+101.37.205.32
+47.98.190.173
+```
+
 ## 4. 获取AES Key，选择加密方式
 
 ![图片](/imgs/offiaccount-5.png)

docSite/content/zh-cn/docs/course/websync.md

@@ -18,7 +18,7 @@ Web 站点同步利用爬虫的技术，可以通过一个入口网站，自动
 Tips: 国内的媒体站点基本不可用，公众号、csdn、知乎等。可以通过终端发送`curl`请求检测是否为静态站点，例如：
 
 ```bash
-curl https://doc.fastgpt.in/docs/intro/
+curl https://doc.tryfastgpt.ai/docs/intro/
 ```
 
 ## 如何使用

docSite/content/zh-cn/docs/development/configuration.md

@@ -13,9 +13,7 @@ weight: 708
 
 这个配置文件中包含了系统参数和各个模型配置：
 
-## 4.6.8+ 版本新配置文件
-
-llm模型全部合并
+## 4.6.8+ 版本新配置文件示例
 
 ```json
 {
@@ -29,16 +27,16 @@ llm模型全部合并
   },
   "llmModels": [
     {
-      "model": "gpt-3.5-turbo", // 模型名(对应OneAPI中渠道的模型名)
-      "name": "gpt-3.5-turbo", // 别名
+      "model": "gpt-4o-mini", // 模型名(对应OneAPI中渠道的模型名)
+      "name": "gpt-4o-mini", // 模型别名
       "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
+      "maxContext": 125000, // 最大上下文
+      "maxResponse": 16000, // 最大回复
+      "quoteMaxToken": 120000, // 最大引用内容
       "maxTemperature": 1.2, // 最大温度
-      "charsPointsPrice": 0,  // n积分/1k token（商业版）
+      "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
+      "vision": true, // 是否支持图片输入
       "datasetProcess": true, // 是否设置为知识库处理模型（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）
@@ -49,20 +47,20 @@ llm模型全部合并
       "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）
+      "defaultConfig": {} // 请求API时，挟带一些默认配置（比如 GLM4 的 top_p）
     },
     {
-      "model": "gpt-4-0125-preview",
-      "name": "gpt-4-turbo",
+      "model": "gpt-4o",
+      "name": "gpt-4o",
       "avatar": "/imgs/model/openai.svg",
       "maxContext": 125000,
       "maxResponse": 4000,
-      "quoteMaxToken": 100000,
+      "quoteMaxToken": 120000,
       "maxTemperature": 1.2,
       "charsPointsPrice": 0,
       "censor": false,
-      "vision": false,
-      "datasetProcess": false,
+      "vision": true,
+      "datasetProcess": true,
       "usedInClassify": true,
       "usedInExtractFields": true,
       "usedInToolCall": true,
@@ -72,30 +70,61 @@ llm模型全部合并
       "customCQPrompt": "",
       "customExtractPrompt": "",
       "defaultSystemChatPrompt": "",
-      "defaultConfig":{} 
+      "defaultConfig": {}
     },
     {
-      "model": "gpt-4-vision-preview",
-      "name": "gpt-4-vision",
+      "model": "o1-mini",
+      "name": "o1-mini",
       "avatar": "/imgs/model/openai.svg",
-      "maxContext": 128000,
+      "maxContext": 125000,
       "maxResponse": 4000,
-      "quoteMaxToken": 100000,
+      "quoteMaxToken": 120000,
       "maxTemperature": 1.2,
       "charsPointsPrice": 0,
       "censor": false,
-      "vision": true,
-      "datasetProcess": false,
-      "usedInClassify": false,
-      "usedInExtractFields": false,
-      "usedInToolCall": false,
-      "usedInQueryExtension": false,
-      "toolChoice": true,
+      "vision": false,
+      "datasetProcess": true,
+      "usedInClassify": true,
+      "usedInExtractFields": true,
+      "usedInToolCall": true,
+      "usedInQueryExtension": true,
+      "toolChoice": false,
       "functionCall": false,
       "customCQPrompt": "",
       "customExtractPrompt": "",
       "defaultSystemChatPrompt": "",
-      "defaultConfig":{} 
+      "defaultConfig": {
+        "temperature": 1,
+        "max_tokens": null,
+        "stream": false
+      }
+    },
+    {
+      "model": "o1-preview",
+      "name": "o1-preview",
+      "avatar": "/imgs/model/openai.svg",
+      "maxContext": 125000,
+      "maxResponse": 4000,
+      "quoteMaxToken": 120000,
+      "maxTemperature": 1.2,
+      "charsPointsPrice": 0,
+      "censor": false,
+      "vision": false,
+      "datasetProcess": true,
+      "usedInClassify": true,
+      "usedInExtractFields": true,
+      "usedInToolCall": true,
+      "usedInQueryExtension": true,
+      "toolChoice": false,
+      "functionCall": false,
+      "customCQPrompt": "",
+      "customExtractPrompt": "",
+      "defaultSystemChatPrompt": "",
+      "defaultConfig": {
+        "temperature": 1,
+        "max_tokens": null,
+        "stream": false
+      }
     }
   ],
   "vectorModels": [
@@ -107,9 +136,30 @@ llm模型全部合并
       "defaultToken": 700, // 默认文本分割时候的 token
       "maxToken": 3000, // 最大 token
       "weight": 100, // 优先训练权重
-      "defaultConfig":{},  // 自定义额外参数。例如，如果希望使用 embedding3-large 的话，可以传入 dimensions:1024，来返回1024维度的向量。（目前必须小于1536维度）
+      "defaultConfig": {}, // 自定义额外参数。例如，如果希望使用 embedding3-large 的话，可以传入 dimensions:1024，来返回1024维度的向量。（目前必须小于1536维度）
       "dbConfig": {}, // 存储时的额外参数（非对称向量模型时候需要用到）
       "queryConfig": {} // 参训时的额外参数
+    },
+    {
+      "model": "text-embedding-3-large",
+      "name": "text-embedding-3-large",
+      "avatar": "/imgs/model/openai.svg",
+      "charsPointsPrice": 0,
+      "defaultToken": 512,
+      "maxToken": 3000,
+      "weight": 100,
+      "defaultConfig": {
+        "dimensions": 1024
+      }
+    },
+    {
+      "model": "text-embedding-3-small",
+      "name": "text-embedding-3-small",
+      "avatar": "/imgs/model/openai.svg",
+      "charsPointsPrice": 0,
+      "defaultToken": 512,
+      "maxToken": 3000,
+      "weight": 100
     }
   ],
   "reRankModels": [],
@@ -138,19 +188,22 @@ llm模型全部合并
 
 ## 关于模型 logo
 
-统一放置在项目的`public/imgs/model/xxx`目录中，目前内置了以下几种，如果有需要，可以PR增加。默认头像为 Hugging face 的 logo~
+统一放置在项目的`public/imgs/model/xxx`目录中，目前内置了以下几种，如果有需要，可以PR增加。默认logo为 Hugging face 的 logo~
 
-- /imgs/model/baichuan.svg - 百川
-- /imgs/model/chatglm.svg - 智谱
-- /imgs/model/calude.svg - calude
+- /imgs/model/baichuan.svg - 百川智能
+- /imgs/model/chatglm.svg - 智谱清言
+- /imgs/model/claude.svg - claude
+- /imgs/model/deepseek.svg - deepseek
+- /imgs/model/doubao.svg - 火山豆包
 - /imgs/model/ernie.svg - 文心一言
+- /imgs/model/gemini.svg - gemini
+- /imgs/model/huggingface.svg - Hugging face【默认logo】
+- /imgs/model/minimax.svg - minimax
 - /imgs/model/moonshot.svg - 月之暗面
 - /imgs/model/openai.svg - OpenAI GPT
 - /imgs/model/qwen.svg - 通义千问
+- /imgs/model/sparkDesk.svg - 讯飞星火
 - /imgs/model/yi.svg - 零一万物
-- /imgs/model/gemini.svg - gemini
-- /imgs/model/deepseek.svg - deepseek
-- /imgs/model/minimax.svg - minimax
 - 
 
 ## 特殊模型
@@ -177,6 +230,27 @@ llm模型全部合并
 }
 ```
 
+### ReRank 接入（硅基流动）
+
+有免费的 `bge-reranker-v2-m3` 模型可以使用。
+
+1. 注册硅基流动账号: https://siliconflow.cn/
+2. 进入控制台，获取 API key: https://cloud.siliconflow.cn/account/ak
+3. 修改 FastGPT 配置文件
+
+```json
+{
+    "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"
+        }
+    ]
+}
+```
+
 ### ReRank 接入（Cohere）
 
 这个重排模型对中文不是很好，不如 bge 的好用。
@@ -189,7 +263,7 @@ llm模型全部合并
     "reRankModels": [
         {
             "model": "rerank-multilingual-v2.0", // 这里的model需要对应 cohere 的模型名
-            "name": "检索重排", // 随意
+            "name": "rerank-multilingual-v2.0",
             "requestUrl": "https://api.cohere.ai/v1/rerank",
             "requestAuth": "Coherer上申请的key"
         }

docSite/content/zh-cn/docs/development/docker.md

@@ -35,6 +35,8 @@ weight: 707
 
 ### Milvus版本
 
+暂不推荐，部分系统存在精度丢失，等待修复。
+
 对于千万级以上向量性能更优秀。
 
 [点击查看 Milvus 官方推荐配置](https://milvus.io/docs/prerequisite-docker.md)
@@ -49,6 +51,8 @@ weight: 707
 
 ### zilliz cloud版本
 
+暂不推荐，部分系统存在精度丢失，等待修复。
+
 亿级以上向量首选。
 
 由于向量库使用了 Cloud，无需占用本地资源，无需太关注。
@@ -110,7 +114,7 @@ brew install orbstack
 
 非 Linux 环境或无法访问外网环境，可手动创建一个目录，并下载配置文件和对应版本的`docker-compose.yml`，在这个文件夹中依据下载的配置文件运行docker，若作为本地开发使用推荐`docker-compose-pgvector`版本，并且自行拉取并运行`sandbox`和`fastgpt`，并在docker配置文件中注释掉`sandbox`和`fastgpt`的部分
 
-- [config.json](https://github.com/labring/FastGPT/blob/main/projects/app/data/config.json)
+- [config.json](https://raw.githubusercontent.com/labring/FastGPT/refs/heads/main/projects/app/data/config.json)
 - [docker-compose.yml](https://github.com/labring/FastGPT/blob/main/files/docker) (注意，不同向量库版本的文件不一样)
 
 {{% alert icon="🤖" context="success" %}}

docSite/content/zh-cn/docs/development/faq.md

@@ -121,4 +121,148 @@ OneAPI 的 API Key 配置错误，需要修改`OPENAI_API_KEY`环境变量，并
 
 1. 模型服务不可用
 2. 模型接口参数异常（温度、max token等可能不适配）
-3. ....
+3. ....
+
+
+## 四、常见模型问题
+
+### 报错 - 模型响应为空
+
+该错误是由于 stream 模式下，oneapi 直接结束了流请求，并且未返回任何内容导致。
+
+4.8.10 版本新增了错误日志，报错时，会在日志中打印出实际发送的 Body 参数，可以复制该参数后，通过 curl 向 oneapi 发起请求测试。
+
+由于 oneapi 在 stream 模式下，无法正确捕获错误，可以设置成 `stream=false` 后进行测试。
+
+### 如何测试模型是否支持工具调用
+
+需要模型提供商和 oneapi 同时支持工具调用才可使用，测试方法如下：
+
+1. 通过 `curl` 向 `oneapi` 发起第一轮 stream 模式的 tool 测试。
+
+```bash
+curl --location --request POST 'https://oneapi.xxx/v1/chat/completions' \
+--header 'Authorization: Bearer sk-xxxx' \
+--header 'Content-Type: application/json' \
+--data-raw '{
+  "model": "gpt-4o-mini",
+  "temperature": 0.01,
+  "max_tokens": 8000,
+  "stream": true,
+  "messages": [
+    {
+      "role": "user",
+      "content": "几点了"
+    }
+  ],
+  "tools": [
+    {
+      "type": "function",
+      "function": {
+        "name": "hCVbIY",
+        "description": "获取用户当前时区的时间。",
+        "parameters": {
+          "type": "object",
+          "properties": {},
+          "required": []
+        }
+      }
+    }
+  ],
+  "tool_choice": "auto"
+}'
+```
+
+2. 检查响应参数
+
+如果能正常调用工具，会返回对应 `tool_calls` 参数。
+
+```json
+{
+    "id": "chatcmpl-A7kwo1rZ3OHYSeIFgfWYxu8X2koN3",
+    "object": "chat.completion.chunk",
+    "created": 1726412126,
+    "model": "gpt-4o-mini-2024-07-18",
+    "system_fingerprint": "fp_483d39d857",
+    "choices": [
+        {
+            "index": 0,
+            "delta": {
+                "role": "assistant",
+                "content": null,
+                "tool_calls": [
+                    {
+                        "index": 0,
+                        "id": "call_0n24eiFk8OUyIyrdEbLdirU7",
+                        "type": "function",
+                        "function": {
+                            "name": "mEYIcFl84rYC",
+                            "arguments": ""
+                        }
+                    }
+                ],
+                "refusal": null
+            },
+            "logprobs": null,
+            "finish_reason": null
+        }
+    ],
+    "usage": null
+}
+```
+
+3. 通过 `curl` 向 `oneapi` 发起第二轮 stream 模式的 tool 测试。
+
+第二轮请求是把工具结果发送给模型。发起后会得到模型回答的结果。
+
+```bash
+curl --location --request POST 'https://oneapi.xxxx/v1/chat/completions' \
+--header 'Authorization: Bearer sk-xxx' \
+--header 'Content-Type: application/json' \
+--data-raw '{
+  "model": "gpt-4o-mini",
+  "temperature": 0.01,
+  "max_tokens": 8000,
+  "stream": true,
+  "messages": [
+    {
+      "role": "user",
+      "content": "几点了"
+    },
+    {
+      "role": "assistant",
+      "tool_calls": [
+        {
+          "id": "kDia9S19c4RO",
+          "type": "function",
+          "function": {
+            "name": "hCVbIY",
+            "arguments": "{}"
+          }
+        }
+      ]
+    },
+    {
+      "tool_call_id": "kDia9S19c4RO",
+      "role": "tool",
+      "name": "hCVbIY",
+      "content": "{\n  \"time\": \"2024-09-14 22:59:21 Sunday\"\n}"
+    }
+  ],
+  "tools": [
+    {
+      "type": "function",
+      "function": {
+        "name": "hCVbIY",
+        "description": "获取用户当前时区的时间。",
+        "parameters": {
+          "type": "object",
+          "properties": {},
+          "required": []
+        }
+      }
+    }
+  ],
+  "tool_choice": "auto"
+}'
+```

docSite/content/zh-cn/docs/development/intro.md

@@ -7,11 +7,11 @@ toc: true
 weight: 705
 ---
 
-本文档介绍了如何设置开发环境以构建和测试 [FastGPT](https://fastgpt.in)，。
+本文档介绍了如何设置开发环境以构建和测试 [FastGPT](https://tryfastgpt.ai)，。
 
