name: weknora services: weknora: image: wechatopenai/weknora-ui:v0.2.14 container_name: weknora ports: - target: 80 published: "1080" protocol: tcp environment: - MAX_FILE_SIZE_MB=50 depends_on: app: condition: service_healthy networks: - weknora-network restart: unless-stopped deploy: resources: reservations: memory: 128M x-casaos: envs: - container: MAX_FILE_SIZE_MB description: de_DE: Maximale Dateigröße für Uploads in MB el_GR: Μέγιστο επιτρεπόμενο μέγεθος αρχείου για μεταφόρτωση σε megabytes en_GB: Maximum file size allowed for upload in megabytes en_US: Maximum file size allowed for upload in megabytes fr_FR: Taille maximale du fichier autorisée pour le téléchargement en mégaoctets hr_HR: Maksimalna veličina datoteke dopuštena za prijenos u megabajtima it_IT: Dimensione massima del file consentita per il caricamento in megabyte ja_JP: アップロード可能な最大ファイルサイズ(MB) ko_KR: 업로드 허용 최대 파일 크기(MB) nb_NO: Maksimal filstørrelse for opplasting i megabytes pt_PT: Tamanho máximo de ficheiro permitido para carregamento em megabytes ru_RU: Максимальный размер файла для загрузки в мегабайтах sv_SE: Maximal filstorlek för uppladdning i megabyte tr_TR: Yükleme için izin verilen maksimum dosya boyutu (megabayt cinsinden) zh_CN: 最大允许上传文件大小(MB) ports: - container: "80" description: de_DE: Haupt-Weboberflächen-Port el_GR: Κύρια θύρα διαδικτυακής διεπαφής en_GB: Main web interface port en_US: Main web interface port fr_FR: Port de l'interface Web principale hr_HR: Glavna vrata web sučelja it_IT: Porta dell'interfaccia Web principale ja_JP: メインWebインターフェースポート ko_KR: 메인 웹 인터페이스 포트 nb_NO: Hovedport for webgrensesnitt pt_PT: Porta da interface Web principal ru_RU: Основной порт веб-интерфейса sv_SE: Huvudport för webbgränssnitt tr_TR: Ana web arayüzü bağlantı noktası zh_CN: 主 Web 界面端口 app: image: wechatopenai/weknora-app:v0.2.14 container_name: weknora-app volumes: - type: bind source: /DATA/AppData/$AppID/files target: /data/files deploy: resources: reservations: memory: 512M healthcheck: test: - CMD - curl - -f - http://localhost:8080/health interval: 30s timeout: 10s retries: 3 start_period: 60s environment: - OTEL_EXPORTER_OTLP_ENDPOINT=jaeger:4317 - OTEL_SERVICE_NAME=WeKnora - OTEL_TRACES_EXPORTER=otlp - OTEL_METRICS_EXPORTER=none - OTEL_LOGS_EXPORTER=none - OTEL_PROPAGATORS=tracecontext,baggage - QDRANT_HOST=qdrant - QDRANT_PORT=6334 - QDRANT_COLLECTION=weknora_embeddings - QDRANT_API_KEY= - QDRANT_USE_TLS=false - MINIO_ENDPOINT=minio:9000 - MINIO_ACCESS_KEY_ID=minioadmin - MINIO_SECRET_ACCESS_KEY=minioadmin - MINIO_BUCKET_NAME=weknora - GIN_MODE=release - DISABLE_REGISTRATION=false - DB_DRIVER=postgres - DB_HOST=weknora-postgres - DB_PORT=5432 - DB_USER=postgres - DB_PASSWORD=postgres123!@# - DB_NAME=WeKnora - TZ=$TZ - RETRIEVE_DRIVER=postgres - DOCREADER_ADDR=weknora-docreader:50051 - STORAGE_TYPE=minio - LOCAL_STORAGE_BASE_DIR=/data/files - AUTO_RECOVER_DIRTY=true - OLLAMA_BASE_URL=http://host.docker.internal:11434 - STREAM_MANAGER_TYPE=redis - REDIS_ADDR=weknora-redis:6379 - REDIS_PASSWORD=redis123!@# - REDIS_DB=0 - REDIS_PREFIX="stream:" - TENANT_AES_KEY=weknorarag-api-key-secret-secret - CONCURRENCY_POOL_SIZE=5 - JWT_SECRET=weknora-jwt-secret - MAX_FILE_SIZE_MB=50 depends_on: weknora-redis: condition: service_started weknora-postgres: condition: service_healthy weknora-docreader: condition: service_healthy networks: - weknora-network restart: unless-stopped extra_hosts: - host.docker.internal:host-gateway x-casaos: envs: - container: GIN_MODE description: de_DE: Gin-Framework-Modus (debug/release) el_GR: Λειτουργία Gin Framework (debug/release) en_GB: Gin framework mode (debug/release) en_US: Gin framework mode (debug/release) fr_FR: Mode du framework Gin (debug/release) hr_HR: Gin framework način (debug/release) it_IT: Modalità framework Gin (debug/release) ja_JP: Gin フレームワーク モード (debug/release) ko_KR: Gin 프레임워크 모드 (debug/release) nb_NO: Gin-rammemodus (debug/release) pt_PT: Modo do framework Gin (debug/release) ru_RU: Режим фреймворка Gin (debug/release) sv_SE: Gin-ramverkets läge (debug/release) tr_TR: Gin framework modu (debug/release) zh_CN: Gin 框架模式 - container: DISABLE_REGISTRATION description: de_DE: Benutzerregistrierung