Skip to content

RAGFlow is an agent-native database: a Retrieval-Augmented Generation (RAG) engine that grew into context infrastructure.

fix(web): show introduction for built-in pipelines audio/email/knowledge compiler (#18411)

euvre84e4efaccc29
diff --git a/web/src/locales/bg.ts b/web/src/locales/bg.ts
index 9ad4fc12aa..5a49118918 100644
--- a/web/src/locales/bg.ts
+++ b/web/src/locales/bg.ts
@@ -540,6 +540,12 @@ export default {
dialogueExamplesTitle: 'преглед',
methodEmpty:
'Тук ще се покаже визуално обяснение на категориите на базата от знания',
+ audio: `<p>Поддържани файлови формати: <b>WAV, MP3, AAC, FLAC, OGG</b> и други често срещани аудио формати.</p>
+<p>Този метод транскрибира аудио файловете в текст с помощта на модел за преобразуване на реч в текст.</p>`,
+ email: `<p>Поддържани файлови формати: <b>EML</b> и <b>MSG</b>.</p>
+<p>Този метод анализира имейл файлове, извличайки полетата от заглавката (като От, До, CC, Тема и Дата), съдържанието на писмото и прикачените файлове.</p>`,
+ knowledgeCompiler: `<p>Този конвейер анализира и разделя файловете на части, след което компилира частите в структурирани единици знания (граф на знанията, уики, RAPTOR, мисловна карта или навигация в набора от данни) чрез компонента Knowledge Compiler.</p>
+<p>Компилираните единици знания се издават като части, обединени в потока от части, което е идеално за изграждане на извличаем слой знания върху разделените документи.</p>`,
book: `<p>Поддържани файлови формати: <b>DOCX</b>, <b>PDF</b>, <b>TXT</b>.</p><p>
За всяка книга в PDF, моля задайте <i>диапазон на страници</i>, за да премахнете нежелана информация и да намалите времето за анализ.</p>`,
laws: `<p>Поддържани файлови формати: <b>DOCX</b>, <b>PDF</b>, <b>TXT</b>.</p><p>
diff --git a/web/src/locales/de.ts b/web/src/locales/de.ts
index 2efe5c3dc3..a855bc4481 100644
--- a/web/src/locales/de.ts
+++ b/web/src/locales/de.ts
@@ -543,6 +543,12 @@ Beispiel: Eine 1 KB Nachricht mit 1024-dim Einbettung verwendet ~9 KB. Das Stand
dialogueExamplesTitle: 'Dialogbeispiele',
methodEmpty:
'Hier wird eine visuelle Erklärung der Wissensdatenbank-Kategorien angezeigt',
+ audio: `<p>Unterstützte Dateiformate sind <b>WAV, MP3, AAC, FLAC, OGG</b> und andere gängige Audioformate.</p>
+<p>Diese Methode transkribiert Audiodateien mithilfe eines Speech-to-Text-Modells in Text.</p>`,
+ email: `<p>Unterstützte Dateiformate sind <b>EML</b> und <b>MSG</b>.</p>
+<p>Diese Methode analysiert E-Mail-Dateien und extrahiert Kopfzeilen (wie Von, An, CC, Betreff und Datum), den Nachrichtentext und Anhänge.</p>`,
+ knowledgeCompiler: `<p>Diese Pipeline parst und zerlegt Dateien in Chunks und kompiliert die Chunks anschließend über die Knowledge-Compiler-Komponente in strukturierte Wissenseinheiten (Wissensgraph, Wiki, RAPTOR, Mindmap oder Datensatznavigation).</p>