 ## 前置依赖项
 
-您需要在计算机上安装和配置以下依赖项才能构建 [FastGPT](https://fastgpt.in)：
+您需要在计算机上安装和配置以下依赖项才能构建 [FastGPT](https://tryfastgpt.ai)：
 
 - [Git](http://git-scm.com/)
 - [Docker](https://www.docker.com/)（构建镜像）
@@ -150,7 +150,7 @@ FastGPT 在`pnpm i`后会执行`postinstall`脚本，用于自动生成`ChakraUI
 
 遇到困难了吗？有任何问题吗? 加入微信群与开发者和用户保持沟通。
 
-<img width="400px" src="https://oss.laf.run/htr4n1-images/fastgpt-qr-code.jpg" class="medium-zoom-image" />
+<img width="400px" src="https://oss.laf.run/otnvvf-imgs/fastgpt-feishu1.png" class="medium-zoom-image" />
 
 ## 代码结构说明
 

docSite/content/zh-cn/docs/development/one-api.md

@@ -135,7 +135,7 @@ CHAT_API_KEY=sk-xxxxxx
       "charsPointsPrice": 0, 
       "censor": false,
       "vision": false, // 是否支持图片输入
-      "datasetProcess": false, // 是否设置为知识库处理模型
+      "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

docSite/content/zh-cn/docs/development/openapi/chat.md

@@ -7,13 +7,15 @@ toc: true
 weight: 852
 ---
 
+# 发起对话
+
 {{% alert icon="🤖 " context="success" %}}
 * 该接口的 API Key 需使用`应用特定的 key`，否则会报错。  
 
 * 有些包调用时，`BaseUrl`需要添加`v1`路径，有些不需要，如果出现404情况，可补充`v1`重试。
 {{% /alert %}}
 
-## 发起对话(简易应用和工作流)
+## 请求简易应用和工作流
 
 对话接口兼容`GPT`的接口！如果你的项目使用的是标准的`GPT`官方接口，可以直接通过修改`BaseUrl`和 `Authorization`来访问 FastGpt 应用，不过需要注意下面几个规则：
 
@@ -24,12 +26,12 @@ weight: 852
 
 ### 请求
 
-{{< tabs tabTotal="2" >}}
-{{< tab tabName="请求示例" >}}
+{{< tabs tabTotal="3" >}}
+{{< tab tabName="基础请求示例" >}}
 {{< markdownify >}}
 
 ```bash
-curl --location --request POST 'https://api.fastgpt.in/api/v1/chat/completions' \
+curl --location --request POST 'http://localhost:3000/api/v1/chat/completions' \
 --header 'Authorization: Bearer fastgpt-xxxxxx' \
 --header 'Content-Type: application/json' \
 --data-raw '{
@@ -42,8 +44,49 @@ curl --location --request POST 'https://api.fastgpt.in/api/v1/chat/completions'
     },
     "messages": [
         {
-            "content": "导演是谁",
-            "role": "user"
+            "role": "user",
+            "content": "导演是谁"
+        }
+    ]
+}'
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+
+{{< tab tabName="图片/文件请求示例" >}}
+{{< markdownify >}}
+
+* 仅`messages`有部分区别，其他参数一致。
+* 目前不支持上次文件，需上传到自己的对象存储中，获取对应的文件链接。
+
+```bash
+curl --location --request POST 'http://localhost:3000/api/v1/chat/completions' \
+--header 'Authorization: Bearer fastgpt-xxxxxx' \
+--header 'Content-Type: application/json' \
+--data-raw '{
+    "chatId": "abcd",
+    "stream": false,
+    "messages": [
+        {
+            "role": "user",
+            "content": [
+                {
+                    "type": "text",
+                    "text": "导演是谁"
+                },
+                {
+                    "type": "image_url",
+                    "image_url": {
+                        "url": "图片链接"
+                    }
+                },
+                {
+                    "type": "file_url",
+                    "name": "文件名",
+                    "url": "文档链接，支持 txt md html word pdf ppt csv excel"
+                }
+            ]
         }
     ]
 }'
@@ -269,7 +312,6 @@ event取值：
 {{< /tabs >}}
 
 
-
 ## 请求插件
 
 插件的接口与对话接口一致，仅请求参数略有区别，有以下规定：
@@ -332,7 +374,7 @@ curl --location --request POST 'http://localhost:3000/api/v1/chat/completions' \
         },
         {
             "nodeId": "pluginOutput",
-            "moduleName": "自定义插件输出",
+            "moduleName": "插件输出",
             "moduleType": "pluginOutput",
             "totalPoints": 0,
             "pluginOutput": {
@@ -430,7 +472,7 @@ event: answer
 data: [DONE]
 
 event: flowResponses
-data: [{"nodeId":"fdDgXQ6SYn8v","moduleName":"AI 对话","moduleType":"chatNode","totalPoints":0.033,"model":"FastAI-3.5","tokens":33,"query":"你好","maxToken":2000,"historyPreview":[{"obj":"Human","value":"你好"},{"obj":"AI","value":"你好！有什么可以帮助你的吗？"}],"contextTotalLen":2,"runningTime":1.42},{"nodeId":"pluginOutput","moduleName":"自定义插件输出","moduleType":"pluginOutput","totalPoints":0,"pluginOutput":{"result":"你好！有什么可以帮助你的吗？"},"runningTime":0}]
+data: [{"nodeId":"fdDgXQ6SYn8v","moduleName":"AI 对话","moduleType":"chatNode","totalPoints":0.033,"model":"FastAI-3.5","tokens":33,"query":"你好","maxToken":2000,"historyPreview":[{"obj":"Human","value":"你好"},{"obj":"AI","value":"你好！有什么可以帮助你的吗？"}],"contextTotalLen":2,"runningTime":1.42},{"nodeId":"pluginOutput","moduleName":"插件输出","moduleType":"pluginOutput","totalPoints":0,"pluginOutput":{"result":"你好！有什么可以帮助你的吗？"},"runningTime":0}]
 ```
 
