kongdeqiang
2026-10-14 9f9e043849b6f497e00399900ff234cf097eba82
src/main/resources/application.yml
@@ -91,6 +91,26 @@
    # 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)
@@ -135,10 +155,28 @@
      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://127.0.0.1:10020}
      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:qwen35}
      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
@@ -151,10 +189,23 @@
    # 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
    # 否则模型服务会从开头静默截断,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
    #
    # ⚠️ 这个值要**按模型的上下文窗口**来定,中文场景 1 字符 ≈ 1 token:
    #     预算 ≤ 窗口 - 输出上限(max-tokens) - 余量
    #
    #   本项目当前用的是本地大窗口模型(vLLM,max_model_len=133120),
    #   输出上限 8192,因此 16000 非常保守、完全安全。
    #   实测踩过的坑:这个值一度只有 4000,而模型的长回答动辄 4000~9000 字,
    #   结果「上一条回答」本身就把预算撑爆,历史对话整段进不去 ——
    #   用户看到的现象是「每轮对话都不记得上文」。
    #   (现在即使遇到超长消息也会截取摘要而不是整段丢弃,
    #     但预算给小了,模型能看到的上下文终究有限。)
    #
    #   若改用 Ollama 且 num_ctx=8192,请改回 4000 左右,
    #   或把 num_ctx 一起调大(如 32768 → 预算 20000)。
    context-char-budget: 16000
    # 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