RAGFlow is an agent-native database: a Retrieval-Augmented Generation (RAG) engine that grew into context infrastructure.
Go agent-harnessagent-native-databaseagentic-aiagentic-retrievalagentic-searchaiai-agentscontext-enginecontext-engineeringcontext-managementharness-engineeringknowledge-compilationragretrieval-augmented-generationretrieval-harnesssearch-harness
docs: Update tooltip url (#19484)
Wang Qiba3cda38aa7d
diff --git a/web/src/locales/ar.ts b/web/src/locales/ar.tsindex 30f3157e35..d76959edf7 100644--- a/web/src/locales/ar.ts+++ b/web/src/locales/ar.ts@@ -405,10 +405,10 @@ export default {'استخدم مع طريقة التقطيع العامة. عند التعطيل، سيتم تحليل جداول البيانات (XLSX أو XLS(Excel 97-2003)) الموجودة في قاعدة المعرفة إلى أزواج قيمة المفتاح. عند التمكين، سيتم تحليلها إلى جداول HTML، مع تقسيم كل 12 صفًا إذا كان الجدول الأصلي يحتوي على أكثر من 12 صفًا. راجع https://ragflow.io/docs/dataset_configuration#other-format-processing-configuration للحصول على التفاصيل.',autoKeywords: 'الكلمة الرئيسية التلقائية',autoKeywordsTip:- 'قم باستخراج الكلمات الرئيسية N تلقائيًا لكل مجموعة لزيادة تصنيفها للاستعلامات التي تحتوي على تلك الكلمات الرئيسية. انتبه إلى أنه سيتم استهلاك الرموز المميزة الإضافية بواسطة نموذج الفهرسة المحدد في "التكوين". يمكنك التحقق من الكلمات الأساسية المضافة أو تحديثها لمقطع من قائمة المقاطع. للحصول على التفاصيل، راجع https://ragflow.io/docs/dev/autokeyword_autoquestion.',+ 'قم باستخراج الكلمات الرئيسية N تلقائيًا لكل مجموعة لزيادة تصنيفها للاستعلامات التي تحتوي على تلك الكلمات الرئيسية. انتبه إلى أنه سيتم استهلاك الرموز المميزة الإضافية بواسطة نموذج الفهرسة المحدد في "التكوين". يمكنك التحقق من الكلمات الأساسية المضافة أو تحديثها لمقطع من قائمة المقاطع. للحصول على التفاصيل، راجع https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration.',autoQuestions: 'سؤال تلقائي',autoQuestionsTip:- 'قم باستخراج الأسئلة N تلقائيًا لكل مجموعة لزيادة تصنيفها للاستعلامات التي تحتوي على تلك الأسئلة. يمكنك التحقق من الأسئلة المضافة أو تحديثها لمقطع من قائمة المقاطع. لن تعطل هذه الميزة عملية التقسيم في حالة حدوث خطأ، إلا أنها قد تضيف نتيجة فارغة إلى المقطع الأصلي. انتبه إلى أنه سيتم استهلاك الرموز المميزة الإضافية بواسطة نموذج الفهرسة المحدد في "التكوين". للحصول على التفاصيل، راجع https://ragflow.io/docs/dev/autokeyword_autoquestion.',+ 'قم باستخراج الأسئلة N تلقائيًا لكل مجموعة لزيادة تصنيفها للاستعلامات التي تحتوي على تلك الأسئلة. يمكنك التحقق من الأسئلة المضافة أو تحديثها لمقطع من قائمة المقاطع. لن تعطل هذه الميزة عملية التقسيم في حالة حدوث خطأ، إلا أنها قد تضيف نتيجة فارغة إلى المقطع الأصلي. انتبه إلى أنه سيتم استهلاك الرموز المميزة الإضافية بواسطة نموذج الفهرسة المحدد في "التكوين". للحصول على التفاصيل، راجع https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration.',redo: 'هل تريد مسح القطع الموجودة ({{chunkNum}})؟',setMetaData: 'تعيين البيانات الوصفية',pleaseInputJson: 'الرجاء إدخال JSON',@@ -564,7 +564,7 @@ export default {tag: '<p> تعمل قاعدة المعرفة التي تستخدم طريقة التقطيع "Tag" كمجموعة علامات. تستخدمها قواعد المعرفة الأخرى لوضع علامات على الأجزاء الخاصة بها، ويتم أيضًا وضع علامات على الاستعلامات الخاصة بقواعد المعرفة هذه باستخدام مجموعة العلامات هذه.</p>\n<p> ستشارك مجموعة العلامات <b>NOT</b> بشكل مباشر في عملية إنشاء الاسترجاع المعزز (RAG).</p>\n<p>كل جزء في قاعدة المعرفة هذه عبارة عن زوج مستقل من علامات الوصف.</p>\n<p> تتضمن تنسيقات الملفات المدعومة <b>XLSX</b> و<b>CSV/TXT</b>:</p>\n<p>إذا كان الملف بتنسيق <b>XLSX</b>، فيجب أن يحتوي على عمودين بدون رؤوس: أحدهما لأوصاف العلامات والآخر لأسماء العلامات، مع عمود الوصف الذي يسبق عمود العلامة. يُقبل تعدد الأوراق، بشرط أن تكون الأعمدة منظمة بشكل صحيح.</p>\n<p>إذا كان الملف بتنسيق <b>CSV/TXT</b>، فيجب أن يكون مشفرًا بـ UTF-8 باستخدام TAB كمحدد لفصل الأوصاف والعلامات.</p>\n<p>في عمود العلامات، يتم استخدام <b>comma</b> لفصل العلامات.</p>\n<i> سيتم تجاهل سطور النصوص التي لا تتبع القواعد المذكورة أعلاه.</i>',useRaptor: 'رابتور',useRaptorTip:- 'يمكن استخدام RAPTOR لمهام الإجابة على الأسئلة متعددة القفزات. انتقل إلى صفحة الملفات، وانقر فوق إنشاء > RAPTOR لتمكينه. راجع https://ragflow.io/docs/dev/enable_raptor للحصول على التفاصيل.',+ 'يمكن استخدام RAPTOR لمهام الإجابة على الأسئلة متعددة القفزات. انتقل إلى صفحة الملفات، وانقر فوق إنشاء > RAPTOR لتمكينه. راجع https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#tree للحصول على التفاصيل.',prompt: 'اِسْتَدْعَى',promptTip:'استخدم موجه النظام لوصف مهمة LLM، وتحديد كيفية الاستجابة لها، وتحديد المتطلبات المتنوعة الأخرى. غالبًا ما يتم استخدام موجه النظام جنبًا إلى جنب مع المفاتيح (المتغيرات)، والتي تعمل كمدخلات بيانات متنوعة لـ LLM. استخدم شرطة مائلة للأمام `/` أو الزر (x) لإظهار المفاتيح المطلوب استخدامها.',@@ -601,7 +601,7 @@ export default {addTag: 'إضافة علامة',useGraphRag: 'الرسم البياني المعرفي',useGraphRagTip:- 'قم بإنشاء رسم بياني معرفي على أجزاء ملف من قاعدة المعرفة الحالية لتحسين الإجابة على الأسئلة متعددة القفزات التي تتضمن منطقًا متداخلاً. راجع https://ragflow.io/docs/dev/construct_knowledge_graph للحصول على التفاصيل.',+ 'قم بإنشاء رسم بياني معرفي على أجزاء ملف من قاعدة المعرفة الحالية لتحسين الإجابة على الأسئلة متعددة القفزات التي تتضمن منطقًا متداخلاً. راجع https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#graph للحصول على التفاصيل.',graphRagMethod: 'طريقة',graphRagMethodTip:'Light: (افتراضي) استخدم المطالبات المقدمة من github.com/HKUDS/LightRAG لاستخراج الكيانات والعلاقات. يستهلك هذا الخيار عددًا أقل من الرموز المميزة، وذاكرة أقل، وموارد حسابية أقل.</br>\n عام: استخدم المطالبات المقدمة من github.com/microsoft/graphrag لاستخراج الكيانات والعلاقات.</br>\n NER: استخدم spaCy NER واستخراج الكلمات المفتاحية القائم على القواعد لاستخراج الكيانات والعلاقات. لا حاجة إلى LLM للاستخراج نفسه، مما يجعله سريعًا وفعالاً في الموارد.',diff --git a/web/src/locales/bg.ts b/web/src/locales/bg.tsindex 2f072cc689..32a401cbbe 100644--- a/web/src/locales/bg.ts+++ b/web/src/locales/bg.ts@@ -394,9 +394,9 @@ export default {html4excel: 'Excel към HTML',html4excelTip: `Използвайте с метода за разделяне General. Когато е деактивирано, електронните таблици (XLSX или XLS(Excel 97-2003)) в базата от знания ще бъдат обработени като двойки ключ-стойност. Когато е активирано, те ще бъдат обработени като HTML таблици, разделяйки всеки 12 реда, ако оригиналната таблица има повече от 12 реда. Вижте https://ragflow.io/docs/dataset_configuration#other-format-processing-configuration за подробности.`,autoKeywords: 'Авто-ключови думи',- autoKeywordsTip: `Автоматично извлича N ключови думи за всеки фрагмент, за да увеличи класирането им за заявки, съдържащи тези ключови думи. Имайте предвид, че допълнителни токени ще бъдат консумирани от индексиращия модел, указан в 'Конфигурация'. Можете да проверите или актуализирате добавените ключови думи за фрагмент от списъка с фрагменти. За подробности вижте https://ragflow.io/docs/dev/autokeyword_autoquestion.`,+ autoKeywordsTip: `Автоматично извлича N ключови думи за всеки фрагмент, за да увеличи класирането им за заявки, съдържащи тези ключови думи. Имайте предвид, че допълнителни токени ще бъдат консумирани от индексиращия модел, указан в 'Конфигурация'. Можете да проверите или актуализирате добавените ключови думи за фрагмент от списъка с фрагменти. За подробности вижте https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration.`,autoQuestions: 'Авто-въпроси',- autoQuestionsTip: `Автоматично извлича N въпроса за всеки фрагмент, за да увеличи класирането им за заявки, съдържащи тези въпроси. Можете да проверите или актуализирате добавените въпроси за фрагмент от списъка с фрагменти. Тази функция няма да наруши процеса на разделяне при грешка, но може да добави празен резултат към оригиналния фрагмент. Имайте предвид, че допълнителни токени ще бъдат консумирани от индексиращия модел, указан в 'Конфигурация'. За подробности вижте https://ragflow.io/docs/dev/autokeyword_autoquestion.`,+ autoQuestionsTip: `Автоматично извлича N въпроса за всеки фрагмент, за да увеличи класирането им за заявки, съдържащи тези въпроси. Можете да проверите или актуализирате добавените въпроси за фрагмент от списъка с фрагменти. Тази функция няма да наруши процеса на разделяне при грешка, но може да добави празен резултат към оригиналния фрагмент. Имайте предвид, че допълнителни токени ще бъдат консумирани от индексиращия модел, указан в 'Конфигурация'. За подробности вижте https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration.`,redo: 'Искате ли да изчистите съществуващите {{chunkNum}} фрагменти?',setMetaData: 'Задай метаданни',pleaseInputJson: 'Моля, въведете JSON',@@ -634,7 +634,7 @@ export default {`,useRaptor: 'RAPTOR',useRaptorTip:- 'RAPTOR може да се използва за задачи с многостъпково отговаряне на въпроси. Навигирайте до страницата с файлове, натиснете Генерирай > RAPTOR, за да го активирате. Вижте https://ragflow.io/docs/dev/enable_raptor за подробности.',+ 'RAPTOR може да се използва за задачи с многостъпково отговаряне на въпроси. Навигирайте до страницата с файлове, натиснете Генерирай > RAPTOR, за да го активирате. Вижте https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#tree за подробности.',prompt: 'Подсказка',promptTip:'Използвайте системната подсказка, за да опишете задачата за LLM, укажете как да отговаря и очертайте други изисквания. Системната подсказка често се използва заедно с ключове (променливи), които служат като различни входни данни за LLM. Използвайте наклонена черта `/` или бутона (x), за да покажете ключовете за използване.',@@ -681,7 +681,7 @@ The above is the content you need to summarize.`,addTag: 'Добави таг',useGraphRag: 'Граф на знанията',useGraphRagTip:- 'Изграждане на граф на знанията върху фрагменти от файлове на текущата база от знания за подобряване на многостъпковото отговаряне на въпроси с вложена логика. Вижте https://ragflow.io/docs/dev/construct_knowledge_graph за подробности.',+ 'Изграждане на граф на знанията върху фрагменти от файлове на текущата база от знания за подобряване на многостъпковото отговаряне на въпроси с вложена логика. Вижте https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#graph за подробности.',graphRagMethod: 'Метод',graphRagMethodTip: `Light: (По подразбиране) Използва подсказки от github.com/HKUDS/LightRAG за извличане на обекти и връзки. Тази опция консумира по-малко токени, памет и изчислителни ресурси.</br>diff --git a/web/src/locales/de.ts b/web/src/locales/de.tsindex 7257e7e6b5..0f6aba99c0 100644--- a/web/src/locales/de.ts+++ b/web/src/locales/de.ts@@ -398,10 +398,10 @@ Beispiel: Eine 1 KB Nachricht mit 1024-dim Einbettung verwendet ~9 KB. Das Stand'Verwenden Sie dies zusammen mit der General-Schnittmethode. Wenn deaktiviert, werden Tabellenkalkulationsdateien (XLSX, XLS (Excel 97-2003)) zeilenweise in Schlüssel-Wert-Paare analysiert. Wenn aktiviert, werden Tabellenkalkulationsdateien in HTML-Tabellen umgewandelt. Wenn die ursprüngliche Tabelle mehr als 12 Zeilen enthält, teilt das System sie automatisch alle 12 Zeilen in mehrere HTML-Tabellen auf. Für weitere Informationen siehe https://ragflow.io/docs/dataset_configuration#other-format-processing-configuration.',autoKeywords: 'Auto-Schlüsselwort',autoKeywordsTip:- 'Extrahieren Sie automatisch N Schlüsselwörter für jeden Abschnitt, um deren Ranking in Abfragen mit diesen Schlüsselwörtern zu verbessern. Beachten Sie, dass zusätzliche Tokens vom in den "Systemmodelleinstellungen" angegebenen Chat-Modell verbraucht werden. Sie können die hinzugefügten Schlüsselwörter eines Abschnitts in der Abschnittsliste überprüfen oder aktualisieren. Für weitere Informationen siehe https://ragflow.io/docs/dev/autokeyword_autoquestion.',+ 'Extrahieren Sie automatisch N Schlüsselwörter für jeden Abschnitt, um deren Ranking in Abfragen mit diesen Schlüsselwörtern zu verbessern. Beachten Sie, dass zusätzliche Tokens vom in den "Systemmodelleinstellungen" angegebenen Chat-Modell verbraucht werden. Sie können die hinzugefügten Schlüsselwörter eines Abschnitts in der Abschnittsliste überprüfen oder aktualisieren. Für weitere Informationen siehe https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration.',autoQuestions: 'Auto-Frage',autoQuestionsTip:- 'Um die Ranking-Ergebnisse zu verbessern, extrahieren Sie N Fragen für jeden Wissensdatenbank-Chunk mithilfe des im "Systemmodell-Setup" definierten Chatmodells. Beachten Sie, dass dies zusätzliche Token verbraucht. Die Ergebnisse können in der Chunk-Liste eingesehen und bearbeitet werden. Fehler bei der Fragenextraktion blockieren den Chunking-Prozess nicht; leere Ergebnisse werden dem ursprünglichen Chunk hinzugefügt. Für weitere Informationen siehe https://ragflow.io/docs/dev/autokeyword_autoquestion.',+ 'Um die Ranking-Ergebnisse zu verbessern, extrahieren Sie N Fragen für jeden Wissensdatenbank-Chunk mithilfe des im "Systemmodell-Setup" definierten Chatmodells. Beachten Sie, dass dies zusätzliche Token verbraucht. Die Ergebnisse können in der Chunk-Liste eingesehen und bearbeitet werden. Fehler bei der Fragenextraktion blockieren den Chunking-Prozess nicht; leere Ergebnisse werden dem ursprünglichen Chunk hinzugefügt. Für weitere Informationen siehe https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration.',redo: 'Möchten Sie die vorhandenen {{chunkNum}} Chunks löschen?',setMetaData: 'Metadaten festlegen',pleaseInputJson: 'Bitte JSON eingeben',@@ -640,7 +640,7 @@ Beispiel: Eine 1 KB Nachricht mit 1024-dim Einbettung verwendet ~9 KB. Das Stand`,useRaptor: 'RAPTOR zur Verbesserung des Abrufs verwenden',useRaptorTip:- 'RAPTOR für Multi-Hop-Frage-Antwort-Aufgaben aktivieren. Details unter https://ragflow.io/docs/dev/enable_raptor.',+ 'RAPTOR für Multi-Hop-Frage-Antwort-Aufgaben aktivieren. Details unter https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#tree.',prompt: 'Prompt',promptTip:'Verwenden Sie den Systemprompt, um die Aufgabe für das LLM zu beschreiben, festzulegen, wie es antworten soll, und andere verschiedene Anforderungen zu skizzieren. Der Systemprompt wird oft in Verbindung mit Schlüsseln (Variablen) verwendet, die als verschiedene Dateninputs für das LLM dienen. Verwenden Sie einen Schrägstrich `/` oder die (x)-Schaltfläche, um die zu verwendenden Schlüssel anzuzeigen.',@@ -689,7 +689,7 @@ Diese Auto-Tag-Funktion verbessert den Abruf, indem sie eine weitere Schicht domaddTag: 'Tag hinzufügen',useGraphRag: 'Wissensgraph extrahieren',useGraphRagTip:- 'Erstellen Sie einen Wissensgraph über Dateiabschnitte der aktuellen Wissensbasis, um die Beantwortung von Fragen mit mehreren Schritten und verschachtelter Logik zu verbessern. Weitere Informationen finden Sie unter https://ragflow.io/docs/dev/construct_knowledge_graph.',+ 'Erstellen Sie einen Wissensgraph über Dateiabschnitte der aktuellen Wissensbasis, um die Beantwortung von Fragen mit mehreren Schritten und verschachtelter Logik zu verbessern. Weitere Informationen finden Sie unter https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#graph.',graphRagMethod: 'Methode',graphRagMethodTip: `Light: (Standard) Verwendet von github.com/HKUDS/LightRAG bereitgestellte Prompts, um Entitäten und Beziehierungen zu extrahieren. Diese Option verbraucht weniger Tokens, weniger Speicher und weniger Rechenressourcen.