 {{< /markdownify >}}
@@ -455,8 +497,730 @@ event取值：
 {{< /tab >}}
 {{< /tabs >}}
 
-## 使用案例
 
-- [接入 NextWeb/ChatGPT web 等应用](/docs/course/openapi)
-- [接入 onwechat](/docs/use-cases/onwechat)
-- [接入 飞书](/docs/course/feishu)
+
+# 对话 CRUD
+
+{{% alert icon="🤖 " context="success" %}}
+* 以下接口可使用任意`API Key`调用。  
+* 4.8.12 以上版本才能使用
+{{% /alert %}}
+
+**重要字段**
+
+* chatId - 指一个应用下，某一个对话窗口的 ID
+* dataId - 指一个对话窗口下，某一个对话记录的 ID
+
+## 历史记录
+
+### 获取某个应用历史记录
+
+{{< tabs tabTotal="3" >}}
+{{< tab tabName="请求示例" >}}
+{{< markdownify >}}
+
+```bash
+curl --location --request POST 'http://localhost:3000/api/core/chat/getHistories' \
+--header 'Authorization: Bearer {{apikey}}' \
+--header 'Content-Type: application/json' \
+--data-raw '{
+    "appId": "appId",
+    "offset": 0,
+    "pageSize": 20,
+    "source: "api"
+}'
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+
+{{< tab tabName="参数说明" >}}
+{{< markdownify >}}
+
+{{% alert icon=" " context="success" %}}
+- appId - 应用 Id
+- offset - 偏移量，即从第几条数据开始取
+- pageSize - 记录数量
+- source - 对话源
+{{% /alert %}}
+
+{{< /markdownify >}}
+{{< /tab >}}
+
+{{< tab tabName="响应示例" >}}
+{{< markdownify >}}
+
+```json
+{
+    "code": 200,
+    "statusText": "",
+    "message": "",
+    "data": {
+        "list": [
+            {
+                "chatId": "usdAP1GbzSGu",
+                "updateTime": "2024-10-13T03:29:05.779Z",
+                "appId": "66e29b870b24ce35330c0f08",
+                "customTitle": "",
+                "title": "你好",
+                "top": false
+            },
+            {
+                "chatId": "lC0uTAsyNBlZ",
+                "updateTime": "2024-10-13T03:22:19.950Z",
+                "appId": "66e29b870b24ce35330c0f08",
+                "customTitle": "",
+                "title": "测试",
+                "top": false
+            }
+        ],
+        "total": 2
+    }
+}
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+{{< /tabs >}}
+
+### 修改某个对话的标题
+
+{{< tabs tabTotal="3" >}}
+{{< tab tabName="请求示例" >}}
+{{< markdownify >}}
+
+```bash
+curl --location --request POST 'http://localhost:3000/api/core/chat/updateHistory' \
+--header 'Authorization: Bearer {{apikey}}' \
+--header 'Content-Type: application/json' \
+--data-raw '{
+    "appId": "appId",
+    "chatId": "chatId",
+    "customTitle": "自定义标题"
+}'
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+
+{{< tab tabName="参数说明" >}}
+{{< markdownify >}}
+
+{{% alert icon=" " context="success" %}}
+- appId - 应用 Id
+- chatId - 历史记录 Id
+- customTitle - 自定义对话名
+{{% /alert %}}
+
+{{< /markdownify >}}
+{{< /tab >}}
+
+{{< tab tabName="响应示例" >}}
+{{< markdownify >}}
+
+```json
+{
+    "code": 200,
+    "statusText": "",
+    "message": "",
+    "data": null
+}
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+{{< /tabs >}}
+
+### 置顶 / 取消置顶
+{{< tabs tabTotal="3" >}}
+{{< tab tabName="请求示例" >}}
+{{< markdownify >}}
+
+```bash
+curl --location --request POST 'http://localhost:3000/api/core/chat/updateHistory' \
+--header 'Authorization: Bearer {{apikey}}' \
+--header 'Content-Type: application/json' \
+--data-raw '{
+    "appId": "appId",
+    "chatId": "chatId",
+    "top": true
+}'
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+
+{{< tab tabName="参数说明" >}}
+{{< markdownify >}}
+
+{{% alert icon=" " context="success" %}}
+- appId - 应用Id
+- chatId - 历史记录 Id
+- top - 是否置顶，ture 置顶，false 取消置顶
+{{% /alert %}}
+
+{{< /markdownify >}}
+{{< /tab >}}
+
+{{< tab tabName="响应示例" >}}
+{{< markdownify >}}
+
+```json
+{
+    "code": 200,
+    "statusText": "",
+    "message": "",
+    "data": null
+}
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+{{< /tabs >}}
+
+### 删除某个历史记录
+
+{{< tabs tabTotal="3" >}}
+{{< tab tabName="请求示例" >}}
+{{< markdownify >}}
+
+```bash
+curl --location --request DELETE 'http://localhost:3000/api/core/chat/delHistory?chatId={{chatId}}&appId={{appId}}' \
+--header 'Authorization: Bearer {{apikey}}'
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+
+{{< tab tabName="参数说明" >}}
+{{< markdownify >}}
+
+{{% alert icon=" " context="success" %}}
+- appId - 应用 Id
+- chatId - 历史记录 Id
+{{% /alert %}}
+
+{{< /markdownify >}}
+{{< /tab >}}
+
+{{< tab tabName="响应示例" >}}
+{{< markdownify >}}
+
+```json
+{
+    "code": 200,
+    "statusText": "",
+    "message": "",
+    "data": null
+}
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+{{< /tabs >}}
+
+### 清空所有历史记录
+
+{{< tabs tabTotal="3" >}}
+{{< tab tabName="请求示例" >}}
+{{< markdownify >}}
+
+```bash
+curl --location --request DELETE 'http://localhost:3000/api/core/chat/clearHistories?appId={{appId}}' \
+--header 'Authorization: Bearer {{apikey}}'
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+
+{{< tab tabName="参数说明" >}}
+{{< markdownify >}}
+
+{{% alert icon=" " context="success" %}}
+- appId - 应用 Id
+{{% /alert %}}
+
+{{< /markdownify >}}
+{{< /tab >}}
+
+{{< tab tabName="响应示例" >}}
+{{< markdownify >}}
+
+```json
+{
+    "code": 200,
+    "statusText": "",
+    "message": "",
+    "data": null
+}
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+{{< /tabs >}}
+
+## 对话记录
+
+指的是某个 chatId 下的对话记录操作。
+
+### 获取单个对话初始化信息
+
+{{< tabs tabTotal="3" >}}
+{{< tab tabName="请求示例" >}}
+{{< markdownify >}}
+
+```bash
+curl --location --request GET 'http://localhost:3000/api/core/chat/init?appId={{appId}}&chatId={{chatId}}' \
+--header 'Authorization: Bearer {{apikey}}'
+```
+{{< /markdownify >}}
+{{< /tab >}}
+
+{{< tab tabName="参数说明" >}}
+{{< markdownify >}}
+
+{{% alert icon=" " context="success" %}}
+- appId - 应用 Id
+- chatId - 历史记录 Id
+{{% /alert %}}
+
+{{< /markdownify >}}
+{{< /tab >}}
+
+{{< tab tabName="响应示例" >}}
+{{< markdownify >}}
+```json
+{
+    "code": 200,
+    "statusText": "",
+    "message": "",
+    "data": {
+        "chatId": "sPVOuEohjo3w",
+        "appId": "66e29b870b24ce35330c0f08",
+        "variables": {
+
+        },
+        "app": {
+            "chatConfig": {
+                "questionGuide": true,
+                "ttsConfig": {
+                    "type": "web"
+                },
+                "whisperConfig": {
+                    "open": false,
+                    "autoSend": false,
+                    "autoTTSResponse": false
+                },
+                "chatInputGuide": {
+                    "open": false,
+                    "textList": [
+
+                    ],
+                    "customUrl": ""
+                },
+                "instruction": "",
+                "variables": [
+
+                ],
+                "fileSelectConfig": {
+                    "canSelectFile": true,
+                    "canSelectImg": true,
+                    "maxFiles": 10
+                },
+                "_id": "66f1139aaab9ddaf1b5c596d",
+                "welcomeText": ""
+            },
+            "chatModels": [
+                "GPT-4o-mini"
+            ],
+            "name": "测试",
+            "avatar": "/imgs/app/avatar/workflow.svg",
+            "intro": "",
+            "type": "advanced",
+            "pluginInputs": [
+
+            ]
+        }
+    }
+}
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+{{< /tabs >}}
+
+### 获取对话记录列表
+
+{{< tabs tabTotal="3" >}}
+{{< tab tabName="请求示例" >}}
+{{< markdownify >}}
+
+```bash
+curl --location --request POST 'http://localhost:3000/api/core/chat/getPaginationRecords' \
+--header 'Authorization: Bearer {{apikey}}' \
+--header 'Content-Type: application/json' \
+--data-raw '{
+    "appId": "appId",
+    "chatId": "chatId",
+    "offset": 0,
+    "pageSize": 10,
+    "loadCustomFeedbacks": true
+}'
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+
+{{< tab tabName="参数说明" >}}
+{{< markdownify >}}
+
+{{% alert icon=" " context="success" %}}
+- appId - 应用 Id
+- chatId - 历史记录 Id
+- offset - 偏移量
+- pageSize - 记录数量
+- loadCustomFeedbacks - 是否读取自定义反馈（可选）
+{{% /alert %}}
+
+{{< /markdownify >}}
+{{< /tab >}}
+
+{{< tab tabName="响应示例" >}}
+{{< markdownify >}}
+
+```json
+{
+    "code": 200,
+    "statusText": "",
+    "message": "",
+    "data": {
+        "list": [
+            {
+                "_id": "670b84e6796057dda04b0fd2",
+                "dataId": "jzqdV4Ap1u004rhd2WW8yGLn",
+                "obj": "Human",
+                "value": [
+                    {
+                        "type": "text",
+                        "text": {
+                            "content": "你好"
+                        }
+                    }
+                ],
+                "customFeedbacks": [
+
+                ]
+            },
+            {
+                "_id": "670b84e6796057dda04b0fd3",
+                "dataId": "x9KQWcK9MApGdDQH7z7bocw1",
+                "obj": "AI",
+                "value": [
+                    {
+                        "type": "text",
+                        "text": {
+                            "content": "你好！有什么我可以帮助你的吗？"
+                        }
+                    }
+                ],
+                "customFeedbacks": [
+
+                ],
+                "llmModuleAccount": 1,
+                "totalQuoteList": [
+
+                ],
+                "totalRunningTime": 2.42,
+                "historyPreviewLength": 2
+            }
+        ],
+        "total": 2
+    }
+}
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+{{< /tabs >}}
+
+### 获取单个对话记录运行详情
+
+{{< tabs tabTotal="3" >}}
+{{< tab tabName="请求示例" >}}
+{{< markdownify >}}
+
+```bash
+curl --location --request GET 'http://localhost:3000/api/core/chat/getResData?appId={{appId}}&chatId={{chatId}}&dataId={{dataId}}' \
+--header 'Authorization: Bearer {{apikey}}'
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+
+{{< tab tabName="参数说明" >}}
+{{< markdownify >}}
+
+{{% alert icon=" " context="success" %}}
+- appId - 应用 Id
+- chatId - 对话 Id
+- dataId - 对话记录 Id
+{{% /alert %}}
+
+{{< /markdownify >}}
+{{< /tab >}}
+
+{{< tab tabName="响应示例" >}}
+{{< markdownify >}}
+
+```json
+{
+    "code": 200,
+    "statusText": "",
+    "message": "",
+    "data": [
+        {
+            "id": "mVlxkz8NfyfU",
+            "nodeId": "448745",
+            "moduleName": "common:core.module.template.work_start",
+            "moduleType": "workflowStart",
+            "runningTime": 0
+        },
+        {
+            "id": "b3FndAdHSobY",
+            "nodeId": "z04w8JXSYjl3",
+            "moduleName": "AI 对话",
+            "moduleType": "chatNode",
+            "runningTime": 1.22,
+            "totalPoints": 0.02475,
+            "model": "GPT-4o-mini",
+            "tokens": 75,
+            "query": "测试",
+            "maxToken": 2000,
+            "historyPreview": [
+                {
+                    "obj": "Human",
+                    "value": "你好"
+                },
+                {
+                    "obj": "AI",
+                    "value": "你好！有什么我可以帮助你的吗？"
+                },
+                {
+                    "obj": "Human",
+                    "value": "测试"
+                },
+                {
+                    "obj": "AI",
+                    "value": "测试成功！请问你有什么具体的问题或者需要讨论的话题吗？"
+                }
+            ],
+            "contextTotalLen": 4
+        }
+    ]
+}
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+{{< /tabs >}}
+
+
+### 删除对话记录
+
+{{< tabs tabTotal="3" >}}
+{{< tab tabName="请求示例" >}}
+{{< markdownify >}}
+
+```bash
+curl --location --request DELETE 'http://localhost:3000/api/core/chat/item/delete?contentId={{contentId}}&chatId={{chatId}}&appId={{appId}}' \
+--header 'Authorization: Bearer {{apikey}}'
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+
+{{< tab tabName="参数说明" >}}
+{{< markdownify >}}
+
+{{% alert icon=" " context="success" %}}
+- appId - 应用 Id
+- chatId - 历史记录 Id
+- contentId - 对话记录 Id
+{{% /alert %}}
+
+{{< /markdownify >}}
+{{< /tab >}}
+
+{{< tab tabName="响应示例" >}}
+{{< markdownify >}}
+
+```json
+{
+    "code": 200,
+    "statusText": "",
+    "message": "",
+    "data": null
+}
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+{{< /tabs >}}
+
+### 点赞 / 取消点赞
+
+{{< tabs tabTotal="3" >}}
+{{< tab tabName="请求示例" >}}
+{{< markdownify >}}
+
+```bash
+curl --location --request POST 'http://localhost:3000/api/core/chat/feedback/updateUserFeedback' \
+--header 'Authorization: Bearer {{apikey}}' \
+--header 'Content-Type: application/json' \
+--data-raw '{
+    "appId": "appId",
+    "chatId": "chatId",
+    "dataId": "dataId",
+    "userGoodFeedback": "yes"
+}'
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+
+{{< tab tabName="参数说明" >}}
+{{< markdownify >}}
+
+{{% alert icon=" " context="success" %}}
+- appId - 应用 Id
+- chatId - 历史记录 Id
+- dataId - 对话记录 Id
+- userGoodFeedback - 用户点赞时的信息（可选），取消点赞时不填此参数即可
+{{% /alert %}}
+
+{{< /markdownify >}}
+{{< /tab >}}
+
+{{< tab tabName="响应示例" >}}
+{{< markdownify >}}
+
+```json
+{
+    "code": 200,
+    "statusText": "",
+    "message": "",
+    "data": null
+}
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+{{< /tabs >}}
+
+### 点踩 / 取消点踩
+
+{{< tabs tabTotal="3" >}}
+{{< tab tabName="请求示例" >}}
+{{< markdownify >}}
+
+```bash
+curl --location --request POST 'http://localhost:3000/api/core/chat/feedback/updateUserFeedback' \
+--header 'Authorization: Bearer {{apikey}}' \
+--header 'Content-Type: application/json' \
+--data-raw '{
+    "appId": "appId",
+    "chatId": "chatId",
+    "dataId": "dataId",
+    "userBadFeedback": "yes"
+}'
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+
+{{< tab tabName="参数说明" >}}
+{{< markdownify >}}
+
+{{% alert icon=" " context="success" %}}
+- appId - 应用 Id
+- chatId - 历史记录 Id
+- dataId - 对话记录 Id
+- userBadFeedback - 用户点踩时的信息（可选），取消点踩时不填此参数即可
+{{% /alert %}}
+
+{{< /markdownify >}}
+{{< /tab >}}
+
+{{< tab tabName="响应示例" >}}
+{{< markdownify >}}
+
+```json
+{
+    "code": 200,
+    "statusText": "",
+    "message": "",
+    "data": null
+}
+```
+{{< /markdownify >}}
+{{< /tab >}}
+{{< /tabs >}}
+
+## 猜你想问
+
+{{< tabs tabTotal="3" >}}
+{{< tab tabName="请求示例" >}}
+{{< markdownify >}}
+
+```bash
+curl --location --request POST 'http://localhost:3000/api/core/ai/agent/createQuestionGuide' \
+--header 'Authorization: Bearer {{apikey}}' \
+--header 'Content-Type: application/json' \
+--data-raw '{
+    "messages":[
+        {
+            "role": "user",
+            "content": "你好"
+        },
+        {
+            "role": "assistant",
+            "content": "你好！有什么我可以帮助你的吗？"
+        }
+    ]
+}'
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+
+{{< tab tabName="参数说明" >}}
+{{< markdownify >}}
+
+{{% alert icon=" " context="success" %}}
+- messages - 对话消息，提供给 AI 的消息记录
+{{% /alert %}}
+
+{{< /markdownify >}}
+{{< /tab >}}
+
+{{< tab tabName="响应示例" >}}
+{{< markdownify >}}
+
+```json
+{
+    "code": 200,
+    "statusText": "",
+    "message": "",
+    "data": [
+        "你对AI有什么看法？",
+        "想了解AI的应用吗？",
+        "你希望AI能做什么？"
+    ]
+}
+```
+{{< /markdownify >}}
+{{< /tab >}}
+{{< /tabs >}}
+
+
+

docSite/content/zh-cn/docs/development/openapi/dataset.md

@@ -22,7 +22,7 @@ weight: 853
 **新例子**
 
 ```bash
-curl --location --request POST 'https://api.fastgpt.in/api/support/wallet/usage/createTrainingUsage' \
+curl --location --request POST 'http://localhost:3000/api/support/wallet/usage/createTrainingUsage' \
 --header 'Authorization: Bearer {{apikey}}' \
 --header 'Content-Type: application/json' \
 --data-raw '{
@@ -34,7 +34,7 @@ curl --location --request POST 'https://api.fastgpt.in/api/support/wallet/usage/
 **x例子**
 
 ```bash
-curl --location --request POST 'https://api.fastgpt.in/api/support/wallet/bill/createTrainingBill' \
+curl --location --request POST 'http://localhost:3000/api/support/wallet/bill/createTrainingBill' \
 --header 'Authorization: Bearer {{apikey}}' \
 --header 'Content-Type: application/json' \
 --data-raw '{
@@ -312,6 +312,8 @@ curl --location --request DELETE 'http://localhost:3000/api/core/dataset/delete?
 | chunkSize | 预估块大小 |  |
 | chunkSplitter | 自定义最高优先分割符号 |  |
 | qaPrompt | qa拆分提示词 |  |
+| tags |  集合标签（字符串数组） |  |
+| createTime | 文件创建时间（Date / String） |  |
 
 **出参**
 
@@ -466,7 +468,7 @@ curl --location --request POST 'http://localhost:3000/api/core/dataset/collectio
 --header 'Authorization: Bearer {{authorization}}' \
 --header 'Content-Type: application/json' \
 --data-raw '{
-    "link":"https://doc.fastgpt.in/docs/course/quick-start/",
+    "link":"https://doc.tryfastgpt.ai/docs/course/quick-start/",
     "datasetId":"6593e137231a2be9c5603ba7",
     "parentId": null,
 
@@ -604,9 +606,11 @@ curl --location --request POST 'http://localhost:3000/api/proApi/core/dataset/co
 --data-raw '{
     "externalFileUrl":"https://image.xxxxx.com/fastgpt-dev/%E6%91%82.pdf",
     "externalFileId":"1111",
-    "filename":"自定义文件名",
+    "createTime": "2024-05-01T00:00:00.000Z",
+    "filename":"自定义文件名.pdf",
     "datasetId":"6642d105a5e9d2b00255b27b",
     "parentId": null,
+    "tags": ["tag1","tag2"],
 
     "trainingType": "chunk",
     "chunkSize":512,
@@ -625,7 +629,8 @@ curl --location --request POST 'http://localhost:3000/api/proApi/core/dataset/co
 | --- | --- | --- |
 | externalFileUrl | 文件访问链接（可以是临时链接） | ✅ |
 | externalFileId | 外部文件ID |  |
-| filename | 自定义文件名 |  |
+| filename | 自定义文件名，需要带后缀 |  |
+| createTime | 文件创建时间（Date ISO 字符串都 ok） |  |
 
