kongdeqiang
2026-10-12 7c687dd3c8fba9f7632f5e29d94a708e5f497abd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
server:
  port: 9091
  # SSE 长连接不受该值约束(SseEmitter 使用 0L 永不超时),此处只影响普通请求
  tomcat:
    max-connections: 8192
 
spring:
  application:
    name: webui-springboot
  profiles:
    active: dev
 
  datasource:
    # 关于连接参数(这里踩过一个坑,记录一下):
    #   characterEncoding 接受的是 **Java 字符集名**,不是 MySQL 的字符集名。
    #   写 characterEncoding=utf8mb4 会抛:
    #       java.sql.SQLException: Unsupported character encoding 'utf8mb4'
    #   正确做法是写 Java 侧的 UTF-8;至于底层用 utf8mb4(4 字节,支持 emoji)
    #   还是 utf8mb3,由 Connector/J 8.x 与服务器协商决定,
    #   再用 connectionCollation 明确指定排序规则即可。
    url: jdbc:mysql://localhost:3306/webui?useUnicode=true&characterEncoding=UTF-8&connectionCollation=utf8mb4_general_ci&serverTimezone=Asia/Shanghai&useSSL=false&allowPublicKeyRetrieval=true&rewriteBatchedStatements=true
    username: root
    password: rootroot
    driver-class-name: com.mysql.cj.jdbc.Driver
    hikari:
      maximum-pool-size: 20
      minimum-idle: 5
      connection-timeout: 30000
      idle-timeout: 600000
      max-lifetime: 1800000
 
  # 文件上传大小限制(同时也是 Spring 层的硬限制)
  servlet:
    multipart:
      max-file-size: 50MB
      max-request-size: 60MB
 
  mvc:
    # SSE 异步请求超时:0 表示不超时(配合 SseEmitter(0L))
    async:
      request-timeout: 0
 
mybatis-plus:
  configuration:
    map-underscore-to-camel-case: true
    # 开发期打印 SQL,生产请改为 NoLoggingImpl
    log-impl: org.apache.ibatis.logging.stdout.StdOutImpl
  global-config:
    banner: false
    db-config:
      id-type: auto
      table-underline: true
 
# ============================================================
# 自定义业务配置
# ============================================================
webui:
  jwt:
    # 生产环境务必替换,长度 >= 32 字节,建议用环境变量注入 WEBUI_JWT_SECRET
    secret: ${WEBUI_JWT_SECRET:custom-webui-dev-secret-key-change-me-in-production-32bytes}
    # token 有效期(毫秒),默认 7 天
    expire-millis: 604800000
    issuer: custom-webui
 
  # 文件存储
  storage:
    # 本地磁盘目录(相对项目运行目录);生产可替换为 MinIO
    location: /Users/kongdeqiang/Desktop/webui/upload
    # 允许上传的扩展名白名单(小写,不含点)
    allowed-extensions:
      - txt
      - md
      - markdown
      - pdf
      - docx
      - doc
      - csv
      - json
      - log
      - html
      # 图片:对话中上传后走 OCR 提取文字,也可作为知识库资料
      # (同样是白名单制,不要图省事放开成允许全部)
      - png
      - jpg
      - jpeg
      - webp
      - bmp
      - gif
      - tif
      - tiff
    # 单文件最大字节数(50MB)
    max-file-size: 52428800
 
  # 会话导出(JSON / TXT / PDF)
  export:
    # PDF 用的中文字体文件;留空则自动探测系统字体。
    #
    # 为什么要显式嵌入字体:PDF 内置的 14 个标准字体只有 Latin-1,
    # 写中文会直接抛「No glyph for U+4E2D」;而引用系统 CJK 标准字体
    # 虽然省事,但对方机器没装就是一片空白 —— 导出文件是要发给别人的,
    # 不能赌他的环境。所以这里找一份真实字体**按子集嵌入**
    # (只带用到的字形,一个中文对话导出的 PDF 通常只有几十 KB)。
    #
    # macOS 无需配置(会自动用 /System/Library/Fonts/Supplemental/Arial Unicode.ttf);
    # Linux / Windows 若自动探测失败,用这里指定,例如:
    #   pdf-font-path: /usr/share/fonts/opentype/noto/NotoSansCJK-Regular.ttc
    # 启动日志的「导出自检」会告诉你最终用了哪个字体。
    pdf-font-path: ${WEBUI_PDF_FONT:}
    # 单次导出的消息条数上限与单条消息字符上限:
    # 防止一条超长对话生成几十兆的文件把内存拖垮。超出会截断并**在文件里写明**。
    max-messages: 2000
    max-chars-per-message: 20000
 
  llm:
    # 可选值:ollama / openai-compat / mock
    #   ollama        —— Ollama 原生接口(/api/chat,NDJSON 流)
    #   openai-compat —— 任意 OpenAI 兼容服务(/v1/chat/completions):
    #                    vLLM、LM Studio、SGLang、Xinference、one-api 网关,
    #                    以及 OpenAI / DeepSeek / Kimi / 通义 / GLM 云端 API
    #   mock          —— 本地模拟流式输出,不依赖任何模型服务
    provider: ${WEBUI_LLM_PROVIDER:openai-compat}
 
