写在前面: 梯子的应用在文章最后 安装conda wget https://repo.anaconda.com/archive/Anaconda3-2022.05-Linux-x86_64.sh chmod +x Anaconda3-2022.05-Linux-x86_64.sh ./Anaco
写在前面: 梯子的应用在文章最后 安装conda wget https://repo.anaconda.com/archive/Anaconda3-2022.05-Linux-x86_64.sh chmod +x Anaconda3-2022.05-Linux-x86_64.sh ./Anaco
1.迁移vllm用户输入敏感词过滤逻辑 和敏感词增删改查的逻辑 1.5天 2.open-webui新增流式对话接口 （1）模型输出的敏感词过滤 1.5天 （2）增加输入和输出的过滤记录 1.5天 （3）调用vllm会话接口，有自定义的参数设置自定义参数没有则读取基础模型参数设置 1.5天 （4）统计
请求数据 { "stream": true, "model": "DeepSeek-R1-0528-Qwen3-8B", "messages": [ { "role": "system", "content": "你好" }, { "role": "user",
vllm开发的优势 1.环境是现成的 2.已经有了当前打包流程 3.已经有一部分写好的代码 4.不影响与ragflow的流式接口 vllm劣势 1.gpu资源有限，在开发时，ragflow的请求会受影响 2.vllm编译时间较长，CPU满负荷运转，执行pip install -e . 初次要15~2
使用命令行进入镜像的文件系统： sudo docker run -it --rm --entrypoint /bin/bash infiniflow/ragflow:v0.23.1 在根目录查看文件系统及其大小： du -h --max-depth=1 ./ | sort -hr ragflow 4
关于附加数据Tenant 及 TenantLLM addUser时使用User的id数据初始化了 Tenant表和UserTenant表 Tenant初始化增加的重要数据有： id 在标注中， 1.通过tenant的id获取模型 2.通过tenant的id获取es的index，将生成后的标注的数据放
脚本文件：（部署服务器时，脚本文件要跟【docker-compose.yml】在同一目录下） auto_create_monitor_service.sh： 开机自启脚本：
