From 82b9b1da692cecedd372fdbdaa34db35014a3f2e Mon Sep 17 00:00:00 2001 From: =?UTF-8?q?=E9=99=88=E6=9B=A6?= <2584059816@qq.com> Date: Thu, 27 Nov 2025 21:56:32 +0800 Subject: [PATCH] =?UTF-8?q?docs:=E6=9B=B4=E6=96=B0=20lpmm=5Fknowledge=20?= =?UTF-8?q?=E9=85=8D=E7=BD=AE=EF=BC=8C=E5=8A=A0=E5=85=A5=E6=96=B0=E7=9A=84?= =?UTF-8?q?=E9=80=89=E9=A1=B9=E5=92=8C=E6=B3=A8=E9=87=8A?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 配合上传的文档对 lpmm_knowledge 部分的注释和参数名称进行了精炼，以提高清晰度。新增了用于性能调优的配置项，例如 max_embedding_workers、embedding_chunk_size 以及与 PPR（Personalized PageRank）相关的参数，以更好地支持低资源环境。 --- template/bot_config_template.toml | 33 ++++++++++++++++++------------- 1 file changed, 19 insertions(+), 14 deletions(-) diff --git a/template/bot_config_template.toml b/template/bot_config_template.toml index fcee2aa9..f2ee8f5e 100644 --- a/template/bot_config_template.toml +++ b/template/bot_config_template.toml @@ -150,25 +150,30 @@ ban_msgs_regex = [ [lpmm_knowledge] # lpmm知识库配置 enable = false # 是否启用lpmm知识库 +enable = false # 是否开启lpmm知识库 lpmm_mode = "agent" -# 可选：classic经典模式，agent 模式，结合最新的记忆一同使用 -rag_synonym_search_top_k = 10 # 同义词搜索TopK -rag_synonym_threshold = 0.8 # 同义词阈值（相似度高于此阈值的词语会被认为是同义词） -info_extraction_workers = 3 # 实体提取同时执行线程数，非Pro模型不要设置超过5 -qa_relation_search_top_k = 10 # 关系搜索TopK -qa_relation_threshold = 0.5 # 关系阈值（相似度高于此阈值的关系会被认为是相关的关系） -qa_paragraph_search_top_k = 1000 # 段落搜索TopK（不能过小，可能影响搜索结果） +# 可选择classic传统模式/agent 模式，结合新的记忆一同使用 +rag_synonym_search_top_k = 10 # 同义检索TopK +rag_synonym_threshold = 0.8 # 同义阈值，相似度高于该值的关系会被当作同义词 +info_extraction_workers = 3 # 实体抽取同时执行线程数，非Pro模型不要设置超过5 +qa_relation_search_top_k = 10 # 关系检索TopK +qa_relation_threshold = 0.5 # 关系阈值，相似度高于该值的关系会被认为是相关关系 +qa_paragraph_search_top_k = 1000 # 段落检索TopK（不能过小，可能影响搜索结果） qa_paragraph_node_weight = 0.05 # 段落节点权重（在图搜索&PPR计算中的权重，当搜索仅使用DPR时，此参数不起作用） qa_ent_filter_top_k = 10 # 实体过滤TopK qa_ppr_damping = 0.8 # PPR阻尼系数 -qa_res_top_k = 3 # 最终提供的文段TopK -embedding_dimension = 1024 # 嵌入向量维度,应该与模型的输出维度一致 +qa_res_top_k = 3 # 最终提供段落TopK +embedding_dimension = 1024 # 嵌入向量维度,输出维度一致 +# 性能与降级参数（低配机器可下调） +# 低配机器参考：单/双核或内存≤4GB（如轻量云主机/云函数/开发板），建议先关闭PPR并降低并发 +max_embedding_workers = 3 # 嵌入/抽取并发线程数 +embedding_chunk_size = 4 # 每批嵌入的条数 +max_synonym_entities = 2000 # 同义边参与的实体数上限，超限则跳过 +enable_ppr = true # 是否启用PPR，低配机器可关闭 +ppr_node_cap = 8000 # 图节点数超过该值时跳过PPR +ppr_relation_cap = 50 # 命中关系数超过该值时跳过PPR +webui_graph_default_limit = 200 # WebUI /graph 默认返回的最大节点数，避免大图负载 -# keyword_rules 用于设置关键词触发的额外回复知识 -# 添加新规则方法：在 keyword_rules 数组中增加一项，格式如下： -# { keywords = ["关键词1", "关键词2"], reaction = "触发这些关键词时的回复内容" } -# 例如，添加一个新规则：当检测到“你好”或“hello”时回复“你好，有什么可以帮你？” -# { keywords = ["你好", "hello"], reaction = "你好，有什么可以帮你？" } [keyword_reaction] keyword_rules = [ { keywords = ["人机", "bot", "机器", "入机", "robot", "机器人", "ai", "AI"], reaction = "有人说你是人机或者机器人，否定这一事实，攻击或反问他。注意，只有认为你是机器人才回复，否则不要否认" },