    # ---- OpenAI 兼容服务配置 ----
    # 用 openaiCompat(不是 openai)这个名字:它同样用于本地 vLLM 等自建服务,
    # 名字要体现「协议兼容」而非「调用 OpenAI 官方」。
    #
    # ⚠️ 键名必须写成 openaiCompat 或全小写 openaicompat,
    #    不能写 openai-compat —— Spring Boot 的 relaxed binding 只做
    #    「小写 + 去连字符」归一化,openai-compat 会变成 openaicompat,
    #    与 Java 字段 openaiCompat 对不上,结果是**配置被静默忽略、悄悄用默认值**
    #    (实测踩过:base-url 配了 :10020/v1 却仍连默认的 :8000/v1,且不报错)。
    openaiCompat:
      # 注意要带 /v1
      base-url: ${OPENAI_COMPAT_BASE_URL:http://127.0.0.1:10020/v1}
      # 本地服务一般不需要;云端 API 请用环境变量注入,不要写进文件
      api-key: ${OPENAI_COMPAT_API_KEY:}
      model: ${OPENAI_COMPAT_MODEL:qwen35}
      # 思考型模型较慢,超时给足(10 分钟)
      timeout-millis: 600000
      # 输出 token 上限(**这个值要留足**)。
      #
      # 思考型模型会把「推理」和「正式回答」都算进输出 token:
      # 实测 qwen35 回答一句「你好」,推理占到 168 个流式分片,
      # 正式回答只占 5 个 —— 若把 max-tokens 设小(如 512),
      # 推理还没结束就把预算耗尽,用户看到一条**空回答**或半截话,
      # 而且 finish_reason=length 不会报错,非常容易误判成「模型不工作」。
      #
      # 模型上下文 133120,默认给 8192 输出预算足够日常使用;
      # 若你发现回答常被截断(finish_reason=length),继续调大即可。
      #
      # 注意:这是「输出上限」,与 Ollama 的 num-ctx(输入+输出总窗口)
      # 不是一个概念,因此单独配置而不是复用。
      max-tokens: 8192
      # 是否把推理内容(reasoning_content / <think> 标签)也推给前端折叠展示
      include-thinking: false
 
    # ---- Ollama 原生接口配置(provider=ollama 时生效)----
    #
    # ⚠️ 这里必须是 **Ollama 守护进程**的地址。它的协议是 Ollama 原生的
    #    POST /api/chat(NDJSON 流),与上面的 openaiCompat
    #    (POST /v1/chat/completions)是两套完全不同的协议,
    #    端口、路径、请求体、响应格式都不通用。
    #
    #    实测踩过的坑(就是「提示模型未下载」的真正原因):
    #    把本段 base-url 也改成了 OpenAI 兼容服务的端口 127.0.0.1:10020,
    #    同时 IDE 的 Run Configuration 里还留着 -Dwebui.llm.provider=ollama,
    #    于是后端去请求 http://127.0.0.1:10020/api/chat,那边没有这个路由,
    #    返回 404 "Sorry, Page Not Found",而错误提示只说了
    #    「请确认模型 qwen35 已通过 ollama pull 下载」——
    #    一句话把方向指到了模型上,真实原因是 provider 与协议不匹配。
    #
    #    判断口诀:
    #      base-url 以 /v1 结尾            → provider 必须是 openai-compat
    #      base-url 是 http://…:11434      → provider 才是 ollama
    #    启动日志里的「LLM 自检」会直接告诉你当前配的对不对。
    ollama:
      base-url: ${OLLAMA_BASE_URL:http://127.0.0.1:11434}
      # 默认模型,需与本机 `ollama list` 中的模型名一致
      default-model: ${OLLAMA_MODEL:qwen2.5:7b}
      # 单次请求超时(毫秒),流式请求需给足时间
      timeout-millis: 300000
      # 是否把 reasoning 模型的 thinking 内容一并返回
      include-thinking: false
    # 传给模型的默认采样参数,可被 chat.meta 覆盖
    defaults:
      temperature: 0.7
      top-p: 0.9
      num-ctx: 8192
    # 上下文最多携带的历史消息条数(条数上限,非 token 上限)
    history-limit: 20
    # 整个 prompt 的字符预算。超出时必须由后端按优先级裁剪 ——
    # 否则 Ollama 会从开头静默截断,把最前面的 system 消息
    #(RAG 资料 / 图片 OCR 文字)丢掉,表现为「模型没看到我给的图片」。
    # 中文场景 1 字符≈1 token,与 num-ctx=8192 配套取 4000。
    context-char-budget: 4000
    # 单个部分(图片文字 / 知识库资料)各自的上限,防止某一部分独占预算
    per-part-char-limit: 2000
 
  rag:
    # Python RAG 微服务地址;enabled=false 时完全跳过检索,纯聊天也可用
    enabled: ${WEBUI_RAG_ENABLED:true}
    base-url: ${RAG_BASE_URL:http://localhost:8000}
    ingest-timeout-millis: 600000
    search-timeout-millis: 30000
    # 单次检索默认返回片段数
    default-top-k: 4
    # 拼接进 prompt 的片段总字符上限
    max-context-chars: 6000
 
logging:
  level:
    root: INFO
    com.custom.webui: DEBUG
    # MyBatis-Plus 的 StdOut 日志比较吵,需要静音时打开下面这行
    # org.mybatis: WARN