 
 {{< /markdownify >}}
@@ -710,7 +715,21 @@ curl --location --request POST 'http://localhost:3000/api/core/dataset/collectio
                 "updateTime": "2099-01-01T00:00:00.000Z",
                 "dataAmount": 3,
                 "trainingAmount": 0,
-                "canWrite": true
+                "externalFileId": "1111",
+                "tags": [
+                    "11",
+                    "测试的"
+                ],
+                "forbid": false,
+                 "trainingType": "chunk",
+                "permission": {
+                    "value": 4294967295,
+                    "isOwner": true,
+                    "hasManagePer": true,
+                    "hasWritePer": true,
+                    "hasReadPer": true
+                }
+
             },
             {
                 "_id": "65abd0ad9d1448617cba6031",
@@ -718,11 +737,23 @@ curl --location --request POST 'http://localhost:3000/api/core/dataset/collectio
                 "tmbId": "65422be6aa44b7da77729ec9",
                 "type": "link",
                 "name": "快速上手 | FastGPT",
-                "rawLink": "https://doc.fastgpt.in/docs/course/quick-start/",
+                "rawLink": "https://doc.tryfastgpt.ai/docs/course/quick-start/",
                 "updateTime": "2024-01-20T13:54:53.031Z",
                 "dataAmount": 3,
                 "trainingAmount": 0,
-                "canWrite": true
+                "externalFileId": "222",
+                "tags": [
+                    "测试的"
+                ],
+                "forbid": false,
+                 "trainingType": "chunk",
+                "permission": {
+                    "value": 4294967295,
+                    "isOwner": true,
+                    "hasManagePer": true,
+                    "hasWritePer": true,
+                    "hasReadPer": true
+                }
             }
         ],
         "total": 93
@@ -813,14 +844,36 @@ curl --location --request GET 'http://localhost:3000/api/core/dataset/collection
 {{< tab tabName="请求示例" >}}
 {{< markdownify >}}
 
+**通过集合 ID 修改集合信息**
+
 ```bash
 curl --location --request PUT 'http://localhost:3000/api/core/dataset/collection/update' \
 --header 'Authorization: Bearer {{authorization}}' \
 --header 'Content-Type: application/json' \
 --data-raw '{
     "id":"65abcfab9d1448617cba5f0d",
-    "parentId":null,
-    "name":"测2222试"
+    "parentId": null,
+    "name": "测2222试",
+    "tags": ["tag1", "tag2"],
+    "forbid": false,
+    "createTime": "2024-01-01T00:00:00.000Z"
+}'
+```
+
+**通过外部文件 ID 修改集合信息**， 只需要把 id 换成 datasetId 和 externalFileId。
+
+```bash
+curl --location --request PUT 'http://localhost:3000/api/core/dataset/collection/update' \
+--header 'Authorization: Bearer {{authorization}}' \
+--header 'Content-Type: application/json' \
+--data-raw '{
+    "datasetId":"6593e137231a2be9c5603ba7",
+    "externalFileId":"1111",
+    "parentId": null,
+    "name": "测2222试",
+    "tags": ["tag1", "tag2"],
+    "forbid": false,
+    "createTime": "2024-01-01T00:00:00.000Z"
 }'
 ```
 
@@ -834,6 +887,9 @@ curl --location --request PUT 'http://localhost:3000/api/core/dataset/collection
 - id: 集合的ID
 - parentId: 修改父级ID（可选）
 - name: 修改集合名称（可选）
+- tags: 修改集合标签（可选）
+- forbid: 修改集合禁用状态（可选）
+- createTime: 修改集合创建时间（可选）
 {{% /alert %}}
 
 {{< /markdownify >}}
@@ -1037,6 +1093,22 @@ A2:
 {{< tab tabName="请求示例" >}}
 {{< markdownify >}}
 
+**4.8.11+**
+
+```bash
+curl --location --request POST 'http://localhost:3000/api/core/dataset/data/v2/list' \
+--header 'Authorization: Bearer {{authorization}}' \
+--header 'Content-Type: application/json' \
+--data-raw '{
+    "offset": 0,
+    "pageSize": 10,
+    "collectionId":"65abd4ac9d1448617cba6171",
+    "searchText":""
+}'
+```
+
+**4.6.7+**
+
 ```bash
 curl --location --request POST 'http://localhost:3000/api/core/dataset/data/list' \
 --header 'Authorization: Bearer {{authorization}}' \
@@ -1056,10 +1128,13 @@ curl --location --request POST 'http://localhost:3000/api/core/dataset/data/list
 {{< markdownify >}}
 
 {{% alert icon=" " context="success" %}}
+
+- pageNum: 偏移量（选填）
 - pageNum: 页码（选填）
 - pageSize: 每页数量，最大30（选填）
 - collectionId: 集合的ID（必填）
 - searchText: 模糊搜索词（选填）
+  
 {{% /alert %}}
 
 {{< /markdownify >}}

docSite/content/zh-cn/docs/development/openapi/share.md

@@ -53,9 +53,9 @@ weight: 860
 
 在分享链接的地址中，增加一个额外的参数: authToken。例如：
 
-原始的链接：`https://share.fastgpt.in/chat/share?shareId=648aaf5ae121349a16d62192`  
+原始的链接：`https://share.tryfastgpt.ai/chat/share?shareId=648aaf5ae121349a16d62192`  
 
-完整链接: `https://share.fastgpt.in/chat/share?shareId=648aaf5ae121349a16d62192&authToken=userid12345`
+完整链接: `https://share.tryfastgpt.ai/chat/share?shareId=648aaf5ae121349a16d62192&authToken=userid12345`
 
 这个`authToken`通常是你系统生成的用户唯一凭证（Token之类的）。FastGPT 会在鉴权接口的`body`中携带 token={{authToken}} 的参数。
 
@@ -227,7 +227,7 @@ curl --location --request POST '{{host}}/shareAuth/finish' \
             "historyPreview": [
                 {
                     "obj": "Human",
-                    "value": "使用 <Data></Data> 标记中的内容作为你的知识:\n\n<Data>\n导演是谁？\n电影《铃芽之旅》的导演是新海诚。\n------\n电影《铃芽之旅》的编剧是谁？22\n新海诚是本片的编剧。\n------\n电影《铃芽之旅》的女主角是谁？\n电影的女主角是铃芽。\n------\n电影《铃芽之旅》的制作团队中有哪位著名人士？2\n川村元气是本片的制作团队成员之一。\n------\n你是谁？\n我是电影《铃芽之旅》助手\n------\n电影《铃芽之旅》男主角是谁？\n电影《铃芽之旅》男主角是宗像草太，由松村北斗配音。\n------\n电影《铃芽之旅》的作者新海诚写了一本小说，叫什么名字？\n小说名字叫《铃芽之旅》。\n------\n电影《铃芽之旅》的女主角是谁？\n电影《铃芽之旅》的女主角是岩户铃芽，由原菜乃华配音。\n------\n电影《铃芽之旅》的故事背景是什么？\n日本\n------\n谁担任电影《铃芽之旅》中岩户环的配音？\n深津绘里担任电影《铃芽之旅》中岩户环的配音。\n</Data>\n\n回答要求：\n- 如果你不清楚答案，你需要澄清。\n- 避免提及你是从 <Data></Data> 获取的知识。\n- 保持答案与 <Data></Data> 中描述的一致。\n- 使用 Markdown 语法优化回答格式。\n- 使用与问题相同的语言回答。\n\n问题:\"\"\"导演是谁\"\"\""
+                    "value": "使用 <Data></Data> 标记中的内容作为本次对话的参考:\n\n<Data>\n导演是谁？\n电影《铃芽之旅》的导演是新海诚。\n------\n电影《铃芽之旅》的编剧是谁？22\n新海诚是本片的编剧。\n------\n电影《铃芽之旅》的女主角是谁？\n电影的女主角是铃芽。\n------\n电影《铃芽之旅》的制作团队中有哪位著名人士？2\n川村元气是本片的制作团队成员之一。\n------\n你是谁？\n我是电影《铃芽之旅》助手\n------\n电影《铃芽之旅》男主角是谁？\n电影《铃芽之旅》男主角是宗像草太，由松村北斗配音。\n------\n电影《铃芽之旅》的作者新海诚写了一本小说，叫什么名字？\n小说名字叫《铃芽之旅》。\n------\n电影《铃芽之旅》的女主角是谁？\n电影《铃芽之旅》的女主角是岩户铃芽，由原菜乃华配音。\n------\n电影《铃芽之旅》的故事背景是什么？\n日本\n------\n谁担任电影《铃芽之旅》中岩户环的配音？\n深津绘里担任电影《铃芽之旅》中岩户环的配音。\n</Data>\n\n回答要求：\n- 如果你不清楚答案，你需要澄清。\n- 避免提及你是从 <Data></Data> 获取的知识。\n- 保持答案与 <Data></Data> 中描述的一致。\n- 使用 Markdown 语法优化回答格式。\n- 使用与问题相同的语言回答。\n\n问题:\"\"\"导演是谁\"\"\""
                 },
                 {
                     "obj": "AI",
@@ -387,9 +387,9 @@ export default async function (ctx: FunctionContext) {
 
 ### 3. 修改分享链接参数
 
-源分享链接：`https://share.fastgpt.in/chat/share?shareId=64be36376a438af0311e599c`
+源分享链接：`https://share.tryfastgpt.ai/chat/share?shareId=64be36376a438af0311e599c`
 
-修改后：`https://share.fastgpt.in/chat/share?shareId=64be36376a438af0311e599c&authToken=fastgpt`
+修改后：`https://share.tryfastgpt.ai/chat/share?shareId=64be36376a438af0311e599c&authToken=fastgpt`
 
 ### 4. 测试效果
 

docSite/content/zh-cn/docs/development/sealos.md

@@ -89,7 +89,7 @@ FastGPT 商业版共包含了2个应用（fastgpt, fastgpt-plus）和2个数据
 点击右侧的详情，可以查看对应应用的详细信息。
 
 ### 如何更新/升级 FastGPT
-[升级脚本文档](https://doc.fastgpt.in/docs/development/upgrading/)先看下文档，看下需要升级哪个版本。注意，不要跨版本升级！！！！！
+[升级脚本文档](https://doc.tryfastgpt.ai/docs/development/upgrading/)先看下文档，看下需要升级哪个版本。注意，不要跨版本升级！！！！！
 
 例如，目前是4.5 版本，要升级到4.5.1，就先把镜像版本改成v4.5.1，执行一下升级脚本，等待完成后再继续升级。如果目标版本不需要执行初始化，则可以跳过。
 
@@ -124,7 +124,7 @@ FastGPT 商业版共包含了2个应用（fastgpt, fastgpt-plus）和2个数据
 
 ![](/imgs/onsealos5.png)
 
-[配置文件参考](https://doc.fastgpt.in/docs/development/configuration/)
+[配置文件参考](https://doc.tryfastgpt.ai/docs/development/configuration/)
 
 ### 修改站点名称以及 favicon
 修改应用的环境变量，增加

docSite/content/zh-cn/docs/development/upgrading/469.md

@@ -7,6 +7,15 @@ toc: true
 weight: 827
 ---
 
+## 修改商业版环境变量
+
+增加 oneapi 地址和令牌。
+
+```
+OPENAI_BASE_URL=http://oneapi:3000/v1
+CHAT_API_KEY=sk-fastgpt
+```
+
 ## 初始化脚本
 
 从任意终端，发起 1 个 HTTP 请求。其中 {{rootkey}} 替换成环境变量里的 `rootkey`；{{host}} 替换成自己域名

docSite/content/zh-cn/docs/development/upgrading/4810.md

@@ -1,5 +1,5 @@
 ---
-title: 'V4.8.10（进行中）'
+title: 'V4.8.10(需要初始化)'
 description: 'FastGPT V4.8.10 更新说明'
 icon: 'upgrade'
 draft: false
@@ -11,37 +11,94 @@ weight: 814
 
 ### 1. 做好数据备份
 
-### 2. 更新商业版环境变量
+
+### 2. 商业版 —— 修改环境变量
 
 1. 需要给`fastgpt-pro`镜像，增加沙盒的环境变量：`SANDBOX_URL=http://xxxxx:3000`
-2. 给两个镜像增加环境变量，以便更好的存储系统日志：
+2. 给`fastgpt-pro`镜像和`fastgpt`镜像增加环境变量，以便更好的存储系统日志：
 