+<p>Die kompilierten Wissenseinheiten werden als Chunks in den Chunk-Strom eingespeist – ideal, um auf Basis der zerlegten Dokumente eine durchsuchbare Wissensebene aufzubauen.</p>`,
book: `<p>Unterstützte Dateiformate sind <b>DOCX</b>, <b>PDF</b>, <b>TXT</b>.</p><p>
Für jedes Buch im PDF-Format stellen Sie bitte die <i>Seitenbereiche</i> ein, um unerwünschte Informationen zu entfernen und die Analysezeit zu reduzieren.</p>`,
laws: `<p>Unterstützte Dateiformate sind <b>DOCX</b>, <b>PDF</b>, <b>TXT</b>.</p><p>
diff --git a/web/src/locales/en.ts b/web/src/locales/en.ts
index a361cc6897..534bd8da46 100644
--- a/web/src/locales/en.ts
+++ b/web/src/locales/en.ts
@@ -780,6 +780,12 @@ Example: A 1 KB message with 1024-dim embedding uses ~9 KB. The 5 MB default lim
dialogueExamplesTitle: 'view',
methodEmpty:
'This will display a visual explanation of the dataset categories',
+ audio: `<p>Supported file formats are <b>WAV, MP3, AAC, FLAC, OGG</b> and other common audio formats.</p>
+<p>This method transcribes audio files into text using a speech-to-text model.</p>`,
+ email: `<p>Supported file formats are <b>EML</b> and <b>MSG</b>.</p>
+<p>This method parses email files, extracting header fields (such as From, To, CC, Subject, and Date), the body content, and attachments.</p>`,
+ knowledgeCompiler: `<p>This pipeline parses and chunks files, then compiles the chunks into structured knowledge units (knowledge graph, wiki, RAPTOR, mind map, or dataset navigation) via the Knowledge Compiler component.</p>
+<p>The compiled knowledge units are emitted as chunks merged into the chunk stream, making it ideal for building a retrievable knowledge layer on top of chunked documents.</p>`,
book: `<p>Supported file formats are <b>DOCX</b>, <b>PDF</b>, <b>TXT</b>.</p><p>
For each book in PDF, please set the <i>page ranges</i> to remove unwanted information and reduce analysis time.</p>`,
laws: `<p>Supported file formats are <b>DOCX</b>, <b>PDF</b>, <b>TXT</b>.</p><p>
diff --git a/web/src/locales/fr.ts b/web/src/locales/fr.ts
index 3dd6c9c0cd..840ac1abae 100644
--- a/web/src/locales/fr.ts
+++ b/web/src/locales/fr.ts
@@ -797,6 +797,12 @@ export default {
email: 'E-mail',
tag: 'Étiquette',
},
+ audio: `<p>Les formats de fichiers pris en charge sont <b>WAV, MP3, AAC, FLAC, OGG</b> et d'autres formats audio courants.</p>
+<p>Cette méthode transcrit les fichiers audio en texte à l'aide d'un modèle de reconnaissance vocale.</p>`,
+ email: `<p>Les formats de fichiers pris en charge sont <b>EML</b> et <b>MSG</b>.</p>
+<p>Cette méthode analyse les fichiers e-mail et extrait les champs d'en-tête (tels que De, À, CC, Objet et Date), le corps du message et les pièces jointes.</p>`,
+ knowledgeCompiler: `<p>Ce pipeline analyse et découpe les fichiers en chunks, puis compile ces chunks en unités de connaissances structurées (graphe de connaissances, wiki, RAPTOR, carte mentale ou navigation du jeu de données) via le composant Knowledge Compiler.</p>