</br>diff --git a/web/src/locales/en.ts b/web/src/locales/en.tsindex 420a613d55..fe0cff53ed 100644--- a/web/src/locales/en.ts+++ b/web/src/locales/en.ts@@ -610,9 +610,9 @@ Example: A 1 KB message with 1024-dim embedding uses ~9 KB. The 5 MB default limhtml4excel: 'Excel to HTML',html4excelTip: `Use with the General chunking method. When disabled, spreadsheets (XLSX or XLS(Excel 97-2003)) in the dataset will be parsed into key-value pairs. When enabled, they will be parsed into HTML tables, splitting every 12 rows if the original table has more than 12 rows. See https://ragflow.io/docs/dataset_configuration#other-format-processing-configuration for details.`,autoKeywords: 'Auto-keyword',- autoKeywordsTip: `Automatically extract N keywords for each chunk to increase their ranking for queries containing those keywords. Be aware that extra tokens will be consumed by the indexing model specified in 'Configuration'. You can check or update the added keywords for a chunk from the chunk list. For details, see https://ragflow.io/docs/dev/autokeyword_autoquestion.`,+ autoKeywordsTip: `Automatically extract N keywords for each chunk to increase their ranking for queries containing those keywords. Be aware that extra tokens will be consumed by the indexing model specified in 'Configuration'. You can check or update the added keywords for a chunk from the chunk list. For details, see https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration.`,autoQuestions: 'Auto-question',- autoQuestionsTip: `Automatically extract N questions for each chunk to increase their ranking for queries containing those questions. You can check or update the added questions for a chunk from the chunk list. This feature will not disrupt the chunking process if an error occurs, except that it may add an empty result to the original chunk. Be aware that extra tokens will be consumed by the indexing model specified in 'Configuration'. For details, see https://ragflow.io/docs/dev/autokeyword_autoquestion.`,+ autoQuestionsTip: `Automatically extract N questions for each chunk to increase their ranking for queries containing those questions. You can check or update the added questions for a chunk from the chunk list. This feature will not disrupt the chunking process if an error occurs, except that it may add an empty result to the original chunk. Be aware that extra tokens will be consumed by the indexing model specified in 'Configuration'. For details, see https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration.`,autoTags: 'Auto-tags',redo: 'Do you want to clear the existing {{chunkNum}} chunks?',setMetaData: 'Set metadata',@@ -881,7 +881,7 @@ Example: A 1 KB message with 1024-dim embedding uses ~9 KB. The 5 MB default lim`,useRaptor: 'RAPTOR',useRaptorTip:- 'RAPTOR can be used for multi-hop question-answering tasks. Navigate to the Files page, click Generate > RAPTOR to enable it. See https://ragflow.io/docs/dev/enable_raptor for details.',+ 'RAPTOR can be used for multi-hop question-answering tasks. Navigate to the Files page, click Generate > RAPTOR to enable it. See https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#tree for details.',prompt: 'Prompt',promptTip:'Use the system prompt to describe the task for the LLM, specify how it should respond, and outline other miscellaneous requirements. The system prompt is often used in conjunction with keys (variables), which serve as various data inputs for the LLM. Use a forward slash `/` or the (x) button to show the keys to use.',@@ -942,7 +942,7 @@ This auto-tagging feature enhances retrieval by adding another layer of domain-saddTag: 'Add tag',useGraphRag: 'Knowledge graph',useGraphRagTip:- 'Construct a knowledge graph over file chunks of the current dataset to enhance multi-hop question-answering involving nested logic. See https://ragflow.io/docs/dev/construct_knowledge_graph for details.',+ 'Construct a knowledge graph over file chunks of the current dataset to enhance multi-hop question-answering involving nested logic. See https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#graph for details.',graphRagMethod: 'Method',graphRagMethodTip: `Light: (Default) Use prompts provided by github.com/HKUDS/LightRAG to extract entities and relationships. This option consumes fewer tokens, less memory, and fewer computational resources.</br>diff --git a/web/src/locales/fr.ts b/web/src/locales/fr.tsindex d59229ed8d..7ddaebbd4c 100644--- a/web/src/locales/fr.ts+++ b/web/src/locales/fr.ts@@ -388,7 +388,7 @@ export default {action: 'Action',parsingStatus: "Statut d'analyse",parsingStatusTip:- "Le temps d'analyse dépend de plusieurs facteurs. L'activation de fonctions comme le Graphe de connaissances, RAPTOR, l'extraction automatique de mots-clés ou de questions peut considérablement augmenter ce temps. Si la barre de progression reste bloquée, veuillez consulter ces deux FAQ : https: //ragflow.io/docs/dev/faq#why-does-my-document-parsing-stall-at-under-one-percent.",+ "Le temps d'analyse dépend de plusieurs facteurs. L'activation de fonctions comme le Graphe de connaissances, RAPTOR, l'extraction automatique de mots-clés ou de questions peut considérablement augmenter ce temps. Si la barre de progression reste bloquée, veuillez consulter ces deux FAQ : https://ragflow.io/docs/dev/faq#why-does-my-document-parsing-stall-at-under-one-percent.",processBeginAt: 'Commencé à',processDuration: 'Durée',progressMsg: 'Progression',@@ -456,7 +456,7 @@ export default {'Utilisé avec la méthode "générale". Si désactivé, les tableaux sont convertis en paires clé-valeur. Sinon, ils deviennent des tableaux HTML divisés toutes les 12 lignes.',autoKeywords: 'Mots-clés automatiques',autoKeywordsTip:- 'Extrait automatiquement N mots-clés par segment. Consomme des tokens. Voir la documentation : https: //ragflow.io/docs/dev/autokeyword_autoquestion.',+ 'Extrait automatiquement N mots-clés par segment. Consomme des tokens. Voir la documentation : https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration.',autoQuestions: 'Questions automatiques',autoQuestionsTip:"Extrait automatiquement N questions