 ```
 LOG_LEVEL=debug
 STORE_LOG_LEVEL=warn
 ```
 
+### 3. 修改镜像tag
+
+- 更新 FastGPT 镜像 tag: v4.8.10
+- 更新 FastGPT 商业版镜像 tag: v4.8.10
+- Sandbox 镜像，可以不更新
+
+## 4. 执行初始化
+
+从任意终端，发起 1 个 HTTP 请求。其中 {{rootkey}} 替换成环境变量里的 `rootkey`；{{host}} 替换成**FastGPT 域名**。
+
+```bash
+curl --location --request POST 'https://{{host}}/api/admin/initv4810' \
+--header 'rootkey: {{rootkey}}' \
+--header 'Content-Type: application/json'
+```
+
+1. 初始化发布记录版本标记
+2. 初始化开票记录
+
 -------
 
 ## V4.8.10 更新说明
 
-1. 新增 - 模板市场
-2. 新增 - 工作流节点拖动自动对齐吸附
-3. 新增 - 用户选择节点（Debug 模式暂未支持）
-4. 新增 - 工作流撤销和重做
-5. 新增 - 工作流本次编辑记录，取代自动保存
-6. 新增 - 工作流版本支持重命名
-7. 商业版新增 - 飞书机器人接入
-8. 商业版新增 - 公众号接入接入
-9. 商业版新增 - 自助开票申请
-10. 商业版新增 - SSO 定制
-11. 优化 - 知识库集合禁用，目录禁用会递归修改其下所有 children 的禁用状态。
-12. 优化 - 节点选择，避免切换 tab 时候，path 加载报错。
-13. 优化 - 最新 React Markdown 组件，支持 Base64 图片。
-14. 优化 - 知识库列表 UI。
-15. 优化 - 支持无网络配置情况下运行。
-16. 修复 - Prompt 模式调用工具，stream=false 模式下，会携带 0: 开头标记。
-17. 修复 - 对话日志鉴权问题：仅为 APP 管理员的用户，无法查看对话日志详情。
-18. 修复 - 选择 Milvus 部署时，无法导出知识库。 
-19. 修复 - 创建 APP 副本，无法复制系统配置。
-20. 修复 - 图片识别模式下，自动解析图片链接正则不够严谨问题。
+完整内容请见：[4.8.10 release](https://github.com/labring/FastGPT/releases/tag/v4.8.10)
+
+1. 新增 - 模板市场。
+2. 新增 - 工作流节点拖动自动对齐吸附。
+3. 新增 - 用户选择节点（Debug 模式暂未支持）。
+4. 新增 - 工作流增加 uid 全局变量。
+5. 新增 - 工作流撤销和重做。
+6. 新增 - 工作流本次编辑记录，取代自动保存。
+7. 新增 - 工作流版本支持重命名。
+8. 新增 - 工作流的“应用调用”节点弃用，迁移成单独节点，与插件使用方式相同，同时可以传递全局变量和用户上传的文件。
+9. 新增 - 插件增加使用说明配置。
+10. 新增 - 插件自定义输入支持单选框。
+11. 新增 - HTTP 节点支持 text/plain 模式。
+12. 新增 - HTTP模块支持超时配置、支持更多的 Body 类型，params 和 headers 支持新的变量选择模式。
+13. 新增 - 工作流导出导入，支持直接导出和导入 JSON 文件，便于交流。
+14. 新增 - 发送验证码安全校验。
+15. 商业版新增 - 飞书机器人接入。
+16. 商业版新增 - 公众号接入接入。
+17. 商业版新增 - 自助开票申请。
+18. 商业版新增 - SSO 定制。
+19. 优化 - 工作流循环校验，避免 skip 循环空转。同时支持分支完全并发执行。
+20. 优化 - 工作流嵌套执行，参数可能存在的污染问题。
+21. 优化 - 部分全局变量，增加数据类型约束。
+22. 优化 - 节点选择，避免切换 tab 时候，path 加载报错。
+23. 优化 - 最新 React Markdown 组件，支持 Base64 图片。
+24. 优化 - 对话框性能问题。
+25. 优化 - 单选框打开后自动滚动到选中的位置。
+26. 优化 - 知识库集合禁用，目录禁用会递归修改其下所有 children 的禁用状态。
+27. 优化 - SSE 响应代码优化。
+28. 优化 - 无 SSL 证书情况下，优化复制。
+29. 优化 - 知识库列表 UI。
+30. 优化 - 知识库详情页 UI。
+31. 优化 - 支持无网络配置情况下运行。
+32. 优化 - 调整.env.template关于mongodb的说明，使得更易于理解。
+33. 优化 - 新的支付模式。
+34. 优化 - 用户默认头像。
+35. 修复 - Prompt 模式调用工具，stream=false 模式下，会携带 0: 开头标记。
+36. 修复 - 对话日志鉴权问题：仅为 APP 管理员的用户，无法查看对话日志详情。
+37. 修复 - 选择 Milvus 部署时，无法导出知识库。
+38. 修复 - 创建 APP 副本，无法复制系统配置。
+39. 修复 - 图片识别模式下，自动解析图片链接正则不够严谨问题。
+40. 修复 - 内容提取的数据类型与输出数据类型未一致。
+41. 修复 - 工作流运行时间统计错误。
+42. 修复 - stream 模式下，工具调用有可能出现 undefined。
+43. 修复 - reranker typo。
+44. 修复 - home host typo。
+45. 修复 - i18n display。
+46. 修复 - 全局变量可重复定义 key。
+47. 修复 - 全局变量在 Debug 模式下不可持久化。
+48. 修复 - 全局变量在 API 中无法持久化。
+49. 修复 - OpenAPI，detail=false模式下，不应该返回 tool 调用结果，仅返回文字。（可解决 cow 不适配问题）。
+50. 修复 - 知识库标签重复加载。
+51. 修复 - 网络链接重新获取时，自定义分割符不生效。
+52. 修复 - 插件运行时，会传递额外的全局变量，可能造成插件内变量污染。
+53. 文档 - qa docs。
+54. 文档 - Update feishu.md。
+55. 文档 - update baseURL。

docSite/content/zh-cn/docs/development/upgrading/4811.md

@@ -0,0 +1,149 @@
+---
+title: 'V4.8.11（商业版初始化）'
+description: 'FastGPT V4.8.11 更新说明'
+icon: 'upgrade'
+draft: false
+toc: true
+weight: 813
+---
+
+## 更新指南
+
+### 1. 做好数据备份
+
+### 2. 修改配置文件
+
+如需增加 openai o1 模型，可添加如下配置：
+
+```json
+{
+    "model": "o1-mini",
+    "name": "o1-mini",
+    "avatar": "/imgs/model/openai.svg",
+    "maxContext": 125000,
+    "maxResponse": 65000,
+    "quoteMaxToken": 120000,
+    "maxTemperature": 1.2,
+    "charsPointsPrice": 0,
+    "censor": false,
+    "vision": false,
+    "datasetProcess": true,
+    "usedInClassify": true,
+    "usedInExtractFields": true,
+    "usedInToolCall": true,
+    "usedInQueryExtension": true,
+    "toolChoice": false,
+    "functionCall": false,
+    "customCQPrompt": "",
+    "customExtractPrompt": "",
+    "defaultSystemChatPrompt": "",
+    "defaultConfig": {
+        "temperature": 1,
+        "stream": false
+    },
+    "fieldMap": {
+        "max_tokens": "max_completion_tokens"
+    }
+},
+{
+    "model": "o1-preview",
+    "name": "o1-preview",
+    "avatar": "/imgs/model/openai.svg",
+    "maxContext": 125000,
+    "maxResponse": 32000,
+    "quoteMaxToken": 120000,
+    "maxTemperature": 1.2,
+    "charsPointsPrice": 0,
+    "censor": false,
+    "vision": false,
+    "datasetProcess": true,
+    "usedInClassify": true,
+    "usedInExtractFields": true,
+    "usedInToolCall": true,
+    "usedInQueryExtension": true,
+    "toolChoice": false,
+    "functionCall": false,
+    "customCQPrompt": "",
+    "customExtractPrompt": "",
+    "defaultSystemChatPrompt": "",
+    "defaultConfig": {
+        "temperature": 1,
+        "stream": false
+    },
+    "fieldMap": {
+        "max_tokens": "max_completion_tokens"
+    }
+}
+```
+
+-------
+
+### 3. 修改镜像 tag 并重启
+
+- 更新 FastGPT 镜像 tag: v4.8.11-fix
+- 更新 FastGPT 商业版镜像 tag: v4.8.11
+- 更新 FastGPT Sandbox 镜像 tag: v4.8.11
+
+### 4. 商业版初始化
+
+从任意终端，发起 1 个 HTTP 请求。其中 {{rootkey}} 替换成环境变量里的 `rootkey`；{{host}} 替换成**FastGPT 商业版域名**。
+
+```bash
+curl --location --request POST 'https://{{host}}/api/admin/init/4811' \
+--header 'rootkey: {{rootkey}}' \
+--header 'Content-Type: application/json'
+```
+
+会初始化团队成员组。
+
+## V4.8.11 更新说明
+
+1. 新增 - 表单输入节点，允许用户在工作流中让用户输入一些信息。
+2. 新增 - 循环运行节点，可传入数组进行批量调用，目前最多支持 50 长度的数组串行执行。
+3. 新增 - 节点支持折叠。
+4. 新增 - 简易模式支持新的历史记录模式，可记录本地变更记录。
+5. 新增 - 聊天记录滚动加载，不再只加载 30 条。
+6. 新增 - 工作流增加触摸板优先模式，可以通过工作流右下角按键进行切换。
+7. 新增 - 沙盒增加字符串转 base64 全局方法(全局变量 strToBase64)。
+8. 新增 - 支持 Openai o1 模型，需增加模型的 `defaultConfig` 配置，覆盖 `temperature`、`max_tokens` 和 `stream`配置，o1 不支持 stream 模式。
+9. 新增 - AI 对话节点知识库引用，支持配置 role=system 和 role=user，已配置的过自定义提示词的节点将会保持 user 模式，其余用户将转成 system 模式。
+10. 新增 - 插件支持上传系统文件。
+11. 新增 - 插件输出，支持指定字段作为工具响应。
+12. 新增 - 支持工作流嵌套子应用时，可以设置`非流模式`，同时简易模式也可以选择工作流作为插件了，简易模式调用子应用时，都将强制使用非流模式。
+13. 新增 - 调试模式下，子应用调用，支持返回详细运行数据。
+14. 新增 - 保留所有模式下子应用嵌套调用的日志。
+15. 新增 - 对话日志显示成员。
+16. 新增 - 商业版支持后台配置 AI 生成文案提示。
+17. 新增 - Jest 单测框架。
+18. 新增 - 工具调用参数节点，可以配合工具调用完全自由声明参数。
+19. 新增 - BI 图表插件。
+20. 新增 - Surya OCR 识别模块示例。
+21. 新增 - 工作流右键新增注释。
+22. 商业版新增 - 团队成员组。
+23. 优化 - 工作流嵌套层级限制 20 层，避免因编排不合理导致的无限死循环。
+24. 优化 - 工作流 handler 性能优化。
+25. 优化 - 工作流快捷键，避免调试测试时也会触发复制和回退。
+26. 优化 - 工作流复制时，名字去掉多余“#”。
+27. 优化 - 流输出，切换浏览器 Tab 后仍可以继续输出。
+28. 优化 - 完善外部文件知识库相关 API 。
+29. 优化 - 修改 config.json 的地址。
+30. 优化 - 正确处理//开头的超链接。
+31. 优化 - 工作流 Textarea 滚轮可以正常滚动而不是缩放。
+32. 优化 - 去除部分输入框前后空格。
+33. 优化 - 工作流返回时，跳转到上一次记忆的 Tab 。
+34. 优化 - 工作流画布禁止触摸板缩放浏览器。
+35. 优化 - 工作流部分节点会自动选择用户问题作为初始值。
+36. 优化 - Prompt Editor 支持动态增高。
+37. 优化 - 自动补全工具描述。
+38. 优化 - 文档说明 configuration.md 。
+39. 优化 - IOS safari 浏览器语音输入不准确。
+40. 修复 - 知识库选择权限问题。
+41. 修复 - 空 chatId 发起对话，首轮携带用户选择时会异常。
+42. 修复 - createDataset 接口，intro 未赋值。
+43. 修复 - 对话框渲染性能问题。
+44. 修复 - Rerank 文档地址。
+45. 修复 - Stream 模式下使用 toolChoice,toolCall 的function 和type 可能为 null 。
+46. 修复 - 站点同步自定义分割符未同步。
+47. 修复 - 工具调用历史记录存储问题。
+48. 修复 - 对话页面可能无限重定向。
+49. 修复 - 全局变量在工具调用中未持久传递。

docSite/content/zh-cn/docs/development/upgrading/4812.md

@@ -0,0 +1,68 @@
+---
+title: 'V4.8.12(需要初始化)'
+description: 'FastGPT V4.8.12 更新说明'
+icon: 'upgrade'
+draft: false
+toc: true
+weight: 812
+---
+
+## 更新指南
+
+### 1. 做好数据备份
+
+### 2. 修改镜像
+
+- 更新 FastGPT 镜像 tag: v4.8.12-fix
+- 更新 FastGPT 管理端镜像 tag: v4.8.12 （fastgpt-pro镜像）
+- Sandbox 镜像，可以不更新
+
+
+### 3. 商业版执行初始化
+
+从任意终端，发起 1 个 HTTP 请求。其中 {{rootkey}} 替换成环境变量里的 `rootkey`；{{host}} 替换成**FastGPT 管理端域名**。
+
+```bash
+curl --location --request POST 'https://{{host}}/api/admin/init/4812' \
+--header 'rootkey: {{rootkey}}' \
+--header 'Content-Type: application/json'
+```
+
+会初始化应用和知识库的成员组数据。
+
+### 4. 重构 Milvus 数据
+
+由于 js int64 精度丢失问题，之前私有化使用 milvus 或者 zilliz 的用户，如果存在数据精度丢失的问题，需要重构 Milvus 数据。（可以查看 dataset_datas 表中，indexes 中的 dataId 是否末尾精度丢失）。使用 PG 的用户不需要操作。
+
+从任意终端，发起 1 个 HTTP 请求。其中 {{rootkey}} 替换成环境变量里的 `rootkey`；{{host}} 替换成**FastGPT 主域名**。
+
+```bash
+curl --location --request POST 'https://{{host}}/api/admin/resetMilvus' \
+--header 'rootkey: {{rootkey}}' \
+--header 'Content-Type: application/json'
+```
+
+## 更新说明
+
+1. 新增 - 全局变量支持数字类型，支持配置默认值和部分输入框参数。
+2. 新增 - 插件自定义输入，文本输入框、数字输入框、选择框、开关，默认都支持作为变量引用。
+3. 新增 - FE_DOMAIN 环境变量，配置该环境变量后，上传文件/图片会补全后缀后得到完整地址。（可解决 docx 文件图片链接，有时模型会伪造图片域名）
+4. 新增 - 工具调用支持使用交互节点
+5. 新增 - Debug 模式支持输入全局变量
+6. 新增 - chat OpenAPI 文档
+7. 新增 - wiki 搜索插件
+8. 新增 - Google 搜索插件
+9. 新增 - 数据库连接和操作插件
+10. 新增 - Cookie 隐私协议提示
+11. 新增 - HTTP 节点支持 JSONPath 表达式
+12. 新增 - 应用和知识库支持成员组配置权限
+13. 优化 - 循环节点支持选择外部节点的变量
+14. 优化 - Docx 文件读取中， HTML to Markdown 优化，提高速度和大幅度降低内存消耗。
+15. 修复 - 文件后缀判断，去除 query 影响。
+16. 修复 - AI 响应为空时，会造成 LLM  历史记录合并。
+17. 修复 - 用户交互节点未阻塞流程。
+18. 修复 - 新建 APP，有时候会导致空指针报错。
+19. 修复 - 拥有多个循环节点时，错误运行。
+20. 修复 - 循环节点中修改变量，无法传递。
+21. 修复 - 非 stream 模式，嵌套子应用/插件执行时无法获取子应用响应。
+22. 修复 - 数据分块策略，同时将每个 Markdown 独立分块。 

docSite/content/zh-cn/docs/development/upgrading/4813.md

@@ -0,0 +1,25 @@
+---
+title: 'V4.8.13(进行中)'
+description: 'FastGPT V4.8.13 更新说明'
+icon: 'upgrade'
+draft: false
+toc: true
+weight: 811
+---
+
+## 更新说明
+
+1. 新增 - 数组变量选择支持多选，可以选多个数组或对应的单一数据类型，会自动按选择顺序进行合并。
+2. 新增 - 文件上传方案调整，节点直接支持接收文件链接，插件自定义变量支持文件上传。
+3. 新增 - 对话记录增加时间显示。
+4. 新增 - 工作流校验错误时，跳转至错误节点。
+5. 新增 - 循环节点增加下标值。
+6. 新增 - 部分对话错误提醒增加翻译。
+7. 优化 - 合并多个 system 提示词成 1 个，避免部分模型不支持多个 system 提示词。
+8. 优化 - 知识库上传文件，优化报错提示。
+9. 优化 - 全文检索语句，减少一轮查询。
+10. 优化 - 修改 findLast 为 [...array].reverse().find，适配旧版浏览器。
+11. 优化 - Markdown 组件自动空格，避免分割 url 中的中文。
+12. 优化 - 工作流上下文拆分，性能优化。
+13. 修复 - Dockerfile pnpm install 支持代理。
+14. 修复 - BI 图表生成无法写入文件。

docSite/content/zh-cn/docs/development/upgrading/intro.md

@@ -60,6 +60,11 @@ docker-compose up -d
 
 ## QA
 
+### 为什么需要初始化
+
+数据表出现大幅度变更，无法通过设置默认值，或复杂度较高时，会通过初始化来更新部分数据表字段。
+严格按初始化步骤进行操作，不会造成旧数据丢失。但在初始化过程中，如果数据量大，需要初始化的时间较长，这段时间可能会造成服务无法正常使用。
+
 ### {{host}} 是什么
 
 {{}} 代表变量， {{host}}代表一个名为 host 的变量。指的是你服务器的域名或 IP。
@@ -85,4 +90,4 @@ sealos 中可以从上图左侧的环境变量中获取。
 4. 修改镜像到4.6，执行初始化
 5. .....
 
-逐一升级
+逐一升级

docSite/content/zh-cn/docs/faq/_index.md

@@ -0,0 +1,11 @@
+---
+title: 'FAQ'
+description: '常见问题的解答'
+icon: 'quiz'
+draft: false
+toc: true
+weight: 900
+---
+<!-- 9800 ~ 1000 -->
+
+FastGPT 是一个由用户和贡献者参与推动的开源项目，如果您对产品使用存在疑问和建议，可尝试[加入社区](community)寻求支持。我们的团队与社区会竭尽所能为您提供帮助。

docSite/content/zh-cn/docs/faq/app.md

@@ -0,0 +1,16 @@
+---
+title: '应用使用问题'
+description: 'FastGPT 常见应用使用问题，包括简易应用、工作流和插件'
+icon: 'quiz'
+draft: false
+toc: true
+weight: 903
+---
+
+## 工作流中多轮对话场景中如何使连续问题被问题分类节点正确的归类
+
+问题分类节点具有获取上下文信息的能力，当处理两个关联性较大的问题时，模型的判断准确性往往依赖于这两个问题之间的联系和模型的能力。例如，当用户先问“我该如何使用这个功能？”接着又询问“这个功能有什么限制？”时，模型借助上下文信息，就能够更精准地理解并响应。
+
+但是，当连续问题之间的关联性较小，模型判断的准确度可能会受到限制。在这种情况下，我们可以引入全局变量的概念来记录分类结果。在后续的问题分类阶段，首先检查全局变量是否存有分类结果。如果有，那么直接沿用该结果；若没有，则让模型自行判断。
+
+建议：构建批量运行脚本进行测试，评估问题分类的准确性。

docSite/content/zh-cn/docs/faq/chat.md

@@ -0,0 +1,18 @@
+---
+title: '聊天框问题'
+description: 'FastGPT 常见聊天框问题'
+icon: 'quiz'
+draft: false
+toc: true
+weight: 905
+---
+
+## 我修改了工作台的应用，为什么在“聊天”时没有更新配置？
+
+应用需要点击发布后，聊天才会更新应用。
+
+## 浏览器不支持语音输入
+
+1. 首先需要确保浏览器、电脑本身麦克风权限的开启。
+2. 确认浏览器允许该站点使用麦克风，并且选择正确的麦克风来源。
+3. 需有 SSL 证书的站点才可以使用麦克风。

docSite/content/zh-cn/docs/faq/dataset.md

@@ -0,0 +1,17 @@
+---
+title: '知识库使用问题'
+description: '常见知识库使用问题'
+icon: 'quiz'
+draft: false
+toc: true
+weight: 904
+---
+
+## 上传的文件内容出现中文乱码
+
+将文件另存为 UTF-8 编码格式。
+
+## 知识库配置里的文件处理模型是什么？与索引模型有什么区别？
+
+* **文件处理模型**：用于数据处理的【增强处理】和【问答拆分】。在【增强处理】中，生成相关问题和摘要，在【问答拆分】中执行问答对生成。
+* **索引模型**：用于向量化，即通过对文本数据进行处理和组织，构建出一个能够快速查询的数据结构。

docSite/content/zh-cn/docs/faq/docker.md

@@ -0,0 +1,10 @@
+---
+title: 'Docker 部署问题'
+description: 'FastGPT Docker 部署问题'
+icon: ''
+draft: false
+toc: true
+weight: 901
+type: redirect
+target: /docs/development/docker/#faq
+---

docSite/content/zh-cn/docs/faq/error.md

@@ -0,0 +1,7 @@
+---
+title: '常见错误'
+icon: 'quiz'
+draft: false
+toc: true
+weight: 920
+---

docSite/content/zh-cn/docs/faq/other.md

@@ -0,0 +1,11 @@
+---
+title: '其他问题'
+icon: 'quiz'
+draft: false
+toc: true
+weight: 925
+---
+
+## oneapi 官网是哪个
+
+只有开源的 README，没官网，GitHub: https://github.com/songquanpeng/one-api

docSite/content/zh-cn/docs/faq/privateDeploy.md

@@ -0,0 +1,10 @@
+---
+title: "私有部署常见问题"
+description: "FastGPT 私有部署常见问题"
+icon: upgrade
+draft: false
+images: []
+weight: 902
+type: redirect
+target: /docs/development/faq/
+---

docSite/content/zh-cn/docs/intro.md

@@ -10,7 +10,7 @@ weight: -10
 FastGPT 是一个基于 LLM 大语言模型的知识库问答系统，提供开箱即用的数据处理、模型调用等能力。同时可以通过 Flow 可视化进行工作流编排，从而实现复杂的问答场景！
 
 {{% alert icon="🤖 " context="success" %}}
-FastGPT 在线使用：[https://fastgpt.in](https://fastgpt.in)
+FastGPT 在线使用：[https://tryfastgpt.ai](https://tryfastgpt.ai)
 {{% /alert %}}
 
 |                       |                       |

docSite/content/zh-cn/docs/pricing.md

@@ -1,12 +0,0 @@
----
-title: '线上版定价'
-description: 'FastGPT 线上版定价'
-icon: 'currency_yen'
-draft: false
-toc: true
-weight: 1200
-type: redirect
-target: https://cloud.fastgpt.in/price
----
-
-线上版价格请查看：[https://cloud.fastgpt.in/price](https://cloud.fastgpt.in/price)

docSite/content/zh-cn/docs/workflow/examples/google_search.md

@@ -965,7 +965,7 @@ export default async function (ctx: FunctionContext) {
           "required": true,
           "description": "",
           "canEdit": false,
-          "value": "请使用下面<data> </data>中的数据作为你的知识。请直接输出答案，不要提及你是从<data> </data>中获取的知识。\n\n当前时间:{{cTime}}\n\n<data>\n{{response}}\n</data>\n\n我的问题:\"{{q}}\"",
+          "value": "请使用下面<data> </data>中的数据作为本次对话的参考。请直接输出答案，不要提及你是从<data> </data>中获取的知识。\n\n当前时间:{{cTime}}\n\n<data>\n{{response}}\n</data>\n\n我的问题:\"{{q}}\"",
           "editField": {
             "key": true
           },

docSite/content/zh-cn/docs/workflow/modules/http.md

@@ -70,7 +70,7 @@ HTTP 模块会向对应的地址发送一个 `HTTP` 请求，实际操作与 Pos
   "array": [1, 2, 3],
   "obj": {
     "name": "FastGPT",
-    "url": "https://fastgpt.in"
+    "url": "https://tryfastgpt.ai"
   }
 }
 ```
@@ -109,7 +109,7 @@ HTTP 模块会向对应的地址发送一个 `HTTP` 请求，实际操作与 Pos
   "array2": [1, 2, 3],
   "object": {
     "name": "FastGPT",
-    "url": "https://fastgpt.in"
+    "url": "https://tryfastgpt.ai"
   }
 }
 ```
@@ -120,10 +120,12 @@ HTTP 模块会向对应的地址发送一个 `HTTP` 请求，实际操作与 Pos
 
 ### 如何获取返回值
 
-从图中可以看出，FastGPT可以添加多个返回值，这个返回值并不代表接口的返回值，而是代表`如何解析接口返回值`，可以通过 key 来`提取`接口响应的值。例如: 
+从图中可以看出，FastGPT可以添加多个返回值，这个返回值并不代表接口的返回值，而是代表`如何解析接口返回值`，可以通过 `JSON path` 的语法，来`提取`接口响应的值。
+
+语法可以参考: https://github.com/JSONPath-Plus/JSONPath?tab=readme-ov-file
 
 {{< tabs tabTotal="2" >}}
-{{< tab tabName="接口响应格式" >}}
+{{< tab tabName="接口响应示例" >}}
 {{< markdownify >}}
 