+<p>Les unités de connaissances compilées sont émises sous forme de chunks fusionnés dans le flux de chunks, ce qui est idéal pour construire une couche de connaissances interrogeable au-dessus des documents découpés.</p>`,
book: `<p>Les formats de fichiers pris en charge sont <b>DOCX</b>, <b>PDF</b>, <b>TXT</b>.</p><p>
Pour chaque livre au format PDF, veuillez définir les <i>plages de pages</i> afin de supprimer les informations non souhaitées et de réduire le temps d'analyse.</p>`,
laws: `<p>Les formats de fichiers pris en charge sont <b>DOCX</b>, <b>PDF</b>, <b>TXT</b>.</p><p>
diff --git a/web/src/locales/id.ts b/web/src/locales/id.ts
index 8a77a0b816..e09fd3dfd2 100644
--- a/web/src/locales/id.ts
+++ b/web/src/locales/id.ts
@@ -206,6 +206,12 @@ export default {
dialogueExamplesTitle: 'Contoh Dialog',
methodEmpty:
'Ini akan menampilkan penjelasan visual dari kategori basis pengetahuan',
+ audio: `<p>Format file yang didukung adalah <b>WAV, MP3, AAC, FLAC, OGG</b> dan format audio umum lainnya.</p>
+<p>Metode ini mentranskripsikan file audio menjadi teks menggunakan model speech-to-text.</p>`,
+ email: `<p>Format file yang didukung adalah <b>EML</b> dan <b>MSG</b>.</p>
+<p>Metode ini mem-parse file email, mengekstrak field header (seperti Dari, Kepada, CC, Subjek, dan Tanggal), isi pesan, dan lampiran.</p>`,
+ knowledgeCompiler: `<p>Pipeline ini mem-parse dan memecah file menjadi chunk, kemudian mengompilasi chunk menjadi unit pengetahuan terstruktur (graf pengetahuan, wiki, RAPTOR, peta pikiran, atau navigasi dataset) melalui komponen Knowledge Compiler.</p>
+<p>Unit pengetahuan yang dikompilasi dikeluarkan sebagai chunk yang digabungkan ke dalam aliran chunk, ideal untuk membangun lapisan pengetahuan yang dapat diambil di atas dokumen yang telah dipecah.</p>`,
book: `<p>Format file yang didukung adalah <b>DOCX</b>, <b>PDF</b>, <b>TXT</b>.</p><p>
Karena buku panjang dan tidak semua bagian berguna, jika itu adalah PDF,
silakan atur <i>rentang halaman</i> untuk setiap buku untuk menghilangkan efek negatif dan menghemat waktu komputasi untuk analisis.</p>`,
diff --git a/web/src/locales/it.ts b/web/src/locales/it.ts
index 514bee9734..e315686b99 100644
--- a/web/src/locales/it.ts
+++ b/web/src/locales/it.ts
@@ -766,6 +766,12 @@ Esempio: un messaggio di 1 KB con embedding a 1024 dimensioni usa ~9 KB. Il limi
dialogueExamplesTitle: 'visualizza',
methodEmpty:
'Questo mostrerà una spiegazione visiva delle categorie del dataset',
+ audio: `<p>I formati file supportati sono <b>WAV, MP3, AAC, FLAC, OGG</b> e altri formati audio comuni.</p>
+<p>Questo metodo trascrive i file audio in testo utilizzando un modello speech-to-text.</p>`,
+ email: `<p>I formati file supportati sono <b>EML</b> e <b>MSG</b>.</p>