par segment. N'interrompt pas l'analyse si une erreur survient. Consomme aussi des tokens. Voir la documentation.",@@ -632,7 +632,7 @@ export default {// Les contenus HTML comme "book", "laws", etc. sont laissés en l'état pour ne pas altérer leur structure technique.useRaptor: 'Utiliser RAPTOR pour améliorer la récupération',useRaptorTip:- "Activez RAPTOR pour les questions nécessitant plusieurs étapes. Voir https: //ragflow.io/docs/dev/enable_raptor pour plus d'informations.",+ "Activez RAPTOR pour les questions nécessitant plusieurs étapes. Voir https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#tree pour plus d'informations.",prompt: 'Prompt',promptTip:'Décrivez la tâche attendue du LLM, ses réponses, ses exigences, etc. Utilisez `/` pour afficher les variables disponibles.',@@ -685,7 +685,7 @@ export default {resolutionTip:'Fusionne des entités similaires comme "2025" et "l\'année 2025".',community: 'Génération de rapports communautaires',- communityTip: `Un "community" est un groupe d'entités liées. Le LLM peut générer un résumé pour chaque groupe. Voir plus ici : https: //www.microsoft.com/en-us/research/blog/graphrag-improving-global-search-via-dynamic-community-selection/`,+ communityTip: `Un "community" est un groupe d'entités liées. Le LLM peut générer un résumé pour chaque groupe. Voir plus ici : https://www.microsoft.com/en-us/research/blog/graphrag-improving-global-search-via-dynamic-community-selection/`,theDocumentBeingParsedCannotBeDeleted:"Le document en cours d'analyse ne peut pas être supprimé",lastWeek: 'de la semaine dernière',@@ -1011,7 +1011,7 @@ Applicable lorsque vous avez besoin que le LLM résume le document entier.quoteTip: 'Afficher ou non le texte original en référence.',selfRag: 'Self-RAG',selfRagTip:- 'Veuillez vous référer à : https: //huggingface.co/papers/2310.11511',+ 'Veuillez vous référer à : https://huggingface.co/papers/2310.11511',overview: 'ID de discussion',pv: 'Nombre de messages',uv: "Nombre d'utilisateurs actifs",@@ -2230,7 +2230,7 @@ Exemple : Virtual Hosted Style`,},akShare: 'AkShare',akShareDescription:- 'Un composant qui obtient des nouvelles sur les actions depuis https: //www.eastmoney.com/.',+ 'Un composant qui obtient des nouvelles sur les actions depuis https://www.eastmoney.com/.',yahooFinance: 'YahooFinance',yahooFinanceDescription:'Un composant qui interroge des informations sur une société cotée en bourse à partir de son symbole boursier.',diff --git a/web/src/locales/id.ts b/web/src/locales/id.tsindex 9f3bad0a0a..0bfb64b77a 100644--- a/web/src/locales/id.ts+++ b/web/src/locales/id.ts@@ -305,7 +305,7 @@ export default {Perhatikan jenis entitas yang perlu Anda tentukan.</p>`,useRaptor: 'Gunakan RAPTOR untuk meningkatkan pengambilan',useRaptorTip:- 'Aktifkan RAPTOR untuk tugas tanya jawab multi-langkah. Lihat https://ragflow.io/docs/dev/enable_raptor untuk informasi lebih lanjut.',+ 'Aktifkan RAPTOR untuk tugas tanya jawab multi-langkah. Lihat https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#tree untuk informasi lebih lanjut.',prompt: 'Prompt',promptTip:'Gunakan prompt sistem untuk menjelaskan tugas untuk LLM, tentukan bagaimana harus merespons, dan menguraikan persyaratan lainnya. Prompt sistem sering digunakan bersama dengan kunci (variabel), yang berfungsi sebagai berbagai input data untuk LLM. Gunakan garis miring `/` atau tombol (x) untuk menampilkan kunci yang digunakan.',diff --git a/web/src/locales/it.ts b/web/src/locales/it.tsindex 8e6a2e6469..f2e14a040b 100644--- a/web/src/locales/it.ts+++ b/web/src/locales/it.ts@@ -585,9 +585,9 @@ Esempio: un messaggio di 1 KB con embedding a 1024 dimensioni usa ~9 KB. Il limihtml4excel: 'Excel in HTML',html4excelTip: `Usa con il metodo di chunking Generale. Quando disabilitato, i fogli di calcolo (XLSX o XLS (Excel 97-2003)) nel dataset saranno analizzati in coppie chiave-valore. Quando abilitato, saranno analizzati in tabelle HTML, dividendo ogni 12 righe se la tabella originale ha più di 12 righe. Vedi https://ragflow.io/docs/dataset_configuration#other-format-processing-configuration per i dettagli.`,autoKeywords: 'Parole chiave automatiche',- autoKeywordsTip: `Estrai automaticamente N parole chiave per ogni chunk per aumentare il loro ranking per le query contenenti quelle parole chiave. Tieni presente che saranno consumati token extra dal modello di indicizzazione specificato in 'Configurazione'. Puoi controllare o aggiornare le parole chiave aggiunte per un chunk dalla lista dei chunk. Per i dettagli, vedi https://ragflow.io/docs/dev/autokeyword_autoquestion.`,+ autoKeywordsTip: `Estrai automaticamente N parole chiave per ogni chunk per aumentare il loro ranking per le query contenenti quelle parole chiave. Tieni presente che saranno consumati token extra dal modello di indicizzazione specificato in 'Configurazione'. Puoi controllare o aggiornare le parole chiave aggiunte per un chunk dalla lista dei chunk. Per i dettagli, vedi https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration.`,autoQuestions: 'Domande automatiche',- autoQuestionsTip: `Estrai automaticamente N domande per ogni chunk per aumentare il loro ranking per le query contenenti quelle domande. Puoi controllare o aggiornare le domande aggiunte per un chunk dalla lista dei chunk. Questa funzionalità non interromperà il processo di chunking se si verifica un errore, eccetto che potrebbe aggiungere un risultato vuoto al chunk originale. Tieni presente che saranno consumati token extra dal modello di indicizzazione specificato in 'Configurazione'. Per i dettagli, vedi https://ragflow.io/docs/dev/autokeyword_autoquestion.`,+ autoQuestionsTip: `Estrai automaticamente N domande per ogni chunk per aumentare il loro ranking per le query contenenti quelle domande. Puoi controllare o aggiornare le domande aggiunte per un chunk dalla lista dei chunk. Questa funzionalità non interromperà il processo di chunking se si verifica un errore, eccetto che potrebbe aggiungere un risultato vuoto al chunk originale. Tieni presente che saranno consumati token extra dal modello di indicizzazione specificato in 'Configurazione'. Per i dettagli, vedi https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration.`,redo: 'Vuoi cancellare i {{chunkNum}} chunk esistenti?',setMetaData: 'Imposta metadati',pleaseInputJson: 'Inserisci JSON',@@ -863,7 +863,7 @@ Esempio: un messaggio di 1 KB con embedding a 1024 dimensioni usa ~9 KB. Il limi`,useRaptor: 'RAPTOR',useRaptorTip:- 'RAPTOR può essere usato per attività di question-answering multi-hop. Naviga alla pagina File, clicca Genera > RAPTOR per abilitarlo. Vedi https://ragflow.io/docs/dev/enable_raptor per i dettagli.',+ 'RAPTOR può essere usato per attività di question-answering multi-hop. Naviga alla pagina File, clicca Genera > RAPTOR per abilitarlo. Vedi https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#tree per i dettagli.',prompt: 'Prompt',promptTip:"Usa il prompt di sistema per descrivere il compito per l'LLM, specificare come dovrebbe rispondere e delineare altri requisiti vari. Il prompt di sistema è spesso usato insieme a chiavi (variabili), che servono come vari input di dati per l'LLM. Usa una barra `/` o il pulsante (x) per mostrare le chiavi da usare.",@@ -915,7 +915,7 @@ Questa funzionalità di auto-tagging migliora il recupero aggiungendo un ulterioaddTag: 'Aggiungi tag',useGraphRag: 'Grafo della conoscenza',useGraphRagTip:- 'Costruisci un grafo della conoscenza sui chunk di file del dataset corrente per migliorare il question-answering multi-hop che coinvolge logica annidata. Vedi https://ragflow.io/docs/dev/construct_knowledge_graph per i dettagli.',+ 'Costruisci un grafo della conoscenza sui chunk di file del dataset corrente per migliorare il question-answering multi-hop che coinvolge logica annidata. Vedi https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#graph per i dettagli.',graphRagMethod: 'Metodo',graphRagMethodTip: `Light: (Predefinito) Usa prompt forniti da github.com/HKUDS/LightRAG per estrarre entità e relazioni. Questa opzione consuma meno token, meno memoria e meno risorse computazionali.</br>diff --git a/web/src/locales/ja.ts b/web/src/locales/ja.tsindex bc8bf0b499..4c747e6728 100644--- a/web/src/locales/ja.ts+++ b/web/src/locales/ja.ts@@ -254,9 +254,9 @@ export default {html4excel: 'ExcelをHTMLに変換',html4excelTip: `General切片方法と併用してください。無効の場合、表計算ファイル(XLSX、XLS(Excel 97-2003))は行ごとにキーと値のペアとして解析されます。有効の場合、表計算ファイルはHTML表として解析されます。元の表が12行を超える場合、システムは自動的に12行ごとに複数のHTML表に分割します。詳細については、https://ragflow.io/docs/dataset_configuration#other-format-processing-configuration をご覧ください。`,autoKeywords: '自動キーワード',- autoKeywordsTip: `各チャンクに含まれるキーワードのランキングを向上させるために、自動的にN個のキーワードを抽出します。「システムモデル設定」で指定されたチャットモデルによって追加のトークンが消費されることに注意してください。チャンクリストから追加されたキーワードを確認または更新することができます。詳細は https://ragflow.io/docs/dev/autokeyword_autoquestion をご覧ください。`,+ autoKeywordsTip: `各チャンクに含まれるキーワードのランキングを向上させるために、自動的にN個のキーワードを抽出します。「システムモデル設定」で指定されたチャットモデルによって追加のトークンが消費されることに注意してください。チャンクリストから追加されたキーワードを確認または更新することができます。詳細は https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration をご覧ください。`,autoQuestions: '自動質問',- autoQuestionsTip: `ランキングスコアを向上させるために、「システムモデル設定」で定義されたチャットモデルを使用して、ナレッジベースのチャンクごとにN個の質問を抽出します。 これにより、追加のトークンが消費されることに注意してください。 結果はチャンクリストで表示および編集できます。 質問抽出エラーはチャンク処理をブロックしません。空の結果が元のチャンクに追加されます。詳細は https://ragflow.io/docs/dev/autokeyword_autoquestion をご覧ください。`,+ autoQuestionsTip: `ランキングスコアを向上させるために、「システムモデル設定」で定義されたチャットモデルを使用して、ナレッジベースのチャンクごとにN個の質問を抽出します。 これにより、追加のトークンが消費されることに注意してください。 結果はチャンクリストで表示および編集できます。 質問抽出エラーはチャンク処理をブロックしません。空の結果が元のチャンクに追加されます。詳細は https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration をご覧ください。`,metadata: {fields: 'フィールド',@@ -539,7 +539,7 @@ export default {useRaptor: 'RAPTORを使用して検索を強化',useRaptorTip:- 'マルチホップ質問応答タスクでRAPTORを有効にしてください。詳細は https://ragflow.io/docs/dev/enable_raptor をご覧ください。',+ 'マルチホップ質問応答タスクでRAPTORを有効にしてください。詳細は https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#tree をご覧ください。',prompt: 'プロンプト',@@ -694,7 +694,7 @@ export default {addTag: 'タグを追加',useGraphRag: 'ナレッジグラフ',useGraphRagTip:- '現在のデータセットのファイルチャンクに対してナレッジグラフを構築し、入れ子になったロジックを含むマルチホップの質問応答を強化します。詳細は https://ragflow.io/docs/dev/construct_knowledge_graph をご覧ください。',+ '現在のデータセットのファイルチャンクに対してナレッジグラフを構築し、入れ子になったロジックを含むマルチホップの質問応答を強化します。詳細は https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#graph をご覧ください。',graphRagMethod: '方法',graphRagMethodTip:'\n Light: (デフォルト)github.com/HKUDS/LightRAG が提供するプロンプトを使用して、エンティティと関係性を抽出します。このオプションは、トークン・メモリ・計算リソースの消費が少なくて済みます。</br>\n General: github.com/microsoft/graphrag が提供するプロンプトを使用して、エンティティと関係性を抽出します。</br>\n NER: spaCyのNERとルールベースのキーワード抽出を使用して、エンティティと関係性を抽出します。抽出自体にLLMを必要としないため、高速でリソース効率に優れています。',diff --git a/web/src/locales/ko.ts b/web/src/locales/ko.tsindex 8a9e00f908..adca40707f 100644--- a/web/src/locales/ko.ts+++ b/web/src/locales/ko.ts@@ -573,9 +573,9 @@ export default {html4excel: 'Excel을 HTML로',html4excelTip: `일반 chunking 방법과 함께 사용합니다. 비활성화 시 데이터셋의 스프레드시트(XLSX 또는 XLS(Excel 97-2003))는 키-값 쌍으로 파싱됩니다. 활성화 시 HTML 표로 파싱되며, 원래 표가 12행을 초과하면 12행마다 분리됩니다. 자세한 내용은 https://ragflow.io/docs/dataset_configuration#other-format-processing-configuration 을 참조하세요.`,autoKeywords: '자동 키워드',- autoKeywordsTip: `각 chunk에서 N개의 키워드를 자동으로 추출하여 해당 키워드가 포함된 쿼리에서의 순위를 높입니다. '설정'에서 지정된 인덱싱 모델이 추가 토큰을 소비합니다. chunk 목록에서 추가된 키워드를 확인하거나 업데이트할 수 있습니다. 자세한 내용은 https://ragflow.io/docs/dev/autokeyword_autoquestion 을 참조하세요.`,+ autoKeywordsTip: `각 chunk에서 N개의 키워드를 자동으로 추출하여 해당 키워드가 포함된 쿼리에서의 순위를 높입니다. '설정'에서 지정된 인덱싱 모델이 추가 토큰을 소비합니다. chunk 목록에서 추가된 키워드를 확인하거나 업데이트할 수 있습니다. 자세한 내용은 https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration 을 참조하세요.`,autoQuestions: '자동 질문',- autoQuestionsTip: `각 chunk에서 N개의 질문을 자동으로 추출하여 해당 질문이 포함된 쿼리에서의 순위를 높입니다. chunk 목록에서 추가된 질문을 확인하거나 업데이트할 수 있습니다. 오류가 발생해도 chunking 과정에 영향을 주지 않으나, 원래 chunk에 빈 결과가 추가될 수 있습니다. '설정'에서 지정된 인덱싱 모델이 추가 토큰을 소비합니다. 자세한 내용은 https://ragflow.io/docs/dev/autokeyword_autoquestion 을 참조하세요.`,+ autoQuestionsTip: `각 chunk에서 N개의 질문을 자동으로 추출하여 해당 질문이 포함된 쿼리에서의 순위를 높입니다. chunk 목록에서 추가된 질문을 확인하거나 업데이트할 수 있습니다. 오류가 발생해도 chunking 과정에 영향을 주지 않으나, 원래 chunk에 빈 결과가 추가될 수 있습니다. '설정'에서 지정된 인덱싱 모델이 추가 토큰을 소비합니다. 자세한 내용은 https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration 을 참조하세요.`,redo: '기존 {{chunkNum}}개의 chunk를 초기화하시겠습니까?',setMetaData: '메타데이터 설정',pleaseInputJson: 'JSON을 입력해 주세요',@@ -843,7 +843,7 @@ export default {`,useRaptor: 'RAPTOR',useRaptorTip:- 'RAPTOR는 멀티홉 질의응답 작업에 사용할 수 있습니다. 파일 탭에서 [생성 > RAPTOR]를 클릭하여 활성화하세요. 자세한 내용은 https://ragflow.io/docs/dev/enable_raptor 을 참조하세요.',+ 'RAPTOR는 멀티홉 질의응답 작업에 사용할 수 있습니다. 파일 탭에서 [생성 > RAPTOR]를 클릭하여 활성화하세요. 자세한 내용은 https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#tree 을 참조하세요.',prompt: '프롬프트',promptTip:'LLM의 역할, 원하는 응답 길이, 톤, 언어 등을 포함한 시스템 프롬프트를 사용하세요. 시스템 프롬프트는 LLM에 대한 다양한 데이터 입력으로 사용되는 키(변수)와 함께 자주 사용됩니다. 사용할 키를 표시하려면 슬래시 `/` 또는 (x) 버튼을 사용하세요.',@@ -894,7 +894,7 @@ export default {addTag: '태그 추가',useGraphRag: '지식 그래프',useGraphRagTip:- '현재 데이터셋의 파일 청크에 대해 지식 그래프를 구성하여, 중첩된 논리가 포함된 멀티홉 질의응답(multi-hop QA) 성능을 향상시킵니다. 자세한 내용은 https://ragflow.io/docs/dev/construct_knowledge_graph 을 참조하세요.',+ '현재 데이터셋의 파일 청크에 대해 지식 그래프를 구성하여, 중첩된 논리가 포함된 멀티홉 질의응답(multi-hop QA) 성능을 향상시킵니다. 자세한 내용은 https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#graph 을 참조하세요.',graphRagMethod: '방법',graphRagMethodTip: `Light: (기본값) github.com/HKUDS/LightRAG에서 제공하는 프롬프트를 사용하여 엔티티와 관계를 추출합니다. 더 적은 토큰, 메모리, 연산 리소스를 사용합니다.