dsh-knowledge

配置

部署默认值写在 cordis.patch.yml 的 knowledge 行（可用上层 patch 按 id 覆盖）；面板里的「设置」可运行时覆盖，覆盖值持久化在存储域中：

字段	默认	说明
embeddingProvider	none	openai / ollama / local（进程内 transformers.js）/ none
embeddingBaseUrl	''	端点基址，如 https://api.openai.com/v1 或 http://127.0.0.1:11434（local 不需要）
embeddingModel	''	如 text-embedding-3-small；local 时为 Hugging Face 仓库 id（默认 onnx-community/Qwen3-Embedding-0.6B-ONNX）
embeddingApiKey	''	可选；也可用环境变量 KNOWLEDGE_API_KEY
rerankModel / rerankBaseUrl / rerankApiKey	''	重排模型（留空=不启用），Jina / SiliconFlow / Cohere v2 风格接口
smartChunk	true	智能分段（标题/段落感知）；关闭后仅按 chunkSeparator 切分
chunkSeparator	\n\n	智能分段关闭时的段落边界（可写 \n）
chunkSize	800	分块字符数
chunkOverlap	100	相邻分块重叠字符数
topK	6	检索返回条数（1–50）
searchMode	auto	auto / hybrid / vector / lexical
similarityThreshold	0	相似度阈值（0–1），低于该分数的结果被过滤
mmrDiversity	0	MMR 结果多样性（0–1，0=关闭）
embeddingBatchSize	32	每次 embedding 请求的文本条数
localModelCacheDir	''	本地模型缓存根目录；留空 = /cache/dsh-knowledge/local-models（DSH_HOME 未设则为 ~/.dsh）
chunkStorePath	''	分块 SQLite 文件；留空 = /storages/knowledge-chunks.sqlite

分块数据不放在存储域 KV 里，而是独立 SQLite 文件：web profile 的 JSON 后端每次写记录都会重写整个单元文件，数据增长后删除/导入会变慢到秒级甚至分钟级；SQLite 让每次写入/删除都是单条语句，并提供 FTS5 三元组全文检索（BM25）与查询时向量扫描、有界读取——常驻内存不随语料增长。升级后首次启动会自动把旧 JSON 单元里的分块迁入 SQLite（幂等，中断产生的重复行自动去重）。

以上所有字段均可在每个知识库的设置面板中单独覆盖（留空继承全局）；API Key 以明文保存在本地存储。

本地模型（进程内 embedding）

选择 embeddingProvider: local 时，插件在 host 进程内用 @huggingface/transformers（+ onnxruntime）跑 embedding，无需任何外部服务。默认模型 onnx-community/Qwen3-Embedding-0.6B-ONNX（1024 维），embeddingModel 可换成任意 Hugging Face 上的 ONNX embedding 仓库 id。首次使用会从 Hugging Face Hub 下载模型权重（默认缓存到 $DSH_HOME/cache/dsh-knowledge/local-models）；下载完成后后续导入与检索全程本地。在设置 →「本地模型」页面可提前下载 / 取消 / 删除 / 重试，并实时查看下载进度；知识库设置面板也会显示模型下载进度（下载中 % / 就绪 / 失败）；可用环境变量 HF_ENDPOINT 指向镜像加速下载。

使用

1. 点击侧边栏底部「知识库」按钮（设置旁），打开整页面板 —— 不在设置内。
2. 点「新建知识库」，选中后粘贴文本、拖拽上传 txt/md/pdf/docx，或导入网页 URL。
3. 在「检索测试」里验证召回（可切换混合/向量/关键词模式与阈值）；点右上角「设置」配置向量化。
4. 对 agent 说 "用知识库里的内容回答…"，模型会调用 knowledge_search 等 12 个工具。