@lobehub/chat
Version:
Lobe Chat - an open-source, high-performance chatbot framework that supports speech synthesis, multimodal, and extensible Function Call plugin system. Supports one-click free deployment of your private ChatGPT/LLM web application.
73 lines (49 loc) • 2.59 kB
text/mdx
---
title: LobeChat 知识库 / 文件上传
description: 了解 LobeChat 的文件上传和知识库管理核心组件，助力成功部署。
tags:
- LobeChat
- 文件上传
- 知识库管理
- PostgreSQL
- OpenAI
---
# 知识库 / 文件上传
LobeChat 支持文件上传 / 知识库管理。该功能依赖于以下核心技术组件，了解这些组件将有助于你成功部署和维护知识库系统。
## 核心组件
### 1. PostgreSQL 与 PGVector
PostgreSQL 是一个强大的开源关系型数据库系统，而 PGVector 是其扩展，为向量操作提供支持。
- **用途**：存储结构化数据和向量索引
- **部署建议**：使用官方 Docker 镜像可以快速部署 PostgreSQL 和 PGVector
示例部署脚本：
```
docker run -p 5432:5432 -d --name pg -e POSTGRES_PASSWORD=mysecretpassword pgvector/pgvector:pg16
```
- **注意事项**：确保分配足够的资源以处理向量操作
### 2. S3 兼容的对象存储
S3（或兼容 S3 协议的存储服务）用于存储上传的文件。
- **用途**：存储原始文件
- **选项**：可以使用 AWS S3、MinIO 或其他兼容 S3 协议的存储服务
- **注意事项**：配置适当的访问权限和安全策略
### 3. OpenAI Embedding
OpenAI 的嵌入（Embedding）服务用于将文本转化为向量表示。
<Callout type={'info'}>
LobeChat 当前默认使用 OpenAI `text-embedding-3-small` 模型，请确保你的 API Key 可以访问该模型。
</Callout>
- **用途**：生成文本的向量表示，用于语义搜索
- **注意事项**：
- 需要有效的 OpenAI API 密钥
- 实施适当的 API 调用限制和错误处理机制
### 4. Unstructured.io（可选）
Unstructured.io 是一个强大的文档处理工具。
- **用途**：处理复杂的文档格式，提取结构化信息
- **应用场景**：处理 PDF、Word 等非纯文本格式的文档
- **注意事项**：评估处理需求，根据文档复杂度决定是否部署
通过正确配置和集成这些核心组件，您可以为 LobeChat 构建一个强大、高效的知识库系统。每个组件都在整体架构中扮演着关键角色，共同支持高级的文档管理和智能检索功能。
### 5. 自定义 Embedding（可选）
- **用途**: 使用不同的嵌入模型（Embedding）生成文本的向量表示，用于语义搜索
- **选项**: 支持的模型提供商:zhipu/github/openai/bedrock/ollama
- **部署建议**: 使用环境变量配置默认嵌入模型
```
environment: DEFAULT_FILES_CONFIG=embedding_model=openai/embedding-text-3-small
```