 ```json
@@ -148,23 +150,23 @@ HTTP 模块会向对应的地址发送一个 `HTTP` 请求，实际操作与 Pos
 
 {{< /markdownify >}}
 {{< /tab >}}
-{{< tab tabName="FastGPT 转化后的格式" >}}
+{{< tab tabName="提取示例" >}}
 {{< markdownify >}}
 
 ```json
 {
-  "message": "测试",
-  "data.user": { "name": "xxx", "age": 12 },
-  "data.user.name": "xxx",
-  "data.user.age": 12,
-  "data.list": [ { "name": "xxx", "age": 50 }, [{ "test": 22 }] ],
-  "data.list[0]": { "name": "xxx", "age": 50 },
-  "data.list[0].name": "xxx",
-  "data.list[0].age": 50,
-  "data.list[1]": [ { "test": 22 } ],
-  "data.list[1][0]": { "test": 22 },
-  "data.list[1][0].test": 22,
-  "data.psw": "xxx"
+  "$.message": "测试",
+  "$.data.user": { "name": "xxx", "age": 12 },
+  "$.data.user.name": "xxx",
+  "$.data.user.age": 12,
+  "$.data.list": [ { "name": "xxx", "age": 50 }, [{ "test": 22 }] ],
+  "$.data.list[0]": { "name": "xxx", "age": 50 },
+  "$.data.list[0].name": "xxx",
+  "$.data.list[0].age": 50,
+  "$.data.list[1]": [ { "test": 22 } ],
+  "$.data.list[1][0]": { "test": 22 },
+  "$.data.list[1][0].test": 22,
+  "$.data.psw": "xxx"
 }
 ```
 