+<p>Questo metodo analizza i file email, estraendo i campi di intestazione (come Da, A, CC, Oggetto e Data), il corpo del messaggio e gli allegati.</p>`,
+ knowledgeCompiler: `<p>Questa pipeline analizza e suddivide i file in chunk, quindi compila i chunk in unità di conoscenza strutturate (knowledge graph, wiki, RAPTOR, mappa mentale o navigazione del dataset) tramite il componente Knowledge Compiler.</p>
+<p>Le unità di conoscenza compilate vengono emesse come chunk uniti nel flusso di chunk, l'ideale per costruire un livello di conoscenza recuperabile sopra i documenti suddivisi.</p>`,
book: `<p>I formati file supportati sono <b>DOCX</b>, <b>PDF</b>, <b>TXT</b>.</p><p>
Per ogni libro in PDF, imposta gli <i>intervalli di pagine</i> per rimuovere informazioni indesiderate e ridurre il tempo di analisi.</p>`,
laws: `<p>I formati file supportati sono <b>DOCX</b>, <b>PDF</b>, <b>TXT</b>.</p><p>
diff --git a/web/src/locales/ja.ts b/web/src/locales/ja.ts
index 9743efa56b..c6db695887 100644
--- a/web/src/locales/ja.ts
+++ b/web/src/locales/ja.ts
@@ -438,6 +438,12 @@ export default {
dialogueExamplesTitle: '会話の例',
methodEmpty: 'ナレッジベースカテゴリの視覚的説明がここに表示されます',
+ audio: `<p>対応ファイル形式は <b>WAV、MP3、AAC、FLAC、OGG</b> およびその他の一般的な音声形式です。</p>
+<p>この方法は、音声認識モデルを使用して音声ファイルをテキストに文字起こしします。</p>`,
+ email: `<p>対応ファイル形式は <b>EML</b> と <b>MSG</b> です。</p>
+<p>この方法はメールファイルを解析し、ヘッダーフィールド(差出人、宛先、CC、件名、日付など)、本文、添付ファイルを抽出します。</p>`,
+ knowledgeCompiler: `<p>このパイプラインはファイルを解析・チャンク化した後、Knowledge Compiler コンポーネントを通じてチャンクを構造化ナレッジユニット(ナレッジグラフ、Wiki、RAPTOR、マインドマップ、データセットナビゲーション)にコンパイルします。</p>
+<p>コンパイルされたナレッジユニットはチャンクとしてチャンクストリームにマージされて出力されるため、チャンク化されたドキュメントの上に検索可能なナレッジレイヤーを構築するのに最適です。</p>`,
book: `<p>対応ファイル形式は<b>DOCX</b>, <b>PDF</b>, <b>TXT</b>です。</p><p>
PDF形式の書籍では、解析時間を短縮するため、<i>ページ範囲</i>を設定してください。</p>`,
diff --git a/web/src/locales/ko.ts b/web/src/locales/ko.ts
index 22e9c484cc..5af43427e7 100644
--- a/web/src/locales/ko.ts
+++ b/web/src/locales/ko.ts
@@ -746,6 +746,12 @@ export default {
methodExamplesDescription: '다음 스크린샷은 설명을 위해 제공됩니다.',
dialogueExamplesTitle: '보기',
methodEmpty: '데이터셋 카테고리에 대한 시각적 설명이 여기에 표시됩니다',
+ audio: `<p>지원 파일 형식: <b>WAV, MP3, AAC, FLAC, OGG</b> 및 기타 일반적인 오디오 형식.</p>
+<p>이 방법은 음성-텍스트 변환 모델을 사용하여 오디오 파일을 텍스트로 변환합니다.</p>`,
+ email: `<p>지원 파일 형식: <b>EML</b> 및 <b>MSG</b>.</p>
+<p>이 방법은 이메일 파일을 파싱하여 헤더 필드(보낸 사람, 받는 사람, 참조, 제목, 날짜 등), 본문 내용 및 첨부 파일을 추출합니다.</p>`,
+ knowledgeCompiler: `<p>이 파이프라인은 파일을 파싱하고 청크로 분할한 후, Knowledge Compiler 컴포넌트를 통해 청크를 구조화된 지식 단위(지식 그래프, 위키, RAPTOR, 마인드맵 또는 데이터셋 탐색)로 컴파일합니다.</p>
+<p>컴파일된 지식 단위는 청크 스트림에 병합된 청크로 출력되므로, 청크로 분할된 문서 위에 검색 가능한 지식 계층을 구축하는 데 적합합니다.</p>`,
book: `<p>지원 파일 형식: <b>DOCX</b>, <b>PDF</b>, <b>TXT</b>.</p><p>
PDF 도서의 경우 불필요한 정보를 제거하고 분석 시간을 줄이기 위해 <i>페이지 범위</i>를 설정하세요.</p>`,
laws: `<p>지원 파일 형식: <b>DOCX</b>, <b>PDF</b>, <b>TXT</b>.</p><p>
diff --git a/web/src/locales/ru.ts b/web/src/locales/ru.ts
index 0c263e4c3c..f0c615bedb 100644