</br>diff --git a/web/src/locales/pt-br.ts b/web/src/locales/pt-br.tsindex 0368b70de8..da6abb9fb8 100644--- a/web/src/locales/pt-br.ts+++ b/web/src/locales/pt-br.ts@@ -178,9 +178,9 @@ export default {'Use em conjunto com o método de fragmentação General. Quando desativado, arquivos de planilhas (XLSX, XLS (Excel 97-2003)) serão analisados linha por linha como pares chave-valor. Quando ativado, os arquivos de planilhas serão convertidos em tabelas HTML. Se a tabela original tiver mais de 12 linhas, o sistema dividirá automaticamente em várias tabelas HTML a cada 12 linhas. Para mais informações, consulte https://ragflow.io/docs/dataset_configuration#other-format-processing-configuration.',autoKeywords: 'Palavras-chave automáticas',autoKeywordsTip:- 'Extraia automaticamente N palavras-chave de cada bloco para aumentar sua classificação em consultas que contenham essas palavras-chave. Esteja ciente de que o modelo de chat especificado nas "Configurações do modelo do sistema" consumirá tokens adicionais. Você pode verificar ou atualizar as palavras-chave adicionadas a um bloco na lista de blocos. Para mais detalhes, consulte https://ragflow.io/docs/dev/autokeyword_autoquestion.',+ 'Extraia automaticamente N palavras-chave de cada bloco para aumentar sua classificação em consultas que contenham essas palavras-chave. Esteja ciente de que o modelo de chat especificado nas "Configurações do modelo do sistema" consumirá tokens adicionais. Você pode verificar ou atualizar as palavras-chave adicionadas a um bloco na lista de blocos. Para mais detalhes, consulte https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration.',autoQuestions: 'Perguntas automáticas',- autoQuestionsTip: `Para aumentar as pontuações de classificação, extraia N perguntas para cada bloco da base de conhecimento usando o modelo de bate-papo definido em "Configurações do Modelo do Sistema". Observe que isso consome tokens extras. Os resultados podem ser visualizados e editados na lista de blocos. Erros na extração de perguntas não bloquearão o processo de fragmentação; resultados vazios serão adicionados ao bloco original. Para mais detalhes, consulte https://ragflow.io/docs/dev/autokeyword_autoquestion.`,+ autoQuestionsTip: `Para aumentar as pontuações de classificação, extraia N perguntas para cada bloco da base de conhecimento usando o modelo de bate-papo definido em "Configurações do Modelo do Sistema". Observe que isso consome tokens extras. Os resultados podem ser visualizados e editados na lista de blocos. Erros na extração de perguntas não bloquearão o processo de fragmentação; resultados vazios serão adicionados ao bloco original. Para mais detalhes, consulte https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration.`,redo: 'Deseja limpar os {{chunkNum}} fragmentos existentes?',setMetaData: 'Definir Metadados',pleaseInputJson: 'Por favor, insira um JSON',@@ -271,7 +271,7 @@ export default {<p><i>Linhas de texto que não seguirem essas regras serão ignoradas, e cada par de Pergunta & Resposta será tratado como um fragmento distinto.</i></p>`,useRaptor: 'Usar RAPTOR para melhorar a recuperação',useRaptorTip:- 'Ative o RAPTOR para tarefas de perguntas e respostas multi-hop. Veja https://ragflow.io/docs/dev/enable_raptor para mais detalhes.',+ 'Ative o RAPTOR para tarefas de perguntas e respostas multi-hop. Veja https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#tree para mais detalhes.',prompt: 'Prompt',promptTip:'Use o prompt do sistema para descrever a tarefa para o LLM, especificar como ele deve responder e esboçar outros requisitos diversos. O prompt do sistema é frequentemente usado em conjunto com chaves (variáveis), que servem como várias entradas de dados para o LLM. Use uma barra `/` ou o botão (x) para mostrar as chaves a serem usadas.',diff --git a/web/src/locales/ru.ts b/web/src/locales/ru.tsindex 898535137c..4685a6e78c 100644--- a/web/src/locales/ru.ts+++ b/web/src/locales/ru.ts@@ -413,9 +413,9 @@ export default {html4excel: 'Excel в HTML',html4excelTip: `Используется с методом чанкинга General. Когда отключено, электронные таблицы (XLSX или XLS (Excel 97-2003)) в базе знаний будут разобраны в пары ключ-значение. Когда включено, они будут разобраны в HTML таблицы, разделяя каждые 12 строк, если исходная таблица имеет более 12 строк. Подробности см. на https://ragflow.io/docs/dataset_configuration#other-format-processing-configuration.`,autoKeywords: 'Авто-ключевые слова',- autoKeywordsTip: `Автоматически извлекает N ключевых слов для каждого чанка, чтобы повысить их рейтинг для запросов, содержащих эти ключевые слова. Имейте в виду, что дополнительные токены будут потребляться чат-моделью, указанной в 'Системных настройках модели'. Вы можете проверить или обновить добавленные ключевые слова для чанка из списка чанков. Подробности см. на https://ragflow.io/docs/dev/autokeyword_autoquestion.`,+ autoKeywordsTip: `Автоматически извлекает N ключевых слов для каждого чанка, чтобы повысить их рейтинг для запросов, содержащих эти ключевые слова. Имейте в виду, что дополнительные токены будут потребляться чат-моделью, указанной в 'Системных настройках модели'. Вы можете проверить или обновить добавленные ключевые слова для чанка из списка чанков. Подробности см. на https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration.`,autoQuestions: 'Авто-вопросы',- autoQuestionsTip: `Автоматически извлекает N вопросов для каждого чанка, чтобы повысить их рейтинг для запросов, содержащих эти вопросы. Вы можете проверить или обновить добавленные вопросы для чанка из списка чанков. Эта функция не нарушит процесс чанкинга в случае ошибки, за исключением того, что может добавить пустой результат в исходный чанк. Имейте в виду, что дополнительные токены будут потребляться LLM, указанной в 'Системных настройках модели'. Подробности см. на https://ragflow.io/docs/dev/autokeyword_autoquestion.`,+ autoQuestionsTip: `Автоматически извлекает N вопросов для каждого чанка, чтобы повысить их рейтинг для запросов, содержащих эти вопросы. Вы можете проверить или обновить добавленные вопросы для чанка из списка чанков. Эта функция не нарушит процесс чанкинга в случае ошибки, за исключением того, что может добавить пустой результат в исходный чанк. Имейте в виду, что дополнительные токены будут потребляться LLM, указанной в 'Системных настройках модели'. Подробности см. на https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration.`,redo: 'Вы хотите очистить существующие {{chunkNum}} чанков?',setMetaData: 'Установить Метаданные',pleaseInputJson: 'Пожалуйста, введите JSON',@@ -673,7 +673,7 @@ export default {`,useRaptor: 'RAPTOR',useRaptorTip:- 'RAPTOR можно использовать для многошаговых вопросно-ответных задач. Перейдите на страницу Файлы, нажмите Сгенерировать > RAPTOR. Подробности: https://ragflow.io/docs/dev/enable_raptor',+ 'RAPTOR можно использовать для многошаговых вопросно-ответных задач. Перейдите на страницу Файлы, нажмите Сгенерировать > RAPTOR. Подробности: https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#tree',prompt: 'Промпт',promptTip:'Используйте системный промпт, чтобы описать задачу для LLM, указать, как она должна отвечать, и очертить другие требования. Системный промпт часто используется вместе с ключами (переменными). Используйте `/` или кнопку (x), чтобы показать ключи.',@@ -720,7 +720,7 @@ export default {addTag: 'Добавить тег',useGraphRag: 'Граф знаний',useGraphRagTip:- 'Строит граф знаний поверх чанков файлов текущей базы знаний для многошагового Q&A с вложенной логикой. Подробности: https://ragflow.io/docs/dev/construct_knowledge_graph',+ 'Строит граф знаний поверх чанков файлов текущей базы знаний для многошагового Q&A с вложенной логикой. Подробности: https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#graph',graphRagMethod: 'Метод',graphRagMethodTip: `Light: (по умолчанию) Промпты github.com/HKUDS/LightRAG для извлечения сущностей и связей. Меньше токенов, памяти и вычислений.