@@ -250,4 +252,4 @@ export default async function (ctx: FunctionContext) {
 
 - [谷歌搜索](/docs/workflow/examples/google_search/)
 - [发送飞书webhook](/docs/workflow/examples/feishu_webhook/)
-- [实验室预约（操作数据库）](/docs/workflow/examples/lab_appointment/)
+- [实验室预约（操作数据库）](/docs/workflow/examples/lab_appointment/)

docSite/content/zh-cn/docs/workflow/modules/loop.md

@@ -0,0 +1,297 @@
+---
+title: "循环运行"
+description: "FastGPT 循环运行节点介绍和使用"
+icon: "input"
+draft: false
+toc: true
+weight: 366
+---
+
+## 节点概述
+
+【**循环运行**】节点是 FastGPT V4.8.11 版本新增的一个重要功能模块。它允许工作流对数组类型的输入数据进行迭代处理，每次处理数组中的一个元素，并自动执行后续节点，直到完成整个数组的处理。
+
+这个节点的设计灵感来自编程语言中的循环结构，但以可视化的方式呈现。
+
+![循环运行节点](/imgs/fastgpt-loop-node.png)
+
+> 在程序中，节点可以理解为一个个 Function 或者接口。可以理解为它就是一个**步骤**。将多个节点一个个拼接起来，即可一步步的去实现最终的 AI 输出。
+
+【**循环运行**】节点本质上也是一个 Function，它的主要职责是自动化地重复执行特定的工作流程。
+
+## 核心特性
+
+1. **数组批量处理**
+   - 支持输入数组类型数据
+   - 自动遍历数组元素
+   - 保持处理顺序
+   - 支持并行处理 (性能优化)
+
+2. **自动迭代执行**
+   - 自动触发后续节点
+   - 支持条件终止
+   - 支持循环计数
+   - 维护执行上下文
+
+3. **与其他节点协同**
+   - 支持与 AI 对话节点配合
+   - 支持与 HTTP 节点配合
+   - 支持与内容提取节点配合
+   - 支持与判断器节点配合
+
+## 应用场景
+
+【**循环运行**】节点的主要作用是通过自动化的方式扩展工作流的处理能力，使 FastGPT 能够更好地处理批量任务和复杂的数据处理流程。特别是在处理大规模数据或需要多轮迭代的场景下，循环运行节点能显著提升工作流的效率和自动化程度。
+
+【**循环运行**】节点特别适合以下场景：
+
+1. **批量数据处理**
+   - 批量翻译文本
+   - 批量总结文档
+   - 批量生成内容
+
+2. **数据流水线处理**
+   - 对搜索结果逐条分析
+   - 对知识库检索结果逐条处理
+   - 对 HTTP 请求返回的数组数据逐项处理
+
+3. **递归或迭代任务**
+   - 长文本分段处理
+   - 多轮优化内容
+   - 链式数据处理
+
+## 使用方法
+
+### 输入参数设置
+
+【**循环运行**】节点需要配置两个核心输入参数：
+
+1. **数组 (必填)**：接收一个数组类型的输入，可以是：
+   - 字符串数组 (`Array<string>`)
+   - 数字数组 (`Array<number>`)
+   - 布尔数组 (`Array<boolean>`)
+   - 对象数组 (`Array<object>`)
+
+2. **循环体 (必填)**：定义每次循环需要执行的节点流程，包含：
+   - 循环体开始：标记循环开始的位置。
+   - 循环体结束：标记循环结束的位置，并可选择输出结果变量。
+
+### 循环体配置
+
+![循环体配置](/imgs/fastgpt-loop-node-config.png)
+
+1. 在循环体内部，可以添加任意类型的节点，如：
+   - AI 对话节点
+   - HTTP 请求节点
+   - 内容提取节点
+   - 文本加工节点等
+
+2. 循环体结束节点配置：
+   - 通过下拉菜单选择要输出的变量
+   - 该变量将作为当前循环的结果被收集
+   - 所有循环的结果将组成一个新的数组作为最终输出
+
+## 场景示例
+
+### 批量处理数组
+
+假设我们有一个包含多个文本的数组，需要对每个文本进行 AI 处理。这是循环运行节点最基础也最常见的应用场景。
+
+#### 实现步骤
+
+1. 准备输入数组
+   
+   ![准备输入数组](/imgs/fastgpt-loop-node-example-1.png)
+   
+   使用【代码运行】节点创建测试数组：
+
+   ```javascript
+   const texts = [
+     "这是第一段文本",
+     "这是第二段文本",
+     "这是第三段文本"
+   ];
+   return { textArray: texts };
+   ```
+
+2. 配置循环运行节点
+
+   ![配置循环运行节点](/imgs/fastgpt-loop-node-example-2.png)
+
+   - 数组输入：选择上一步代码运行节点的输出变量 `textArray`。
+   - 循环体内添加一个【AI 对话】节点，用于处理每个文本。这里我们输入的 prompt 为：`请将这段文本翻译成英文`。
+   - 再添加一个【指定回复】节点，用于输出翻译后的文本。
+   - 循环体结束节点选择输出变量为 AI 回复内容。
+
+#### 运行流程
+
+![运行流程](/imgs/fastgpt-loop-node-example-3.png)
+
+1. 【代码运行】节点执行，生成测试数组
+2. 【循环运行】节点接收数组，开始遍历
+3. 对每个数组元素：
+   - 【AI 对话】节点处理当前元素
+   - 【指定回复】节点输出翻译后的文本
+   - 【循环体结束】节点收集处理结果
+4. 完成所有元素处理后，输出结果数组
+
+### 长文本翻译
+
+在处理长文本翻译时，我们经常会遇到以下挑战：
+
+- 文本长度超出 LLM 的 token 限制
+- 需要保持翻译风格的一致性
+- 需要维护上下文的连贯性
+- 翻译质量需要多轮优化
+
+【**循环运行**】节点可以很好地解决这些问题。
+
+#### 实现步骤
+
+1. 文本预处理与分段
+   
+   ![文本预处理与分段](/imgs/fastgpt-loop-node-example-4.png)
+   
+   使用【代码运行】节点进行文本分段，代码如下：
+
+   ```javascript
+   const MAX_HEADING_LENGTH = 7; // 最大标题长度
+   const MAX_HEADING_CONTENT_LENGTH = 200; // 最大标题内容长度
+   const MAX_HEADING_UNDERLINE_LENGTH = 200; // 最大标题下划线长度
+   const MAX_HTML_HEADING_ATTRIBUTES_LENGTH = 100; // 最大HTML标题属性长度
+   const MAX_LIST_ITEM_LENGTH = 200; // 最大列表项长度
+   const MAX_NESTED_LIST_ITEMS = 6; // 最大嵌套列表项数
+   const MAX_LIST_INDENT_SPACES = 7; // 最大列表缩进空格数
+   const MAX_BLOCKQUOTE_LINE_LENGTH = 200; // 最大块引用行长度
+   const MAX_BLOCKQUOTE_LINES = 15; // 最大块引用行数
+   const MAX_CODE_BLOCK_LENGTH = 1500; // 最大代码块长度
+   const MAX_CODE_LANGUAGE_LENGTH = 20; // 最大代码语言长度
+   const MAX_INDENTED_CODE_LINES = 20; // 最大缩进代码行数
+   const MAX_TABLE_CELL_LENGTH = 200; // 最大表格单元格长度
+   const MAX_TABLE_ROWS = 20; // 最大表格行数
+   const MAX_HTML_TABLE_LENGTH = 2000; // 最大HTML表格长度
+   const MIN_HORIZONTAL_RULE_LENGTH = 3; // 最小水平分隔线长度
+   const MAX_SENTENCE_LENGTH = 400; // 最大句子长度
+   const MAX_QUOTED_TEXT_LENGTH = 300; // 最大引用文本长度
+   const MAX_PARENTHETICAL_CONTENT_LENGTH = 200; // 最大括号内容长度
+   const MAX_NESTED_PARENTHESES = 5; // 最大嵌套括号数
+   const MAX_MATH_INLINE_LENGTH = 100; // 最大行内数学公式长度
+   const MAX_MATH_BLOCK_LENGTH = 500; // 最大数学公式块长度
+   const MAX_PARAGRAPH_LENGTH = 1000; // 最大段落长度
+   const MAX_STANDALONE_LINE_LENGTH = 800; // 最大独立行长度
+   const MAX_HTML_TAG_ATTRIBUTES_LENGTH = 100; // 最大HTML标签属性长度
+   const MAX_HTML_TAG_CONTENT_LENGTH = 1000; // 最大HTML标签内容长度
+   const LOOKAHEAD_RANGE = 100;  // 向前查找句子边界的字符数
+   
+   const AVOID_AT_START = `[\\s\\]})>,']`; // 避免在开头匹配的字符
+   const PUNCTUATION = `[.!?…]|\\.{3}|[\\u2026\\u2047-\\u2049]|[\\p{Emoji_Presentation}\\p{Extended_Pictographic}]`; // 标点符号
+   const QUOTE_END = `(?:'(?=\`)|''(?=\`\`))`; // 引号结束
+   const SENTENCE_END = `(?:${PUNCTUATION}(?<!${AVOID_AT_START}(?=${PUNCTUATION}))|${QUOTE_END})(?=\\S|$)`; // 句子结束
+   const SENTENCE_BOUNDARY = `(?:${SENTENCE_END}|(?=[\\r\\n]|$))`; // 句子边界
+   const LOOKAHEAD_PATTERN = `(?:(?!${SENTENCE_END}).){1,${LOOKAHEAD_RANGE}}${SENTENCE_END}`; // 向前查找句子结束的模式
+   const NOT_PUNCTUATION_SPACE = `(?!${PUNCTUATION}\\s)`; // 非标点符号空格
+   const SENTENCE_PATTERN = `${NOT_PUNCTUATION_SPACE}(?:[^\\r\\n]{1,{MAX_LENGTH}}${SENTENCE_BOUNDARY}|[^\\r\\n]{1,{MAX_LENGTH}}(?=${PUNCTUATION}|$   {QUOTE_END})(?:${LOOKAHEAD_PATTERN})?)${AVOID_AT_START}*`; // 句子模式
+   
+   const regex = new RegExp(
+     "(" +
+     // 1. Headings (Setext-style, Markdown, and HTML-style, with length constraints)
+     `(?:^(?:[#*=-]{1,${MAX_HEADING_LENGTH}}|\\w[^\\r\\n]{0,${MAX_HEADING_CONTENT_LENGTH}}\\r?\\n[-=]{2,${MAX_HEADING_UNDERLINE_LENGTH}}|<h[1-6][^>]   {0,${MAX_HTML_HEADING_ATTRIBUTES_LENGTH}}>)[^\\r\\n]{1,${MAX_HEADING_CONTENT_LENGTH}}(?:</h[1-6]>)?(?:\\r?\\n|$))` +
+     "|" +
+     // New pattern for citations
+     `(?:\\[[0-9]+\\][^\\r\\n]{1,${MAX_STANDALONE_LINE_LENGTH}})` +
+     "|" +
+     // 2. List items (bulleted, numbered, lettered, or task lists, including nested, up to three levels, with length constraints)
+     `(?:(?:^|\\r?\\n)[ \\t]{0,3}(?:[-*+•]|\\d{1,3}\\.\\w\\.|\\[[ xX]\\])[ \\t]+${SENTENCE_PATTERN.replace(/{MAX_LENGTH}/g, String   (MAX_LIST_ITEM_LENGTH))}` +
+     `(?:(?:\\r?\\n[ \\t]{2,5}(?:[-*+•]|\\d{1,3}\\.\\w\\.|\\[[ xX]\\])[ \\t]+${SENTENCE_PATTERN.replace(/{MAX_LENGTH}/g, String   (MAX_LIST_ITEM_LENGTH))}){0,${MAX_NESTED_LIST_ITEMS}}` +
+     `(?:\\r?\\n[ \\t]{4,${MAX_LIST_INDENT_SPACES}}(?:[-*+•]|\\d{1,3}\\.\\w\\.|\\[[ xX]\\])[ \\t]+${SENTENCE_PATTERN.replace(/{MAX_LENGTH}/g, String   (MAX_LIST_ITEM_LENGTH))}){0,${MAX_NESTED_LIST_ITEMS}})?)` +
+     "|" +
+     // 3. Block quotes (including nested quotes and citations, up to three levels, with length constraints)
+     `(?:(?:^>(?:>|\\s{2,}){0,2}${SENTENCE_PATTERN.replace(/{MAX_LENGTH}/g, String(MAX_BLOCKQUOTE_LINE_LENGTH))}\\r?\\n?){1,$   {MAX_BLOCKQUOTE_LINES}})` +
+     "|" +
+     // 4. Code blocks (fenced, indented, or HTML pre/code tags, with length constraints)
+     `(?:(?:^|\\r?\\n)(?:\`\`\`|~~~)(?:\\w{0,${MAX_CODE_LANGUAGE_LENGTH}})?\\r?\\n[\\s\\S]{0,${MAX_CODE_BLOCK_LENGTH}}?(?:\`\`\`|~~~)\\r?\\n?` +
+     `|(?:(?:^|\\r?\\n)(?: {4}|\\t)[^\\r\\n]{0,${MAX_LIST_ITEM_LENGTH}}(?:\\r?\\n(?: {4}|\\t)[^\\r\\n]{0,${MAX_LIST_ITEM_LENGTH}}){0,$   {MAX_INDENTED_CODE_LINES}}\\r?\\n?)` +
+     `|(?:<pre>(?:<code>)?[\\s\\S]{0,${MAX_CODE_BLOCK_LENGTH}}?(?:</code>)?</pre>))` +
+     "|" +
+     // 5. Tables (Markdown, grid tables, and HTML tables, with length constraints)
+     `(?:(?:^|\\r?\\n)(?:\\|[^\\r\\n]{0,${MAX_TABLE_CELL_LENGTH}}\\|(?:\\r?\\n\\|[-:]{1,${MAX_TABLE_CELL_LENGTH}}\\|){0,1}(?:\\r?\\n\\|[^\\r\\n]{0,$   {MAX_TABLE_CELL_LENGTH}}\\|){0,${MAX_TABLE_ROWS}}` +
+     `|<table>[\\s\\S]{0,${MAX_HTML_TABLE_LENGTH}}?</table>))` +
+     "|" +
+     // 6. Horizontal rules (Markdown and HTML hr tag)
+     `(?:^(?:[-*_]){${MIN_HORIZONTAL_RULE_LENGTH},}\\s*$|<hr\\s*/?>)` +
+     "|" +
+     // 10. Standalone lines or phrases (including single-line blocks and HTML elements, with length constraints)
+     `(?!${AVOID_AT_START})(?:^(?:<[a-zA-Z][^>]{0,${MAX_HTML_TAG_ATTRIBUTES_LENGTH}}>)?${SENTENCE_PATTERN.replace(/{MAX_LENGTH}/g, String   (MAX_STANDALONE_LINE_LENGTH))}(?:</[a-zA-Z]+>)?(?:\\r?\\n|$))` +
+     "|" +
+     // 7. Sentences or phrases ending with punctuation (including ellipsis and Unicode punctuation)
+     `(?!${AVOID_AT_START})${SENTENCE_PATTERN.replace(/{MAX_LENGTH}/g, String(MAX_SENTENCE_LENGTH))}` +
+     "|" +
+     // 8. Quoted text, parenthetical phrases, or bracketed content (with length constraints)
+     "(?:" +
+     `(?<!\\w)\"\"\"[^\"]{0,${MAX_QUOTED_TEXT_LENGTH}}\"\"\"(?!\\w)` +
+     `|(?<!\\w)(?:['\"\`'"])[^\\r\\n]{0,${MAX_QUOTED_TEXT_LENGTH}}\\1(?!\\w)` +
+     `|(?<!\\w)\`[^\\r\\n]{0,${MAX_QUOTED_TEXT_LENGTH}}'(?!\\w)` +
+     `|(?<!\\w)\`\`[^\\r\\n]{0,${MAX_QUOTED_TEXT_LENGTH}}''(?!\\w)` +
+     `|\\([^\\r\\n()]{0,${MAX_PARENTHETICAL_CONTENT_LENGTH}}(?:\\([^\\r\\n()]{0,${MAX_PARENTHETICAL_CONTENT_LENGTH}}\\)[^\\r\\n()]{0,$   {MAX_PARENTHETICAL_CONTENT_LENGTH}}){0,${MAX_NESTED_PARENTHESES}}\\)` +
+     `|\\[[^\\r\\n\\[\\]]{0,${MAX_PARENTHETICAL_CONTENT_LENGTH}}(?:\\[[^\\r\\n\\[\\]]{0,${MAX_PARENTHETICAL_CONTENT_LENGTH}}\\][^\\r\\n\\[\\]]{0,$   {MAX_PARENTHETICAL_CONTENT_LENGTH}}){0,${MAX_NESTED_PARENTHESES}}\\]` +
+     `|\\$[^\\r\\n$]{0,${MAX_MATH_INLINE_LENGTH}}\\$` +
+     `|\`[^\`\\r\\n]{0,${MAX_MATH_INLINE_LENGTH}}\`` +
+     ")" +
+     "|" +
+     // 9. Paragraphs (with length constraints)
+     `(?!${AVOID_AT_START})(?:(?:^|\\r?\\n\\r?\\n)(?:<p>)?${SENTENCE_PATTERN.replace(/{MAX_LENGTH}/g, String(MAX_PARAGRAPH_LENGTH))}(?:</p>)?(?=\\r?   \\n\\r?\\n|$))` +
+     "|" +
+     // 11. HTML-like tags and their content (including self-closing tags and attributes, with length constraints)
+     `(?:<[a-zA-Z][^>]{0,${MAX_HTML_TAG_ATTRIBUTES_LENGTH}}(?:>[\\s\\S]{0,${MAX_HTML_TAG_CONTENT_LENGTH}}?</[a-zA-Z]+>|\\s*/>))` +
+     "|" +
+     // 12. LaTeX-style math expressions (inline and block, with length constraints)
+     `(?:(?:\\$\\$[\\s\\S]{0,${MAX_MATH_BLOCK_LENGTH}}?\\$\\$)|(?:\\$[^\\$\\r\\n]{0,${MAX_MATH_INLINE_LENGTH}}\\$))` +
+     "|" +
+     // 14. Fallback for any remaining content (with length constraints)
+     `(?!${AVOID_AT_START})${SENTENCE_PATTERN.replace(/{MAX_LENGTH}/g, String(MAX_STANDALONE_LINE_LENGTH))}` +
+     ")",
+     "gmu"
+   );
+   
+   function main({text}){
+     const chunks = [];
+     let currentChunk = '';
+     const tokens = countToken(text)
+   
+     const matches = text.match(regex);
+     if (matches) {
+       matches.forEach((match) => {
+         if (currentChunk.length + match.length <= 1000) {
+           currentChunk += match;
+         } else {
+           if (currentChunk) {
+             chunks.push(currentChunk);
+           }
+           currentChunk = match;
+         }
+       });
+       if (currentChunk) {
+         chunks.push(currentChunk);
+       }
+     }
+   
+     return {chunks, tokens};
+   }
+   ```
+
+   这里我们用到了 [Jina AI 开源的一个强大的正则表达式](https://x.com/JinaAI_/status/1823756993108304135)，它能利用所有可能的边界线索和启发式方法来精确切分文本。
+
+2. 配置循环运行节点
+
+   ![配置循环运行节点](/imgs/fastgpt-loop-node-example-5.png)
+
+   - 数组输入：选择上一步代码运行节点的输出变量 `chunks`。
+   - 循环体内添加一个【代码运行】节点，对源文本进行格式化。
+   - 添加一个【搜索词库】节点，将专有名词的词库作为知识库，在翻译前进行搜索。
+   - 添加一个【AI 对话】节点，使用 CoT 思维链，让 LLM 显式地、系统地生成推理链条，展示翻译的完整思考过程。
+   - 添加一个【代码运行】节点，将【AI 对话】节点最后一轮的翻译结果提取出来。
+   - 添加一个【指定回复】节点，输出翻译后的文本。
+   - 循环体结束节点选择输出变量为【取出翻译文本】的输出变量 `result`。
+
+
+