--- a/web/src/locales/ru.ts
+++ b/web/src/locales/ru.ts
@@ -575,6 +575,12 @@ export default {
dialogueExamplesTitle: 'просмотр',
methodEmpty:
'Здесь будет отображено визуальное объяснение категорий базы знаний',
+ audio: `<p>Поддерживаемые форматы файлов: <b>WAV, MP3, AAC, FLAC, OGG</b> и другие распространённые аудиоформаты.</p>
+<p>Этот метод транскрибирует аудиофайлы в текст с помощью модели преобразования речи в текст.</p>`,
+ email: `<p>Поддерживаемые форматы файлов: <b>EML</b> и <b>MSG</b>.</p>
+<p>Этот метод разбирает файлы электронной почты, извлекая поля заголовков (такие как От, Кому, Копия, Тема и Дата), тело письма и вложения.</p>`,
+ knowledgeCompiler: `<p>Этот конвейер разбирает файлы и разбивает их на чанки, а затем компилирует чанки в структурированные единицы знаний (граф знаний, вики, RAPTOR, интеллект-карту или навигацию по набору данных) с помощью компонента Knowledge Compiler.</p>
+<p>Скомпилированные единицы знаний выдаются в виде чанков, объединённых в поток чанков, что идеально подходит для построения извлекаемого слоя знаний поверх разбитых документов.</p>`,
book: `<p>Поддерживаемые форматы файлов: <b>DOCX</b>, <b>PDF</b>, <b>TXT</b>.</p><p>
Для каждой книги в PDF, пожалуйста, установите <i>диапазон страниц</i>, чтобы удалить нежелательную информацию и сократить время анализа.</p>`,
laws: `<p>Поддерживаемые форматы файлов: <b>DOCX</b>, <b>PDF</b>, <b>TXT</b>.</p><p>
diff --git a/web/src/locales/tr.ts b/web/src/locales/tr.ts
index ed8a6d72ad..c38a72d65a 100644
--- a/web/src/locales/tr.ts
+++ b/web/src/locales/tr.ts
@@ -737,6 +737,12 @@ Prosedürel Bellek: Öğrenilen beceriler, alışkanlıklar ve otomatik prosedü
'Aşağıdaki ekran görüntüleri açıklama amacıyla sunulmuştur.',
dialogueExamplesTitle: 'görüntüle',
methodEmpty: 'Bu, dataset kategorilerinin görsel açıklamasını gösterecek',
+ audio: `<p>Desteklenen dosya formatları: <b>WAV, MP3, AAC, FLAC, OGG</b> ve diğer yaygın ses formatları.</p>
+<p>Bu yöntem, konuşmayı metne dönüştüren bir model kullanarak ses dosyalarını metne dönüştürür.</p>`,
+ email: `<p>Desteklenen dosya formatları: <b>EML</b> ve <b>MSG</b>.</p>
+<p>Bu yöntem e-posta dosyalarını ayrıştırarak başlık alanlarını (Kimden, Kime, CC, Konu ve Tarih gibi), ileti gövdesini ve ekleri çıkarır.</p>`,
+ knowledgeCompiler: `<p>Bu işlem hattı dosyaları ayrıştırıp parçalara böler, ardından parçaları Knowledge Compiler bileşeni aracılığıyla yapılandırılmış bilgi birimlerine (bilgi grafiği, wiki, RAPTOR, zihin haritası veya veri kümesi gezintisi) derler.</p>
+<p>Derlenen bilgi birimleri, parça akışına birleştirilmiş parçalar olarak çıktılanır; bu da parçalanmış belgelerin üzerinde alınabilir bir bilgi katmanı oluşturmak için idealdir.</p>`,
book: `<p>Desteklenen dosya formatları: <b>DOCX</b>, <b>PDF</b>, <b>TXT</b>.</p><p>
Her PDF kitap için, istenmeyen bilgileri kaldırmak ve analiz süresini azaltmak için lütfen <i>sayfa aralıklarını</i> ayarlayın.</p>`,