deaktivieren el_GR: Απενεργοποίηση εγγραφής χρηστών en_GB: Disable user registration en_US: Disable user registration fr_FR: Désactiver l'inscription des utilisateurs hr_HR: Onemogući registraciju korisnika it_IT: Disabilita la registrazione degli utenti ja_JP: ユーザー登録を無効にする ko_KR: 사용자 등록 비활성화 nb_NO: Deaktiver brukerregistrering pt_PT: Desativar o registo de utilizadores ru_RU: Отключить регистрацию пользователей sv_SE: Inaktivera användarregistrering tr_TR: Kullanıcı kaydını devre dışı bırak zh_CN: 禁用用户注册 - container: DB_DRIVER description: de_DE: Datenbanktreiber-Typ el_GR: Τύπος οδηγού βάσης δεδομένων en_GB: Database driver type en_US: Database driver type fr_FR: Type de pilote de base de données hr_HR: Vrsta upravljačkog programa baze podataka it_IT: Tipo di driver del database ja_JP: データベースドライバの種類 ko_KR: 데이터베이스 드라이버 유형 nb_NO: Databasedrivertype pt_PT: Tipo de controlador da base de dados ru_RU: Тип драйвера базы данных sv_SE: Typ av databasdrivrutin tr_TR: Veritabanı sürücüsü türü zh_CN: 数据库驱动类型 - container: DB_HOST description: de_DE: Hostname des Datenbankservers el_GR: Όνομα κεντρικού υπολογιστή διακομιστή βάσης δεδομένων en_GB: Database server hostname en_US: Database server hostname fr_FR: Nom d'hôte du serveur de base de données hr_HR: Naziv poslužitelja baze podataka it_IT: Hostname del server del database ja_JP: データベースサーバーのホスト名 ko_KR: 데이터베이스 서버 호스트 이름 nb_NO: Databaseserverens vertsnavn pt_PT: Nome do anfitrião do servidor de base de dados ru_RU: Имя хоста сервера базы данных sv_SE: Databaseserverns värdnamn tr_TR: Veritabanı sunucusu ana bilgisayar adı zh_CN: 数据库服务器主机名 - container: DB_PORT description: de_DE: Port des Datenbankservers el_GR: Θύρα διακομιστή βάσης δεδομένων en_GB: Database server port en_US: Database server port fr_FR: Port du serveur de base de données hr_HR: Port poslužitelja baze podataka it_IT: Porta del server del database ja_JP: データベースサーバーのポート ko_KR: 데이터베이스 서버 포트 nb_NO: Port for databaseserver pt_PT: Porta do servidor de base de dados ru_RU: Порт сервера базы данных sv_SE: Port för databaseserver tr_TR: Veritabanı sunucusu bağlantı noktası zh_CN: 数据库服务器端口 - container: DB_USER description: de_DE: Datenbank-Benutzername el_GR: Όνομα χρήστη βάσης δεδομένων en_GB: Database username en_US: Database username fr_FR: Nom d'utilisateur de la base de données hr_HR: Korisničko ime baze podataka it_IT: Nome utente del database ja_JP: データベースのユーザー名 ko_KR: 데이터베이스 사용자 이름 nb_NO: Databasen brukernavn pt_PT: Nome de utilizador da base de dados ru_RU: Имя пользователя базы данных sv_SE: Databasanvändarnamn tr_TR: Veritabanı kullanıcı adı zh_CN: 数据库用户名 - container: DB_PASSWORD description: de_DE: Datenbankpasswort el_GR: Κωδικός πρόσβασης βάσης δεδομένων en_GB: Database password en_US: Database password fr_FR: Mot de passe de la base de données hr_HR: Lozinka baze podataka it_IT: Password del database ja_JP: データベースのパスワード ko_KR: 데이터베이스 비밀번호 nb_NO: Databaspassord pt_PT: Palavra-passe da base de dados ru_RU: Пароль базы данных sv_SE: Databaslösenord tr_TR: Veritabanı şifresi zh_CN: 数据库密码 - container: DB_NAME description: de_DE: Datenbankname el_GR: Όνομα βάσης δεδομένων en_GB: Database name en_US: Database name fr_FR: Nom de la base de données hr_HR: Ime baze podataka it_IT: Nome del database ja_JP: データベース名 ko_KR: 데이터베이스 이름 nb_NO: Databasenavn pt_PT: Nome da base de dados ru_RU: Имя базы данных sv_SE: Databasnamn tr_TR: Veritabanı adı zh_CN: 数据库名称 - container: TZ description: de_DE: Zeitzoneneinstellung el_GR: Ρύθμιση ζώνης ώρας en_GB: Timezone setting en_US: Timezone setting fr_FR: Paramètre de fuseau horaire hr_HR: Postavka vremenske zone it_IT: Impostazione del fuso orario ja_JP: タイムゾーン設定 ko_KR: 시간대 설정 nb_NO: Tidssoneinnstilling pt_PT: Definição de fuso horário ru_RU: Настройка часового пояса sv_SE: Tidszonsinställning tr_TR: Saat dilimi ayarı zh_CN: 时区设置 - container: RETRIEVE_DRIVER description: de_DE: Abruftreiber-Typ el_GR: Τύπος οδηγού ανάκτησης en_GB: Retrieval driver type en_US: Retrieval driver type fr_FR: Type de pilote de récupération hr_HR: Vrsta upravljačkog programa za dohvaćanje it_IT: Tipo di driver di recupero ja_JP: 検索ドライバの種類 ko_KR: 검색 드라이버 유형 nb_NO: Retrieval-drivertype pt_PT: Tipo de controlador de recuperação ru_RU: Тип драйвера извлечения sv_SE: Typ av retrievdrivrutin tr_TR: Geri çağırma sürücüsü türü zh_CN: 检索驱动类型 - container: DOCREADER_ADDR description: de_DE: Adresse des Dokumentlese-Service el_GR: Διεύθυνση υπηρεσίας ανάγνωσης εγγράφων en_GB: Document reader service address en_US: Document reader service address fr_FR: Adresse du service de lecteur de documents hr_HR: Adresa usluge za čitanje dokumenata it_IT: Indirizzo del servizio di lettura documenti ja_JP: ドキュメントリーダーサービスのアドレス ko_KR: 문서 리더 서비스 주소 nb_NO: Adresse for dokumentlesertjeneste pt_PT: Endereço do serviço de leitura de documentos ru_RU: Адрес службы чтения документов sv_SE: Adress för dokumentläsartjänst tr_TR: Belge okuyucu hizmeti adresi zh_CN: 文档读取服务地址 - container: STORAGE_TYPE description: de_DE: Konfiguration des Speichertyps el_GR: Ρύθμιση τύπου αποθήκευσης en_GB: Storage type configuration en_US: Storage type configuration fr_FR: Configuration du type de stockage hr_HR: Konfiguracija vrste pohrane it_IT: Configurazione del tipo di archiviazione ja_JP: ストレージタイプの設定 ko_KR: 저장소 유형 구성 nb_NO: Konfigurasjon av lagringstype pt_PT: Configuração do tipo de armazenamento ru_RU: Конфигурация типа хранилища sv_SE: Konfiguration av lagringstyp tr_TR: Depolama türü yapılandırması zh_CN: 存储类型配置 - container: LOCAL_STORAGE_BASE_DIR description: de_DE: Basisverzeichnis für lokalen Speicher el_GR: Βασικός κατάλογος για τοπική αποθήκευση en_GB: Base directory for local storage en_US: Base directory for local storage fr_FR: Répertoire de base pour le stockage local hr_HR: Osnovni direktorij za lokalnu pohranu it_IT: Directory di base per l'archiviazione locale ja_JP: ローカルストレージのベースディレクトリ ko_KR: 로컬 스토리지 기본 디렉터리 nb_NO: Basiskatalog for lokal lagring pt_PT: Diretório de base para armazenamento local ru_RU: Базовый каталог для локального хранилища sv_SE: Grundkatalog för lokal lagring tr_TR: Yerel depolama için temel dizin zh_CN: 本地存储基础目录 - container: AUTO_RECOVER_DIRTY description: de_DE: '"Dirty"-Dokumente automatisch wiederherstellen' el_GR: Αυτόματη ανάκτηση "dirty" εγγράφων en_GB: Auto recover dirty documents en_US: Auto recover dirty documents fr_FR: Récupération automatique des documents sales hr_HR: Automatski oporavi prljave dokumente it_IT: Recupero automatico dei documenti dirty ja_JP: 不完全なドキュメントを自動修復 ko_KR: 오류 문서 자동 복구 nb_NO: Automatisk gjenoppretting av skitne dokumenter pt_PT: Recuperação automática de documentos sujos ru_RU: Автоматическое восстановление поврежденных документов sv_SE: Återställ smutsiga dokumenter automatiskt tr_TR: Kirli belgeleri otomatik olarak kurtar zh_CN: 自动恢复脏文档 - container: OLLAMA_BASE_URL description: de_DE: Ollama-API-Basis-URL el_GR: Βασικό URL του Ollama API en_GB: Ollama API base URL en_US: Ollama API base URL fr_FR: URL de base de l'API Ollama hr_HR: Osnovni URL Ollama API-ja it_IT: URL base dell'API Ollama ja_JP: Ollama API のベース URL ko_KR: Ollama API 기본 URL nb_NO: Ollama API-base-URL pt_PT: URL base da API Ollama ru_RU: Базовый URL API Ollama sv_SE: Ollama API-base-URL tr_TR: Ollama API temel URL'si zh_CN: Ollama API 基础 URL - container: STREAM_MANAGER_TYPE description: de_DE: Stream-Manager-Typ el_GR: Τύπος διαχειριστή ροής en_GB: Stream manager type en_US: Stream manager type fr_FR: Type de gestionnaire de flux hr_HR: Vrsta upravitelja strujanja it_IT: Tipo di gestore del flusso ja_JP: ストリームマネージャーの種類 ko_KR: 스트림 관리자 유형 nb_NO: Type strømbehandler pt_PT: Tipo de gestor de fluxo ru_RU: Тип менеджера потоков sv_SE: Typ av strömhanterare tr_TR: Akış yöneticisi türü zh_CN: 流管理器类型 - container: REDIS_ADDR description: de_DE: Redis-Serveradresse el_GR: Διεύθυνση διακομιστή Redis en_GB: Redis server address en_US: Redis server address fr_FR: Adresse du serveur Redis hr_HR: Adresa Redis poslužitelja it_IT: Indirizzo del server Redis ja_JP: Redis サーバーのアドレス ko_KR: Redis 서버 주소 nb_NO: Redis-serveradresse pt_PT: Endereço do servidor Redis ru_RU: Адрес сервера Redis sv_SE: Redis-serveradress tr_TR: Redis sunucusu adresi zh_CN: Redis 服务器地址 - container: REDIS_PASSWORD description: de_DE: Redis-Passwort el_GR: Κωδικός πρόσβασης Redis en_GB: Redis password en_US: Redis password fr_FR: Mot de passe Redis hr_HR: Redis lozinka it_IT: Password Redis ja_JP: Redis パスワード ko_KR: Redis 비밀번호 nb_NO: Redis-passord pt_PT: Palavra-passe Redis ru_RU: Пароль Redis sv_SE: Redis-lösenord tr_TR: Redis şifresi zh_CN: Redis 密码 - container: REDIS_DB description: de_DE: Redis-Datenbanknummer el_GR: Αριθμός βάσης δεδομένων Redis en_GB: Redis database number en_US: Redis database number fr_FR: Numéro de base de données Redis hr_HR: Broj Redis baze podataka it_IT: Numero del database Redis ja_JP: Redis データベース番号 ko_KR: Redis 데이터베이스 번호 nb_NO: Redis-databasenummer pt_PT: Número da base de dados Redis ru_RU: Номер базы данных Redis sv_SE: Redis-databasnummer tr_TR: Redis veritabanı numarası zh_CN: Redis 数据库编号 - container: REDIS_PREFIX description: de_DE: Redis-Schlüsselpräfix el_GR: Πρόθεμα κλειδιού Redis en_GB: Redis key prefix en_US: Redis key prefix fr_FR: Préfixe de clé Redis hr_HR: Redis prefiks ključa it_IT: Prefisso chiave Redis ja_JP: Redis キープレフィックス ko_KR: Redis 키 접두사 nb_NO: Redis nøkkelprefiks pt_PT: Prefixo da chave Redis ru_RU: Префикс ключа Redis sv_SE: Redis nyckelprefix tr_TR: Redis anahtar ön eki zh_CN: Redis 键前缀 - container: TENANT_AES_KEY description: de_DE: AES-Schlüssel für Mandantenverschlüsselung el_GR: Κλειδί AES για κρυπτογράφηση μισθωτή en_GB: AES key for tenant encryption en_US: AES key for tenant encryption fr_FR: Clé AES pour le chiffrement du locataire hr_HR: AES ključ za enkripciju stanara it_IT: Chiave AES per la crittografia del tenant ja_JP: テナント暗号化用 AES キー ko_KR: 테넌트 암호화를 위한 AES 키 nb_NO: AES-nøkkel for leiekryptering pt_PT: Chave AES para encriptação de inquilino ru_RU: Ключ AES для шифрования клиента sv_SE: AES-nyckel för kryptering av klientorganisation tr_TR: Kiracı şifrelemesi için AES anahtarı zh_CN: 租户加密的 AES 密钥 - container: CONCURRENCY_POOL_SIZE description: de_DE: Größe des Parallelitätspools el_GR: Μέγεθος συνόλου ταυτόχρονης εκτέλεσης en_GB: Concurrency pool size en_US: Concurrency pool size fr_FR: Taille du pool de concurrence hr_HR: Veličina skupa istovremenosti it_IT: Dimensione del pool di concorrenza ja_JP: 同時実行プールサイズ ko_KR: 동시성 풀 크기 nb_NO: Størrelse på samtidighetspool pt_PT: Tamanho do conjunto de simultaneidade ru_RU: Размер пула параллелизма sv_SE: Storlek på samtidighetspool tr_TR: Eşzamanlılık havuzu boyutu zh_CN: 并发池大小 - container: JWT_SECRET description: de_DE: JWT-Secret-Token el_GR: Μυστικό διακριτικό JWT en_GB: JWT secret token en_US: JWT secret token fr_FR: Jeton secret JWT hr_HR: Tajni token JWT it_IT: Token segreto JWT ja_JP: JWT シークレットトークン ko_KR: JWT 비밀 토큰 nb_NO: JWT hemmelig token pt_PT: Token secreto JWT ru_RU: Секретный токен JWT sv_SE: JWT-hemlig token tr_TR: JWT gizli belirteci zh_CN: JWT 密钥令牌 - container: MAX_FILE_SIZE_MB description: de_DE: Maximale Dateigröße für Uploads in MB el_GR: Μέγιστο επιτρεπόμενο μέγεθος αρχείου για μεταφόρτωση σε megabytes en_GB: Maximum file size allowed for upload in megabytes en_US: Maximum file size allowed for upload in megabytes fr_FR: Taille maximale du fichier autorisée pour le téléchargement en mégaoctets hr_HR: Maksimalna veličina datoteke dopuštena za prijenos u megabajtima it_IT: Dimensione massima del file consentita per il caricamento in megabyte ja_JP: アップロード可能な最大ファイルサイズ(MB) ko_KR: 업로드 허용 최대 파일 크기(MB) nb_NO: Maksimal filstørrelse for opplasting i megabytes pt_PT: Tamanho máximo de ficheiro permitido para carregamento em megabytes ru_RU: Максимальный размер файла для загрузки в мегабайтах sv_SE: Maximal filstorlek för uppladdning i megabyte tr_TR: Yükleme için izin verilen maksimum dosya boyutu (megabayt cinsinden) zh_CN: 最大允许上传文件大小(MB) volumes: - container: /data/files description: de_DE: Speicherort für Dokumentdateien el_GR: Αποθήκευση αρχείων εγγράφων en_GB: Document files storage en_US: Document files storage fr_FR: Stockage des fichiers de documents hr_HR: Pohrana datoteka dokumenata it_IT: Archiviazione dei file dei documenti ja_JP: ドキュメントファイルのストレージ ko_KR: 문서 파일 스토리지 nb_NO: Lagring av dokumentfiler pt_PT: Armazenamento de ficheiros de documentos ru_RU: Хранилище файлов документов sv_SE: Lagring av dokumentfiler tr_TR: Belge dosyaları depolama alanı zh_CN: 文档文件存储 weknora-docreader: image: wechatopenai/weknora-docreader:v0.2.14 