docSite/content/zh-cn/docs/workflow/modules/sandbox.md

@@ -0,0 +1,87 @@
+---
+title: "代码运行"
+description: "FastGPT 代码运行节点介绍"
+icon: "input"
+draft: false
+toc: true
+weight: 364
+---
+
+![alt text](/imgs/image.png)
+
+## 功能
+
+可用于执行一段简单的 js 代码，用于进行一些复杂的数据处理。代码运行在沙盒中，无法进行网络请求、dom和异步操作。如需复杂操作，需外挂 HTTP 实现。
+
+**注意事项**
+
+- 私有化用户需要部署`fastgpt-sandbox` 镜像，并配置`SANDBOX_URL`环境变量。
+- 沙盒最大运行 10s， 32M 内存限制。
+
+
+## 变量输入 
+
+可在自定义输入中添加代码运行需要的变量，在代码的 main 函数中，可解构出相同名字的变量。
+
+如上图，自定义输入中有 data1 和 data2 两个变量，main 函数中可以解构出相同名字的变量。
+
+## 结果输出
+
+务必返回一个 object 对象
+
+自定义输出中，可以添加变量名来获取 object 对应 key 下的值。例如上图中，返回了一个对象：
+
+```json
+{
+  result: data1,
+  data2
+}
+```
+
+他有 2 个 key：result和 data2(js 缩写，key=data2，value=data2)。这时候自定义输出中就可以添加 2 个变量来获取对应 key 下的 value。
+
+## 内置 JS 全局变量
+
+### delay 延迟
+
+延迟 1 秒后返回
+
+```js
+async function main({data1, data2}){
+    await delay(1000)
+    return {
+        result: "111"
+    }
+}
+```
+
+### countToken 统计 token
+
+```js
+function main({input}){
+    return {
+        result: countToken(input)
+    }
+}
+```
+
+![alt text](/imgs/image-1.png)
+
+### strToBase64 字符串转 base64(4.8.11 版本新增)
+
+可用于将 SVG 图片转换为 base64 格式展示。
+
+```js
+function main({input}){
+     
+    return {
+        /* 
+            param1: input 需要转换的字符串
+            param2: base64 prefix 前缀
+        */
+        result: strToBase64(input,'data:image/svg+xml;base64,')
+    }
+}
+```
+
+![alt text](/imgs/image-2.png)

docSite/content/zh-cn/docs/workflow/modules/tool.md

@@ -35,8 +35,6 @@ weight: 356
    1. 无必须的参数：尽管上下文中，没有适合的参数，也可以调用该工具。但有时候，LLM会自己伪造一个参数。
    2. 有必须的参数：如果没有适合的参数，LLM可能不会调用该工具。可以通过提示词，引导用户提供参数。
 
-### 工具调用逻辑
-
 在支持`函数调用`的模型中，可以一次性调用多个工具，调用逻辑如下：
 
 ![](/imgs/flow-tool2.png)
@@ -49,10 +47,24 @@ weight: 356
 
 高级编排中，托动工具调用的连接点，可用的工具头部会出现一个菱形，可以将它与工具调用模块底部的菱形相连接。
 
-被连接的工具，会自动分离工具输入与普通的输入，并且可以编辑`介绍`，可以通过调整介绍，使得该工具调用时机更加精确。
+被连接的工具，会自动分离工具输入与普通的输入，并且可以编辑`描述`，可以通过调整介绍，使得该工具调用时机更加精确。对于一些内置的节点，务必修改`描述`才能让模型正常调用。
 
 关于工具调用，如何调试仍然是一个玄学，所以建议，不要一次性增加太多工具，选择少量工具调优后再进一步尝试。
 
+## 组合节点
+
+### 工具调用终止
+
+工具调用默认会把子流程运行的结果作为`工具结果`，返回给模型进行回答。有时候，你可能不希望模型做回答，你可以给对应子流程的末尾增加上一个`工具调用终止`节点，这样，子流程的结果就不会被返回给模型。
+
+![alt text](/imgs/image-3.png)
+
+### 自定义工具变量
+
+工具调用的子流程运行，有时候会依赖`AI`生成的一些变量，为了简化交互流程，我们给系统内置的节点都指定了`工具变量`。然而，有些时候，你需要的变量不仅是目标流程的`首个节点`的变量，而是需要更复杂的变量，此时你可以使用`自定义工具变量`。它允许你完全自定义该`工具流程`的变量。
+
+![alt text](/imgs/image-4.png)
+
 ## 相关示例
 
 - [谷歌搜索](/docs/workflow/examples/google_search/)

docSite/hugo.toml

@@ -1,4 +1,4 @@
-baseURL = "https://doc.fastgpt.in"
+baseURL = "https://doc.tryfastgpt.ai"
 languageCode = "en-GB"
 contentDir = "content"
 enableEmoji = true
@@ -69,6 +69,7 @@ defaultContentLanguageInSubdir = false
         # twitter = ""       # YOUR_TWITTER_ID
         # instagram = "colinwilson"     # YOUR_INSTAGRAM_ID
         # rss = true                    # show rss icon with link
+        lark = "https://oss.laf.run/otnvvf-imgs/fastgpt-feishu1.png"
         wechat = "https://oss.laf.run/htr4n1-images/fastgpt-qr-code.jpg"
 
     [params.docs] # Parameters for the /docs 'template'
@@ -113,7 +114,7 @@ defaultContentLanguageInSubdir = false
         # Link behaviour
         intLinkTooltip  = true                                # Enable a tooltip for internal links that displays info about the destination? default false
         # extLinkNewTab   = false                             # Open external links in a new Tab? default true
-        logoLinkURL = "https://fastgpt.in/"                                    # Set a custom URL destination for the top header logo link.
+        logoLinkURL = "https://tryfastgpt.ai/"                                    # Set a custom URL destination for the top header logo link.
 
     [params.flexsearch] # Parameters for FlexSearch
         # enabled             = true

docSite/layouts/docs/baseof.html

@@ -1,9 +1,16 @@
 <!DOCTYPE html>
 {{ $.Scratch.Delete "social_list" }}
 {{ $.Scratch.Set "pathName" (printf "%s" (.Site.Params.docs.pathName | default "docs")) }}
+<!-- Google Tag Manager -->
+<script>(function(w,d,s,l,i){w[l]=w[l]||[];w[l].push({'gtm.start':
+new Date().getTime(),event:'gtm.js'});var f=d.getElementsByTagName(s)[0],
+j=d.createElement(s),dl=l!='dataLayer'?'&l='+l:'';j.async=true;j.src=
+'https://www.googletagmanager.com/gtm.js?id='+i+dl;f.parentNode.insertBefore(j,f);
+})(window,document,'script','dataLayer','GTM-W9HPZZ22');</script>
+<!-- End Google Tag Manager -->
 <!-- social_list -->
 <!-- change -->
-{{ $social_params := slice "github" "twitter" "instagram" "rss" "wechat" }}
+{{ $social_params := slice "github" "twitter" "instagram" "rss" "wechat" "lark" }}
 {{ range $social_params }}
     {{ if isset site.Params.social . }}
         {{ $.Scratch.Add "social_list" (slice .) }}
@@ -12,6 +19,10 @@
 <html lang="{{ site.LanguageCode }}">
     {{- partial (printf "%s/%s" ($.Scratch.Get "pathName") "head.html") . -}}
 <body>
+    <!-- Google Tag Manager (noscript) -->
+    <noscript><iframe src="https://www.googletagmanager.com/ns.html?id=GTM-W9HPZZ22"
+    height="0" width="0" style="display:none;visibility:hidden"></iframe></noscript>
+    <!-- End Google Tag Manager (noscript) -->
     <div class="content">
         <div class="page-wrapper toggled">
             {{- partial (printf "%s/%s" ($.Scratch.Get "pathName") "sidebar.html") . -}}

docSite/layouts/partials/docs/top-header.html

@@ -52,7 +52,12 @@
                     {{ $path := printf "images/social/%s.%s" . "svg" }}
                     <li class="list-inline-item mb-0">
                         <!-- change -->
-                        <a href="{{ if eq . `rss` }} {{ `index.xml` | absURL }} {{ else if eq . `wechat` }} {{ index site.Params.social . | absURL }}  {{ else }} https://{{ . }}.com/{{ index site.Params.social . }} {{ end }}" alt="{{ . }}" rel="noopener noreferrer" target="_blank">
+                        <a href="{{ if eq . `rss` }} {{ `index.xml` | absURL }} 
+                             {{ else if eq . `wechat` }} {{ index site.Params.social . | absURL }}  
+                             {{ else if eq . `lark` }} {{ index site.Params.social .  | absURL }}
+                             {{ else }} https://{{ . }}.com/{{ index site.Params.social . }} 
+                             {{ end }}" 
+                           alt="{{ . }}" rel="noopener noreferrer" target="_blank">
                             <div class="btn btn-icon btn-default border-0">
                                 {{ with resources.Get $path }}
                                     {{ .Content | safeHTML }}