laws: `<p>Desteklenen dosya formatları: <b>DOCX</b>, <b>PDF</b>, <b>TXT</b>.</p><p>
diff --git a/web/src/locales/vi.ts b/web/src/locales/vi.ts
index 423caf9e11..ac5181efb6 100644
--- a/web/src/locales/vi.ts
+++ b/web/src/locales/vi.ts
@@ -224,6 +224,12 @@ export default {
'Để giúp bạn hiểu rõ hơn, chúng tôi đã cung cấp ảnh chụp màn hình liên quan để tham khảo.',
dialogueExamplesTitle: 'Ví dụ hội thoại',
methodEmpty: 'Mô tả bằng hình ảnh các danh mục cơ sở kiến thức',
+ audio: `<p>Các định dạng tệp được hỗ trợ là <b>WAV, MP3, AAC, FLAC, OGG</b> và các định dạng âm thanh phổ biến khác.</p>
+<p>Phương pháp này phiên âm các tệp âm thanh thành văn bản bằng mô hình chuyển giọng nói thành văn bản.</p>`,
+ email: `<p>Các định dạng tệp được hỗ trợ là <b>EML</b> và <b>MSG</b>.</p>
+<p>Phương pháp này phân tích các tệp email, trích xuất các trường tiêu đề (như Từ, Đến, CC, Chủ đề và Ngày), nội dung thân thư và tệp đính kèm.</p>`,
+ knowledgeCompiler: `<p>Pipeline này phân tích và chia nhỏ tệp thành các chunk, sau đó biên dịch các chunk thành các đơn vị tri thức có cấu trúc (đồ thị tri thức, wiki, RAPTOR, sơ đồ tư duy hoặc điều hướng tập dữ liệu) thông qua thành phần Knowledge Compiler.</p>
+<p>Các đơn vị tri thức đã biên dịch được xuất dưới dạng chunk hợp nhất vào luồng chunk, rất lý tưởng để xây dựng lớp tri thức có thể truy xuất trên các tài liệu đã chia nhỏ.</p>`,
book: `<p>Các định dạng tệp được hỗ trợ là <b>DOCX</b>, <b>PDF</b>, <b>TXT</b>.</p><p>
Đối với mỗi sách trong PDF, vui lòng đặt <i>phạm vi trang</i> để loại bỏ thông tin không mong muốn và giảm thời gian phân tích.</p>`,
laws: `<p>Các định dạng tệp được hỗ trợ là <b>DOCX</b>, <b>PDF</b>, <b>TXT</b>.</p><p>
diff --git a/web/src/locales/zh-traditional.ts b/web/src/locales/zh-traditional.ts
index 7f12531259..b757ed89ef 100644
--- a/web/src/locales/zh-traditional.ts
+++ b/web/src/locales/zh-traditional.ts
@@ -246,6 +246,12 @@ export default {
methodExamplesDescription: '為方便您理解,我們附上相關截圖供您參考。',
dialogueExamplesTitle: '對話示例',
methodEmpty: '這將顯示知識庫類別的可視化解釋',
+ audio: `<p>支援的檔案格式為 <b>WAV、MP3、AAC、FLAC、OGG</b> 及其他常見音訊格式。</p>
+<p>本方法使用語音轉文字模型將音訊檔案轉錄為文字。</p>`,
+ email: `<p>支援的檔案格式為 <b>EML</b> 和 <b>MSG</b>。</p>
+<p>本方法解析電子郵件檔案,擷取標頭欄位(如寄件者、收件者、副本、主旨和日期)、內文以及附件。</p>`,
+ knowledgeCompiler: `<p>本 pipeline 先解析檔案並分塊,然後透過 Knowledge Compiler 元件將分塊編譯為結構化知識單元(知識圖譜、百科、RAPTOR、心智圖或資料集導航)。</p>
+<p>編譯後的知識單元以分塊形式合併進分塊流輸出,適合在分塊文件之上構建可檢索的知識層。</p>`,
book: `<p>支持的文件格式為<b>DOCX</b>、<b>PDF</b>、<b>TXT</b>。</p><p>
由於一本書很長,並不是所有部分都有用,如果是 PDF,
請為每本書設置<i>頁面範圍</i>,以消除負面影響並節省分析計算時間。</p>`,
diff --git a/web/src/locales/zh.ts b/web/src/locales/zh.ts
index ec38e120d7..faf233c73d 100644
--- a/web/src/locales/zh.ts
+++ b/web/src/locales/zh.ts
@@ -681,6 +681,12 @@ export default {
'为帮助您更好地理解,我们提供了相关截图供您参考。',
dialogueExamplesTitle: '对话示例',