container_name: weknora-docreader environment: - MAX_FILE_SIZE_MB=50 - MINIO_ENDPOINT=minio:9000 - MINIO_ACCESS_KEY_ID=minioadmin - MINIO_SECRET_ACCESS_KEY=minioadmin - MINIO_BUCKET_NAME=weknora deploy: resources: reservations: memory: 256M healthcheck: test: - CMD - grpc_health_probe - -addr=:50051 interval: 30s timeout: 10s retries: 3 start_period: 60s networks: - weknora-network restart: unless-stopped extra_hosts: - host.docker.internal:host-gateway x-casaos: envs: - container: MAX_FILE_SIZE_MB description: de_DE: Maximale Dateigröße für Uploads in MB el_GR: Μέγιστο επιτρεπόμενο μέγεθος αρχείου για μεταφόρτωση σε megabytes en_GB: Maximum file size allowed for upload in megabytes en_US: Maximum file size allowed for upload in megabytes fr_FR: Taille maximale du fichier autorisée pour le téléchargement en mégaoctets hr_HR: Maksimalna veličina datoteke dopuštena za prijenos u megabajtima it_IT: Dimensione massima del file consentita per il caricamento in megabyte ja_JP: アップロード可能な最大ファイルサイズ(MB) ko_KR: 업로드 허용 최대 파일 크기(MB) nb_NO: Maksimal filstørrelse for opplasting i megabytes pt_PT: Tamanho máximo de ficheiro permitido para carregamento em megabytes ru_RU: Максимальный размер файла для загрузки в мегабайтах sv_SE: Maximal filstorlek för uppladdning i megabyte tr_TR: Yükleme için izin verilen maksimum dosya boyutu (megabayt cinsinden) zh_CN: 最大允许上传文件大小(MB) weknora-postgres: image: paradedb/paradedb:v0.18.9-pg17 container_name: weknora-postgres environment: - POSTGRES_USER=postgres - POSTGRES_PASSWORD=postgres123!@# - POSTGRES_DB=WeKnora volumes: - type: bind source: /DATA/AppData/$AppID/data target: /var/lib/postgresql/data networks: - weknora-network healthcheck: test: - CMD-SHELL - pg_isready -U postgres interval: 10s timeout: 10s retries: 3 start_period: 30s deploy: resources: reservations: memory: 512M restart: unless-stopped stop_grace_period: 1m x-casaos: envs: - container: POSTGRES_USER description: de_DE: PostgreSQL-Superuser-Name el_GR: Όνομα υπερχρήστη PostgreSQL en_GB: PostgreSQL superuser name en_US: PostgreSQL superuser name fr_FR: Nom du superutilisateur PostgreSQL hr_HR: Ime superkorisnika PostgreSQL it_IT: Nome superutente PostgreSQL ja_JP: PostgreSQL スーパーユーザー名 ko_KR: PostgreSQL 슈퍼유저 이름 nb_NO: PostgreSQL-superbrukernavn pt_PT: Nome de superutilizador PostgreSQL ru_RU: Имя суперпользователя PostgreSQL sv_SE: PostgreSQL-superanvändarnamn tr_TR: PostgreSQL süper kullanıcı adı zh_CN: PostgreSQL 超级用户名 - container: POSTGRES_PASSWORD description: de_DE: PostgreSQL-Superuser-Passwort el_GR: Κωδικός πρόσβασης υπερχρήστη PostgreSQL en_GB: PostgreSQL superuser password en_US: PostgreSQL superuser password fr_FR: Mot de passe du superutilisateur PostgreSQL hr_HR: Lozinka superkorisnika PostgreSQL it_IT: Password superutente PostgreSQL ja_JP: PostgreSQL スーパーユーザーパスワード ko_KR: PostgreSQL 슈퍼유저 비밀번호 nb_NO: PostgreSQL-superbrukerpassord pt_PT: Palavra-passe de superutilizador PostgreSQL ru_RU: Пароль суперпользователя PostgreSQL sv_SE: PostgreSQL-superanvändarlösenord tr_TR: PostgreSQL süper kullanıcı şifresi zh_CN: PostgreSQL 超级用户密码 - container: POSTGRES_DB description: de_DE: Standard-Datenbankname el_GR: Προεπιλεγμένο όνομα βάσης δεδομένων en_GB: Default database name en_US: Default database name fr_FR: Nom de la base de données par défaut hr_HR: Zadano ime baze podataka it_IT: Nome del database predefinito ja_JP: デフォルトのデータベース名 ko_KR: 기본 데이터베이스 이름 nb_NO: Standard databasenavn pt_PT: Nome da base de dados predefinido ru_RU: Имя базы данных по умолчанию sv_SE: Standarddatabasnamn tr_TR: Varsayılan veritabanı adı zh_CN: 默认数据库名称 volumes: - container: /var/lib/postgresql/data description: de_DE: PostgreSQL-Datenverzeichnis el_GR: Κατάλογος δεδομένων PostgreSQL en_GB: PostgreSQL data directory en_US: PostgreSQL data directory fr_FR: Répertoire de données PostgreSQL hr_HR: Područje podataka PostgreSQL it_IT: Directory dei dati PostgreSQL ja_JP: PostgreSQL データディレクトリ ko_KR: PostgreSQL 데이터 디렉터리 nb_NO: PostgreSQL-datamappe pt_PT: Diretório de dados PostgreSQL ru_RU: Каталог данных PostgreSQL sv_SE: PostgreSQL-datakatalog tr_TR: PostgreSQL veri dizini zh_CN: PostgreSQL 数据目录 weknora-redis: image: redis:7.0-alpine container_name: weknora-redis command: - redis-server - --requirepass redis123!