</br>diff --git a/web/src/locales/tr.ts b/web/src/locales/tr.tsindex 56867d473d..baa1266186 100644--- a/web/src/locales/tr.ts+++ b/web/src/locales/tr.ts@@ -612,9 +612,9 @@ Prosedürel Bellek: Öğrenilen beceriler, alışkanlıklar ve otomatik prosedühtml4excel: "Excel'i HTML'ye dönüştür",html4excelTip: `Genel parçalama yöntemi ile kullanın. Devre dışı bırakıldığında, datasetteki elektronik tablolar (XLSX veya XLS(Excel 97-2003)) anahtar-değer çiftlerine ayrıştırılır. Etkinleştirildiğinde HTML tablolarına ayrıştırılır; orijinal tabloda 12'den fazla satır varsa her 12 satırda bölünür. Ayrıntılar için bkz. https://ragflow.io/docs/dataset_configuration#other-format-processing-configuration.`,autoKeywords: 'Otomatik anahtar kelime',- autoKeywordsTip: `Her parça için otomatik olarak N anahtar kelime çıkarır ve o anahtar kelimeleri içeren sorgular için sıralamalarını artırır. 'Yapılandırma'da belirtilen indeksleme modeli tarafından ekstra tokenlar tüketileceğini unutmayın. Bir parçaya eklenen anahtar kelimeleri parça listesinden kontrol edebilir veya güncelleyebilirsiniz. Ayrıntılar için bkz. https://ragflow.io/docs/dev/autokeyword_autoquestion.`,+ autoKeywordsTip: `Her parça için otomatik olarak N anahtar kelime çıkarır ve o anahtar kelimeleri içeren sorgular için sıralamalarını artırır. 'Yapılandırma'da belirtilen indeksleme modeli tarafından ekstra tokenlar tüketileceğini unutmayın. Bir parçaya eklenen anahtar kelimeleri parça listesinden kontrol edebilir veya güncelleyebilirsiniz. Ayrıntılar için bkz. https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration.`,autoQuestions: 'Otomatik soru',- autoQuestionsTip: `Her parça için otomatik olarak N soru çıkarır ve o soruları içeren sorgular için sıralamalarını artırır. Bir parçaya eklenen soruları parça listesinden kontrol edebilir veya güncelleyebilirsiniz. Bir hata oluşursa bu özellik parçalama işlemini bozmaz, ancak orijinal parçaya boş bir sonuç ekleyebilir. 'Yapılandırma'da belirtilen indeksleme modeli tarafından ekstra tokenlar tüketileceğini unutmayın. Ayrıntılar için bkz. https://ragflow.io/docs/dev/autokeyword_autoquestion.`,+ autoQuestionsTip: `Her parça için otomatik olarak N soru çıkarır ve o soruları içeren sorgular için sıralamalarını artırır. Bir parçaya eklenen soruları parça listesinden kontrol edebilir veya güncelleyebilirsiniz. Bir hata oluşursa bu özellik parçalama işlemini bozmaz, ancak orijinal parçaya boş bir sonuç ekleyebilir. 'Yapılandırma'da belirtilen indeksleme modeli tarafından ekstra tokenlar tüketileceğini unutmayın. Ayrıntılar için bkz. https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration.`,autoTags: 'Otomatik etiketler',redo: 'Mevcut {{chunkNum}} parçayı temizlemek istiyor musunuz?',setMetaData: 'Meta veri ayarla',@@ -885,7 +885,7 @@ Prosedürel Bellek: Öğrenilen beceriler, alışkanlıklar ve otomatik prosedü`,useRaptor: 'RAPTOR',useRaptorTip:- "RAPTOR çok adımlı soru-cevap görevleri için kullanılabilir. Dosyalar sayfasına gidin, Oluştur > RAPTOR'a tıklayarak etkinleştirin. Ayrıntılar için bkz. https://ragflow.io/docs/dev/enable_raptor.",+ "RAPTOR çok adımlı soru-cevap görevleri için kullanılabilir. Dosyalar sayfasına gidin, Oluştur > RAPTOR'a tıklayarak etkinleştirin. Ayrıntılar için bkz. https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#tree.",prompt: 'İstem',promptTip:'Görevi tanımlamak, nasıl yanıt vermesi gerektiğini belirtmek ve diğer çeşitli gereksinimleri belirlemek için sistem istemini kullanın. Sistem istemi genellikle LLM için çeşitli veri girdileri olarak hizmet eden anahtarlarla (değişkenlerle) birlikte kullanılır. Kullanacağınız anahtarları göstermek için eğik çizgi `/` veya (x) düğmesini kullanın.',@@ -940,7 +940,7 @@ Bu otomatik etiketleme özelliği, mevcut datasete alanına özgü bilgi katmanaddTag: 'Etiket ekle',useGraphRag: 'Bilgi grafiği',useGraphRagTip:- 'İç içe geçmiş mantık içeren çok adımlı soru-cevabı geliştirmek için mevcut dataset dosya parçaları üzerinde bir bilgi grafiği oluşturun. Ayrıntılar için bkz. https://ragflow.io/docs/dev/construct_knowledge_graph.',+ 'İç içe geçmiş mantık içeren çok adımlı soru-cevabı geliştirmek için mevcut dataset dosya parçaları üzerinde bir bilgi grafiği oluşturun. Ayrıntılar için bkz. https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#graph.',graphRagMethod: 'Yöntem',graphRagMethodTip: `Hafif: (Varsayılan) Varlıkları ve ilişkileri çıkarmak için github.com/HKUDS/LightRAG tarafından sağlanan istemler kullanılır.</br>diff --git a/web/src/locales/vi.ts b/web/src/locales/vi.tsindex fe222babf5..dccc79d426 100644--- a/web/src/locales/vi.ts+++ b/web/src/locales/vi.ts@@ -173,9 +173,9 @@ export default {html4excel: 'Excel sang HTML',html4excelTip: `Sử dụng cùng với phương pháp cắt khúc General. Khi chưa được bật, tệp bảng tính (XLSX, XLS (Excel 97-2003)) sẽ được phân tích theo dòng thành các cặp khóa-giá trị. Khi bật, tệp bảng tính sẽ được phân tích thành bảng HTML. Nếu bảng gốc vượt quá 12 dòng, hệ thống sẽ tự động chia thành nhiều bảng HTML mỗi 12 dòng. Để biết thêm thông tin, vui lòng xem https://ragflow.io/docs/dataset_configuration#other-format-processing-configuration.`,autoKeywords: 'Từ khóa tự động',- autoKeywordsTip: `Tự động trích xuất N từ khóa cho mỗi khối để tăng thứ hạng của chúng trong các truy vấn chứa các từ khóa đó. Lưu ý rằng các token bổ sung sẽ được tiêu thụ bởi mô hình trò chuyện được chỉ định trong "Cài đặt mô hình hệ thống". Bạn có thể kiểm tra hoặc cập nhật các từ khóa đã thêm cho một khối từ danh sách khối. Để biết chi tiết, vui lòng xem https://ragflow.io/docs/dev/autokeyword_autoquestion.`,+ autoKeywordsTip: `Tự động trích xuất N từ khóa cho mỗi khối để tăng thứ hạng của chúng trong các truy vấn chứa các từ khóa đó. Lưu ý rằng các token bổ sung sẽ được tiêu thụ bởi mô hình trò chuyện được chỉ định trong "Cài đặt mô hình hệ thống". Bạn có thể kiểm tra hoặc cập nhật các từ khóa đã thêm cho một khối từ danh sách khối. Để biết chi tiết, vui lòng xem https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration.`,autoQuestions: 'Câu hỏi tự động',- autoQuestionsTip: `Để tăng điểm xếp hạng, hãy trích xuất N câu hỏi cho mỗi đoạn kiến thức bằng mô hình trò chuyện được xác định trong "Cài đặt mô hình hệ thống". Lưu ý rằng việc này sẽ tiêu tốn thêm token. Kết quả có thể được xem và chỉnh sửa trong danh sách các đoạn. Lỗi trích xuất câu hỏi sẽ không chặn quá trình phân đoạn; kết quả trống sẽ được thêm vào đoạn gốc. Để biết chi tiết, vui lòng xem https://ragflow.io/docs/dev/autokeyword_autoquestion.`,+ autoQuestionsTip: `Để tăng điểm xếp hạng, hãy trích xuất N câu hỏi cho mỗi đoạn kiến thức bằng mô hình trò chuyện được xác định trong "Cài đặt mô hình hệ thống". Lưu ý rằng việc này sẽ tiêu tốn thêm token. Kết quả có thể được xem và chỉnh sửa trong danh sách các đoạn. Lỗi trích xuất câu hỏi sẽ không chặn quá trình phân đoạn; kết quả trống sẽ được thêm vào đoạn gốc. Để biết chi tiết, vui lòng xem https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration.`,delimiterTip: `Hỗ trợ nhiều ký tự phân cách, và các ký tự phân cách nhiều ký tự được bao bọc bởi dấu . Ví dụ: nếu được cấu hình như thế này: "##"; thì văn bản sẽ được phân tách bởi dấu xuống dòng, hai dấu # và dấu chấm phẩy, sau đó được lắp ráp theo kích thước của "số token". Thiết lập các dấu phân cách chỉ sau khi hiểu cơ chế phân đoạn và phân khối văn bản.`,redo: `Bạn có muốn xóa các đoạn {{chunkNum}} hiện có không?`,knowledgeGraph: 'Đồ thị tri thức',@@ -310,7 +310,7 @@ export default {<p>Đảm bảo bạn đã đặt <b>Loại thực thể</b>.</p>`,useRaptor: 'Sử dụng RAPTOR để cải thiện truy xuất',useRaptorTip:- 'Kích hoạt RAPTOR cho các tác vụ hỏi đáp đa bước. Xem chi tiết tại https://ragflow.io/docs/dev/enable_raptor.',+ 'Kích hoạt RAPTOR cho các tác vụ hỏi đáp đa bước. Xem chi tiết tại https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#tree.',prompt: 'Nhắc nhở',promptTip:'Sử dụng lời nhắc hệ thống để mô tả nhiệm vụ cho LLM, chỉ định cách nó nên phản hồi và phác thảo các yêu cầu khác nhau. Lời nhắc hệ thống thường được sử dụng kết hợp với các khóa (biến), đóng vai trò là các đầu vào dữ liệu khác nhau cho LLM. Sử dụng dấu gạch chéo `/` hoặc nút (x) để hiển thị các khóa cần sử dụng.',@@ -359,7 +359,7 @@ export default {General: Câu lệnh trích xuất thực thể và quan hệ này được lấy từ GitHub - microsoft/graphrag: Một hệ thống Tạo sinh tăng cường truy xuất (RAG) dựa trên đồ thị theo mô-đun.NER: Sử dụng spaCy NER và trích xuất từ khóa dựa trên quy tắc để trích xuất thực thể và quan hệ. Không cần LLM cho việc trích xuất, giúp nhanh chóng và tiết kiệm tài nguyên.`,useGraphRagTip:- 'Xây dựng một biểu đồ tri thức trên các đoạn tệp của cơ sở tri thức hiện tại để tăng cường khả năng trả lời câu hỏi đa bước liên quan đến logic lồng nhau. Xem https://ragflow.io/docs/dev/construct_knowledge_graph để biết thêm chi tiết.',+ 'Xây dựng một biểu đồ tri thức trên các đoạn tệp của cơ sở tri thức hiện tại để tăng cường khả năng trả lời câu hỏi đa bước liên quan đến logic lồng nhau. Xem https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#graph để biết thêm chi tiết.',resolution: 'Hợp nhất thực thể',resolutionTip:'Quy trình phân giải sẽ hợp nhất các thực thể có cùng ý nghĩa lại với nhau, giúp đồ thị trở nên cô đọng và chính xác hơn. Các thực thể sau đây nên được hợp nhất: President Trump, Donald Trump, Donald J. Trump, Donald John Trump.',diff --git a/web/src/locales/zh-traditional.ts b/web/src/locales/zh-traditional.tsindex fc64fbe1d9..361c99939d 100644--- a/web/src/locales/zh-traditional.ts+++ b/web/src/locales/zh-traditional.ts@@ -176,9 +176,9 @@ export default {html4excel: '表格轉HTML',html4excelTip: `與 General 切片方法配合使用。未開啟狀態下,表格檔案(XLSX、XLS(Excel 97-2003)會按行解析為鍵值對。開啟後,表格檔案會被解析為 HTML 表格。若原始表格超過 12 行,系統會自動按每 12 行拆分為多個 HTML 表格。欲了解更多資訊,請參閱 https://ragflow.io/docs/dataset_configuration#other-format-processing-configuration。`,autoKeywords: '自動關鍵字',- autoKeywordsTip: `自動為每個文字區塊中提取 N 個關鍵詞,以提升查詢精度。請注意:此功能採用「系統模型設定」中設定的預設聊天模型提取關鍵詞,因此也會產生更多 Token 消耗。此外,你也可以手動更新生成的關鍵詞。詳情請參見 https://ragflow.io/docs/dev/autokeyword_autoquestion。`,+ autoKeywordsTip: `自動為每個文字區塊中提取 N 個關鍵詞,以提升查詢精度。請注意:此功能採用「系統模型設定」中設定的預設聊天模型提取關鍵詞,因此也會產生更多 Token 消耗。此外,你也可以手動更新生成的關鍵詞。詳情請參見 https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration。`,autoQuestions: '自動問題',- autoQuestionsTip: `為了提高排名分數,請使用「系統模型設定」中定義的聊天模型,為每個知識庫區塊提取 N 個問題。 請注意:這會消耗額外的 token。 結果可在區塊列表中查看和編輯。 問題提取錯誤不會阻止分塊過程; 空結果將被添加到原始區塊。詳情請參見 https://ragflow.io/docs/dev/autokeyword_autoquestion。 `,+ autoQuestionsTip: `為了提高排名分數,請使用「系統模型設定」中定義的聊天模型,為每個知識庫區塊提取 N 個問題。 請注意:這會消耗額外的 token。 結果可在區塊列表中查看和編輯。 問題提取錯誤不會阻止分塊過程; 空結果將被添加到原始區塊。詳情請參見 https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration。 `,redo: '是否清空已有 {{chunkNum}}個 chunk?',setMetaData: '設定元數據',pleaseInputJson: '請輸入JSON',@@ -339,7 +339,7 @@ export default {`,useRaptor: '使用 RAPTOR 文件增強策略',useRaptorTip:- '啟用 RAPTOR 以用於多跳問答任務。詳情請參見:https://ragflow.io/docs/dev/enable_raptor',+ '啟用 RAPTOR 以用於多跳問答任務。詳情請參見:https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#tree',prompt: '提示詞',promptMessage: '提示詞是必填項',promptText: `请請總結以下段落。 小心數字,不要編造。 段落如下:@@ -397,7 +397,7 @@ export default {paddleocrModelNamePlaceholder: '例如:paddleocr-環境-1',useGraphRag: '提取知識圖譜',useGraphRagTip:- '基於知識庫內所有切好的文本塊構建知識圖譜,用以提升多跳和複雜問題回答的正確率。請注意:構建知識圖譜將消耗大量 token 和時間。詳見 https://ragflow.io/docs/dev/construct_knowledge_graph。',+ '基於知識庫內所有切好的文本塊構建知識圖譜,用以提升多跳和複雜問題回答的正確率。請注意:構建知識圖譜將消耗大量 token 和時間。詳見 https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#graph。',graphRagMethod: '方法',graphRagMethodTip: `Light:實體和關係提取提示來自 GitHub - HKUDS/LightRAG:“LightRAG:簡單快速的檢索增強生成”<br>一般:實體和關係擷取提示來自 GitHub - microsoft/graphrag:基於模組化圖形的檢索增強生成 (RAG) 系統,<br>diff --git a/web/src/locales/zh.ts b/web/src/locales/zh.tsindex b1b2dd3f5d..95814f6357 100644--- a/web/src/locales/zh.ts+++ b/web/src/locales/zh.ts@@ -548,9 +548,9 @@ export default {html4excel: '表格转 HTML',html4excelTip: `与 General 切片方法配合使用。未开启状态下,表格文件(XLSX、XLS(Excel 97-2003))会按行解析为键值对。开启后,表格文件会被解析为 HTML 表格。若原始表格超过 12 行,系统会自动按每 12 行拆分为多个 HTML 表格。欲了解更多详情,请参阅 https://ragflow.io/docs/dataset_configuration#other-format-processing-configuration。`,autoKeywords: '自动关键词提取',- autoKeywordsTip: `自动为每个文本块中提取 N 个关键词,用以提升查询精度。请注意:该功能采用在“配置”中指定的索引模型提取关键词,因此也会产生更多 Token 消耗。另外,你也可以手动更新生成的关键词。详情请见 https://ragflow.io/docs/dev/autokeyword_autoquestion。`,+ autoKeywordsTip: `自动为每个文本块中提取 N 个关键词,用以提升查询精度。请注意:该功能采用在“配置”中指定的索引模型提取关键词,因此也会产生更多 Token 消耗。另外,你也可以手动更新生成的关键词。详情请见 https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration。`,autoQuestions: '自动问题提取',- autoQuestionsTip: `利用在“配置”中指定的索引模型 对知识库的每个文本块提取 N 个问题以提高其排名得分。请注意,开启后将消耗额外的 Token。您可以在块列表中查看、编辑结果。如果自动问题提取发生错误,不会妨碍整个分块过程,只会将空结果添加到原始文本块。详情请见 https://ragflow.io/docs/dev/autokeyword_autoquestion。`,+ autoQuestionsTip: `利用在“配置”中指定的索引模型 对知识库的每个文本块提取 N 个问题以提高其排名得分。请注意,开启后将消耗额外的 Token。您可以在块列表中查看、编辑结果。如果自动问题提取发生错误,不会妨碍整个分块过程,只会将空结果添加到原始文本块。详情请见 https://ragflow.io/docs/dataset_configuration#content-enhancement-configuration。`,autoTags: '自动标签提取',redo: '是否清空已有 {{chunkNum}}个 Chunk?',setMetaData: '设置元数据',@@ -794,7 +794,7 @@ export default {`,useRaptor: '使用召回增强 RAPTOR 策略',useRaptorTip:- 'RAPTOR 常应用于复杂的多跳问答任务。如需打开,请跳转至知识库的文件页面,点击生成 > RAPTOR 开启。详见: https://ragflow.io/docs/dev/enable_raptor。',+ 'RAPTOR 常应用于复杂的多跳问答任务。如需打开,请跳转至知识库的文件页面,点击生成 > RAPTOR 开启。详见: https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#tree。',prompt: '提示词',promptMessage: '提示词是必填项',promptText: `请在不编造事实、不改变数字的前提下总结以下段落。@@ -855,7 +855,7 @@ export default {addTag: '增加标签',useGraphRag: '提取 Graph',useGraphRagTip:- '基于知识库内所有切好的文本块构建 Graph,用以提升多跳和复杂问题回答的正确率。请注意:构建 Graph 将消耗大量 Token 和时间。详见 https://ragflow.io/docs/dev/construct_knowledge_graph。',+ '基于知识库内所有切好的文本块构建 Graph,用以提升多跳和复杂问题回答的正确率。请注意:构建 Graph 将消耗大量 Token 和时间。详见 https://ragflow.io/docs/knowledge_compilation/built_in_templates_and_dedicated_configuration#graph。',graphRagMethod: '方法',graphRagMethodTip: `Light:Entities 和 Relations 提取提示来自 GitHub - HKUDS/LightRAG:“LightRAG:简单快速的检索增强生成”<br>General:Entities 和 Relations 提取提示来自 GitHub - microsoft/graphrag:基于图的模块化检索增强生成 (RAG) 系统<br>