methodEmpty: '这将显示知识库类别的可视化解释',
+ audio: `<p>支持的文件格式为 <b>WAV、MP3、AAC、FLAC、OGG</b> 及其他常见音频格式。</p>
+<p>本方法使用语音转文本模型将音频文件转录为文本。</p>`,
+ email: `<p>支持的文件格式为 <b>EML</b> 和 <b>MSG</b>。</p>
+<p>本方法解析电子邮件文件,提取头部字段(如发件人、收件人、抄送、主题和日期)、正文内容以及附件。</p>`,
+ knowledgeCompiler: `<p>本 pipeline 先解析文件并分块,然后通过 Knowledge Compiler 组件将分块编译为结构化知识单元(知识图谱、百科、RAPTOR、思维导图或数据集导航)。</p>
+<p>编译后的知识单元以分块形式合并进分块流输出,适合在分块文档之上构建可检索的知识层。</p>`,
book: `<p>支持的文件格式为<b>DOCX</b>、<b>PDF</b>、<b>TXT</b>。</p><p>
由于一本书很长,并不是所有部分都有用,如果是 PDF,
请为每本书设置<i>页面范围</i>,以消除负面影响并节省分析计算时间。</p>`,
diff --git a/web/src/pages/dataset/dataset-setting/category-panel.tsx b/web/src/pages/dataset/dataset-setting/category-panel.tsx
index 2e39b6b4f7..eebff4d53d 100644
--- a/web/src/pages/dataset/dataset-setting/category-panel.tsx
+++ b/web/src/pages/dataset/dataset-setting/category-panel.tsx
@@ -18,7 +18,9 @@ const CategoryPanel = ({ chunkMethod }: { chunkMethod: string }) => {
const descriptionKey = DescriptionKeyMap[item.value] ?? item.value;
return {
title: item.label,
- description: t(camelCase(descriptionKey)),
+ // Methods without a description entry get an empty string, so the
+ // empty placeholder below is still shown for them.
+ description: t(camelCase(descriptionKey), { defaultValue: '' }),
};
}
return { title: '', description: '' };
@@ -31,9 +33,11 @@ const CategoryPanel = ({ chunkMethod }: { chunkMethod: string }) => {
return [];
}, [chunkMethod]);
+ const hasDescription = item.description.trim().length > 0;
+
return (
<div>
- {imageList.length > 0 ? (
+ {hasDescription ? (
<>
<h5 className="font-semibold text-base mt-0 mb-1">
{`"${item.title}" ${t('methodTitle')}`}
@@ -44,24 +48,28 @@ const CategoryPanel = ({ chunkMethod }: { chunkMethod: string }) => {
__html: DOMPurify.sanitize(item.description),
}}
></p>
- <h5 className="font-semibold text-base mt-4 mb-1">{`"${item.title}" ${t('methodExamples')}`}</h5>
- <span className="text-text-secondary">
- {t('methodExamplesDescription')}
- </span>
- <div className="grid grid-cols-2 gap-2.5 mt-4">
- {imageList.map((x) => (
- <SvgIcon
- name={x}
- width={'100%'}
- className="w-full"
- key={x}
- ></SvgIcon>
- ))}
- </div>
- <h5 className="font-semibold text-base mt-4 mb-1">
- {item.title} {t('dialogueExamplesTitle')}
- </h5>
- <Divider></Divider>
+ {imageList.length > 0 && (
+ <>
+ <h5 className="font-semibold text-base mt-4 mb-1">{`"${item.title}" ${t('methodExamples')}`}</h5>
+ <span className="text-text-secondary">
+ {t('methodExamplesDescription')}
+ </span>
+ <div className="grid grid-cols-2 gap-2.5 mt-4">
+ {imageList.map((x) => (
+ <SvgIcon
+ name={x}
+ width={'100%'}
+ className="w-full"
+ key={x}
+ ></SvgIcon>
+ ))}
+ </div>
+ <h5 className="font-semibold text-base mt-4 mb-1">
+ {item.title} {t('dialogueExamplesTitle')}
+ </h5>
+ <Divider></Divider>
+ </>
+ )}
</>
) : (
<div className="flex flex-col items-center justify-center py-8">