@# - --appendonly - yes deploy: resources: reservations: memory: 128M restart: unless-stopped networks: - weknora-network minio: image: minio/minio:RELEASE.2025-09-07T16-13-09Z container_name: weknora-minio ports: - target: 9000 published: "19000" protocol: tcp - target: 9001 published: "19001" protocol: tcp environment: - MINIO_ROOT_USER=minioadmin - MINIO_ROOT_PASSWORD=minioadmin deploy: resources: reservations: memory: 512M command: - server - /data - --console-address - :9001 volumes: - type: bind source: /DATA/AppData/$AppID/minio-data target: /data healthcheck: test: - CMD - curl - -f - http://localhost:9000/minio/health/live interval: 30s timeout: 20s retries: 3 networks: - weknora-network restart: unless-stopped x-casaos: envs: - container: MINIO_ROOT_USER description: de_DE: MinIO-Root-Benutzer el_GR: Χρήστης Root MinIO en_GB: MinIO root user en_US: MinIO root user fr_FR: Utilisateur root MinIO hr_HR: MinIO root korisnik it_IT: Utente root MinIO ja_JP: MinIO ルートユーザー ko_KR: MinIO 루트 사용자 nb_NO: MinIO-rootbruker pt_PT: Utilizador root MinIO ru_RU: Root-пользователь MinIO sv_SE: MinIO-rootanvändare tr_TR: MinIO kök kullanıcı zh_CN: MinIO 管理员用户名 - container: MINIO_ROOT_PASSWORD description: de_DE: MinIO-Root-Passwort el_GR: Κωδικός πρόσβασης Root MinIO en_GB: MinIO root password en_US: MinIO root password fr_FR: Mot de passe root MinIO hr_HR: MinIO root lozinka it_IT: Password root MinIO ja_JP: MinIO ルートパスワード ko_KR: MinIO 루트 비밀번호 nb_NO: MinIO-rootpassord pt_PT: Palavra-passe root MinIO ru_RU: Пароль root-пользователя MinIO sv_SE: MinIO-rootlösenord tr_TR: MinIO kök şifresi zh_CN: MinIO 管理员密码 ports: - container: "9000" description: de_DE: MinIO S3 API-Port el_GR: Θύρα MinIO S3 API en_GB: MinIO S3 API port en_US: MinIO S3 API port fr_FR: Port de l'API S3 MinIO hr_HR: MinIO S3 API vrata it_IT: Porta API S3 MinIO ja_JP: MinIO S3 API ポート ko_KR: MinIO S3 API 포트 nb_NO: MinIO S3 API-port pt_PT: Porta da API S3 MinIO ru_RU: Порт S3 API MinIO sv_SE: Port för MinIO S3 API tr_TR: MinIO S3 API bağlantı noktası zh_CN: MinIO S3 API 端口 - container: "9001" description: de_DE: MinIO-Web-Konsolen-Port el_GR: Θύρα κονσόλας web MinIO en_GB: MinIO web console port en_US: MinIO web console port fr_FR: Port de la console Web MinIO hr_HR: MinIO web konzolna vrata it_IT: Porta console web MinIO ja_JP: MinIO Web コンソールポート ko_KR: MinIO 웹 콘솔 포트 nb_NO: MinIO webkonsollport pt_PT: Porta da consola web MinIO ru_RU: Порт веб-консоли MinIO sv_SE: Port för MinIO webbkonsol tr_TR: MinIO web konsolu bağlantı noktası zh_CN: MinIO Web 控制台端口 volumes: - container: /data description: de_DE: MinIO-Objektspeicherdaten el_GR: Δεδομένα αποθήκευσης αντικειμένων MinIO en_GB: MinIO object storage data en_US: MinIO object storage data fr_FR: Données de stockage d'objets MinIO hr_HR: Podaci o pohrani objekata MinIO it_IT: Dati archiviazione oggetti MinIO ja_JP: MinIO オブジェクトストレージデータ ko_KR: MinIO 객체 스토리지 데이터 nb_NO: MinIO objektlagringsdata pt_PT: Dados de armazenamento de objetos MinIO ru_RU: Данные объектного хранилища MinIO sv_SE: MinIO objektlagringsdata tr_TR: MinIO nesne depolama verileri zh_CN: MinIO 对象存储数据 jaeger: image: jaegertracing/all-in-one:1.76.0 container_name: weknora-jaeger ports: - target: 6831 published: "46831" protocol: udp - target: 6832 published: "46832" protocol: udp - target: 5778 published: "45778" protocol: tcp - target: 16686 published: "16686" protocol: tcp - target: 4317 published: "44317" protocol: tcp - target: 4318 published: "44318" protocol: tcp - target: 14250 published: "14250" protocol: tcp - target: 14268 published: "14268" protocol: tcp - target: 9411 published: "49411" protocol: tcp environment: - COLLECTOR_OTLP_ENABLED=true - COLLECTOR_ZIPKIN_HOST_PORT=:9411 deploy: resources: reservations: memory: 512M volumes: - type: bind source: /DATA/AppData/$AppID/jaeger target: /var/lib/jaeger networks: - weknora-network restart: unless-stopped x-casaos: envs: - container: COLLECTOR_OTLP_ENABLED description: de_DE: OTLP-Collector aktivieren el_GR: Ενεργοποίηση συλλέκτη OTLP en_GB: Enable OTLP collector en_US: Enable OTLP collector fr_FR: Activer le collecteur OTLP hr_HR: Omogući OTLP sakupljač it_IT: Abilita il collettore OTLP ja_JP: OTLP コレクターを有効にする ko_KR: OTLP 수집기 활성화 nb_NO: Aktiver OTLP-samler pt_PT: Ativar o coletor OTLP ru_RU: Включить коллектор OTLP sv_SE: Aktivera OTLP-samlare tr_TR: OTLP toplayıcıyı etkinleştir zh_CN: 启用 OTLP 收集器 - container: COLLECTOR_ZIPKIN_HOST_PORT description: de_DE: Zipkin-Collector-Host und -Port el_GR: Κεντρικός υπολογιστής και θύρα συλλέκτη Zipkin en_GB: Zipkin collector host and port en_US: Zipkin collector host and port fr_FR: Hôte et port du collecteur Zipkin hr_HR: Zipkin sakupljač host i port it_IT: Host e porta del collector Zipkin ja_JP: Zipkin コレクターのホストとポート ko_KR: Zipkin 수집기 호스트 및 포트 nb_NO: Zipkin-samler vert og port pt_PT: Anfitrião e porta do coletor Zipkin ru_RU: Хост и порт коллектора Zipkin sv_SE: Zipkin-samlarens värd och port tr_TR: Zipkin toplayıcı ana bilgisayar ve bağlantı noktası zh_CN: Zipkin 收集器主机和端口 ports: - container: "6831" description: de_DE: Jaeger-Agent-UDP-compact-Thrift-Protokoll el_GR: Πρωτόκολο UDP compact thrift του πράκτορα Jaeger en_GB: Jaeger agent UDP compact thrift protocol en_US: Jaeger agent UDP compact thrift protocol fr_FR: Protocole compact thrift UDP de l'agent Jaeger hr_HR: Jaeger agent UDP compact thrift protokol it_IT: Protocollo compact thrift UDP dell'agente Jaeger ja_JP: Jaeger エージェント UDP compact thrift プロトコル ko_KR: Jaeger 에이전트 UDP compact thrift 프로토콜 nb_NO: Jaeger-agent UDP compact thrift-protokoll pt_PT: Protocolo UDP compact thrift do agente Jaeger ru_RU: Протокол UDP compact thrift агента Jaeger sv_SE: Jaeger-agent UDP compact thrift-protokoll tr_TR: Jaeger ajanı UDP compact thrift protokolü zh_CN: Jaeger Agent UDP compact thrift 协议 - container: "6832" description: de_DE: Jaeger-Agent-UDP-binary-Thrift-Protokoll el_GR: Πρωτόκολο UDP binary thrift του πράκτορα Jaeger en_GB: Jaeger agent UDP binary thrift protocol en_US: Jaeger agent UDP binary thrift protocol fr_FR: Protocole binary thrift UDP de l'agent Jaeger hr_HR: Jaeger agent UDP binary thrift protokol it_IT: Protocollo binary thrift UDP dell'agente Jaeger ja_JP: Jaeger エージェント UDP binary thrift プロトコル ko_KR: Jaeger 에이전트 UDP binary thrift 프로토콜 nb_NO: Jaeger-agent UDP binary thrift-protokoll pt_PT: Protocolo UDP binary thrift do agente Jaeger ru_RU: Протокол UDP binary thrift агента Jaeger sv_SE: Jaeger-agent UDP binary thrift-protokoll tr_TR: Jaeger ajanı UDP binary thrift protokolü zh_CN: Jaeger Agent UDP binary thrift 协议 - container: "5778" description: de_DE: Jaeger-Agent-Konfigurationsserver el_GR: Διακομιστής ρύθμισης παραμέτρων πράκτορα Jaeger en_GB: Jaeger agent configuration server en_US: Jaeger agent configuration server fr_FR: Serveur de configuration de l'agent Jaeger hr_HR: Konfiguracijski poslužitelj Jaeger agenta it_IT: Server di configurazione dell'agente Jaeger ja_JP: Jaeger エージェント設定サーバー ko_KR: Jaeger 에이전트 구성 서버 nb_NO: Konfigurasjonsserver for Jaeger-agent pt_PT: Servidor de configuração do agente Jaeger ru_RU: Сервер конфигурации агента Jaeger sv_SE: Konfigurationsserver för Jaeger-agent tr_TR: Jaeger ajanı yapılandırma sunucusu zh_CN: Jaeger Agent 配置服务器 - container: "16686" description: de_DE: Jaeger-Web-UI-Port el_GR: Θύρα web UI Jaeger en_GB: Jaeger web UI port en_US: Jaeger web UI port fr_FR: Port de l'interface Web Jaeger hr_HR: Jaeger web UI vrata it_IT: Porta Web UI Jaeger ja_JP: Jaeger Web UI ポート ko_KR: Jaeger 웹 UI 포트 nb_NO: Jaeger web UI-port pt_PT: Porta da interface Web Jaeger ru_RU: Порт веб-интерфейса Jaeger sv_SE: Port för Jaeger webbgränssnitt tr_TR: Jaeger web arayüzü bağlantı noktası zh_CN: Jaeger Web UI 端口 - container: "4317" description: de_DE: Jaeger-OTLP-gRPC-Empfänger el_GR: Παραλήπτης Jaeger OTLP gRPC en_GB: Jaeger OTLP gRPC receiver en_US: Jaeger OTLP gRPC receiver fr_FR: Récepteur gRPC OTLP Jaeger hr_HR: Jaeger OTLP gRPC prijamnik it_IT: Ricevitore gRPC OTLP Jaeger ja_JP: Jaeger OTLP gRPC レシーバー ko_KR: Jaeger OTLP gRPC 수신기 nb_NO: Jaeger OTLP gRPC-mottaker pt_PT: Recetor gRPC OTLP Jaeger ru_RU: Приемник gRPC OTLP Jaeger sv_SE: Jaeger OTLP gRPC-mottagare tr_TR: Jaeger OTLP gRPC alıcısı zh_CN: Jaeger OTLP gRPC 接收器 - container: "4318" description: de_DE: Jaeger-OTLP-HTTP-Empfänger el_GR: Παραλήπτης Jaeger