Java MossKB 知识库文档
默认模型
推理、OCR 与向量都调用远程模型服务，默认值来自初始化脚本写入的两个默认模型实例。文档与查询必须使用同一个向量模型和同一维度：
| 用途 | 默认模型 ID | 平台与接口 | 说明 |
|---|---|---|---|
| 推理与生成（最终回答、问题改写、证据核验、摘要） | deepseek-v4.1-flash | Gitee AI 的 OpenAI 兼容接口，配置键 kb.chat.model | 属 DeepSeek Flash 系列；DeepSeek 官方平台把同系列模型 ID 写作 deepseek-flash，两者是不同平台的 ID，不要混填 |
| 向量（片段、段落标题、用户问题） | Qwen3-Embedding-8B | Gitee AI 的 embeddings 接口，配置键 kb.embedding.model | 固定返回 1024 维；知识库可按 embedding_mode_id 绑定其他兼容模型，但维度必须同为 1024 |
| 扫描页 OCR 与文档解析 | PaddleOCR-VL-1.5 | Gitee AI 的异步文档解析接口 | 文字 PDF 与 DOCX 先做本地提取，扫描页、图片与内嵌图片才走远程 OCR；模型 ID 写在 DocumentParsingService.recognize，不随用户选择的对话模型变化 |
- 未做任何配置时，最终回答使用上表的默认生成模型，检索向量使用上表的默认向量模型。
- 两个默认值都由
KnowledgeModelService.chatModel()与embeddingModel()读取环境配置，部署时可以整体切到自建网关或其他兼容平台。 - 扫描页 OCR 与对话模型是两条互不影响的链路：接入更贵的对话模型只会抬高回答部分的成本。
- 选择理由、平台对照与切换代价见支持自定义模型，部署时的默认配置见 Windows 与 Linux 部署。
章节导航
- 00 学术论文
- 01 数据库设计
- 02 用户登录实现
- 03 模型管理
- 04 知识库管理
- 05 文档拆分
- 06 片段向量
- 07 命中测试
- 08 文档管理
- 09 片段管理
- 10 问题管理
- 11 应用管理
- 12 向量检索
- 13 推理问答
- 14 问答模块
- 15 统计分析
- 16 用户管理
- 17 VL模型文档解析方案和费用对比
- 18 文档解析模型实测
- 19 文档解析优化
- 20 片段汇总
- 21 段落分块与检索
- 22 多文档解析
- 23 检索性能优化
- 24 对话日志
- 25 创建独立用户与账号资源管理
- 26 api 管理
- 27 独立对话页
- 28 嵌入第三方web系统
- 29 分段预览
- 30 文档预览
- 31 多轮检索
- 32 上下文压缩
- 33 支持自定义模型
- 34 爬取网页数据
- 35 隔离 Python 执行环境配置
- 36 隔离 Python 执行器
- 37 函数库与调用接口
- 38 Windows 与 Linux 部署
- 39 离线运行向量模型
- 40 Milvus
- 41 存储文件到云存储
- 42 文档解析异步化
配图
本章图片统一放在 assets 目录，正文按相对路径引用。
相关章节
- Windows 与 Linux 部署：数据库准备、初始化脚本、后端启动、前端构建与环境变量、nginx 部署（同源与前后端分域）。
- 对话日志：会话、问答记录、检索轨迹与导出。
- 独立对话页：公开分享链接、访客身份与隔离、对话语言。
- 多轮检索：检索轮次、追问改写与停止原因。
- 上下文压缩：token 阈值、压缩水位、摘要提示词与接口。
- 隔离 Python 执行环境配置、隔离 Python 执行器、函数库与调用接口：函数库的环境准备、执行协议、存储、内置模板与接口。