OTLP HTTP en_GB: Jaeger OTLP HTTP receiver en_US: Jaeger OTLP HTTP receiver fr_FR: Récepteur HTTP OTLP Jaeger hr_HR: Jaeger OTLP HTTP prijamnik it_IT: Ricevitore HTTP OTLP Jaeger ja_JP: Jaeger OTLP HTTP レシーバー ko_KR: Jaeger OTLP HTTP 수신기 nb_NO: Jaeger OTLP HTTP-mottaker pt_PT: Recetor HTTP OTLP Jaeger ru_RU: Приемник HTTP OTLP Jaeger sv_SE: Jaeger OTLP HTTP-mottagare tr_TR: Jaeger OTLP HTTP alıcısı zh_CN: Jaeger OTLP HTTP 接收器 - container: "14250" description: de_DE: Jaeger-gRPC-Empfänger el_GR: Παραλήπτης Jaeger gRPC en_GB: Jaeger gRPC receiver en_US: Jaeger gRPC receiver fr_FR: Récepteur gRPC Jaeger hr_HR: Jaeger gRPC prijamnik it_IT: Ricevitore gRPC Jaeger ja_JP: Jaeger gRPC レシーバー ko_KR: Jaeger gRPC 수신기 nb_NO: Jaeger gRPC-mottaker pt_PT: Recetor gRPC Jaeger ru_RU: Приемник gRPC Jaeger sv_SE: Jaeger gRPC-mottagare tr_TR: Jaeger gRPC alıcısı zh_CN: Jaeger gRPC 接收器 - container: "14268" description: de_DE: Jaeger-HTTP-Collector el_GR: Συλλέκτης HTTP Jaeger en_GB: Jaeger HTTP collector en_US: Jaeger HTTP collector fr_FR: Collecteur HTTP Jaeger hr_HR: Jaeger HTTP sakupljač it_IT: Collector HTTP Jaeger ja_JP: Jaeger HTTP コレクター ko_KR: Jaeger HTTP 수집기 nb_NO: Jaeger HTTP-samler pt_PT: Coletor HTTP Jaeger ru_RU: Коллектор HTTP Jaeger sv_SE: Jaeger HTTP-samlare tr_TR: Jaeger HTTP toplayıcı zh_CN: Jaeger HTTP 收集器 - container: "9411" description: de_DE: Zipkin-kompatibler HTTP-Endpunkt el_GR: Τερματικό σημείο HTTP συμβατό με Zipkin en_GB: Zipkin compatible HTTP endpoint en_US: Zipkin compatible HTTP endpoint fr_FR: Point de terminaison HTTP compatible Zipkin hr_HR: Zipkin kompatibilan HTTP krajnja točka it_IT: Endpoint HTTP compatibile con Zipkin ja_JP: Zipkin 互換 HTTP エンドポイント ko_KR: Zipkin 호환 HTTP 엔드포인트 nb_NO: Zipkin-kompatibel HTTP-endepunkt pt_PT: Ponto final HTTP compatível com Zipkin ru_RU: HTTP-совместимая конечная точка Zipkin sv_SE: Zipkin-kompatibel HTTP-slutpunkt tr_TR: Zipkin uyumlu HTTP uç noktası zh_CN: Zipkin 兼容的 HTTP 端点 volumes: - container: /var/lib/jaeger description: de_DE: Jaeger-Trace-Datenspeicher el_GR: Αποθήκευση δεδομένων παρακολούθησης Jaeger en_GB: Jaeger tracing data storage en_US: Jaeger tracing data storage fr_FR: Stockage des données de traçage Jaeger hr_HR: Pohrana podataka praćenja Jaeger it_IT: Archiviazione dati di tracing Jaeger ja_JP: Jaeger トレースデータストレージ ko_KR: Jaeger 추적 데이터 스토리지 nb_NO: Jaeger sporing datalagring pt_PT: Armazenamento de dados de rastreamento Jaeger ru_RU: Хранилище данных трассировки Jaeger sv_SE: Jaeger spårningsdatalagring tr_TR: Jaeger izleme verisi depolama alanı zh_CN: Jaeger 追踪数据存储 neo4j: image: neo4j:2025.10.1 container_name: weknora-neo4j profiles: - "neo4j" - "full" volumes: - type: bind source: /DATA/AppData/$AppID/neo4j-data target: /data environment: - NEO4J_AUTH=neo4j/password - NEO4J_apoc_export_file_enabled=true - NEO4J_apoc_import_file_enabled=true - NEO4J_apoc_import_file_use__neo4j__config=true - NEO4JLABS_PLUGINS=["apoc"] ports: - target: 7474 published: "47474" protocol: tcp - target: 7687 published: "47687" protocol: tcp restart: unless-stopped deploy: resources: reservations: memory: 256M networks: - weknora-network x-casaos: envs: - container: NEO4J_AUTH description: de_DE: Neo4j-Authentifizierungsanmeldedaten el_GR: Διαπιστευτήρια ελέγου ταυτότητας Neo4j en_GB: Neo4j authentication credentials en_US: Neo4j authentication credentials fr_FR: Identifiants d'authentification Neo4j hr_HR: Neo4j autentifikacijski vjerodajnice it_IT: Credenziali di autenticazione Neo4j ja_JP: Neo4j 認証情報 ko_KR: Neo4j 인증 자격 증명 nb_NO: Neo4j-autentiseringslegitimasjon pt_PT: Credenciais de autenticação Neo4j ru_RU: Учетные данные аутентификации Neo4j sv_SE: Neo4j-autentiseringsuppgifter tr_TR: Neo4j kimlik doğrulama kimlik bilgileri zh_CN: Neo4j 认证凭据 - container: NEO4J_apoc_export_file_enabled description: de_DE: APOC-Exportdateiprozeduren aktivieren el_GR: Ενεργοποίηση διαδικασιών εξαγωγής αρχείων APOC en_GB: Enable APOC export file procedures en_US: Enable APOC export file procedures fr_FR: Activer les procédures d'exportation de fichiers APOC hr_HR: Omogući APOC izvozne datotečne procedure it_IT: Abilita le procedure di esportazione file APOC ja_JP: APOC ファイルエクスポート手順を有効にする ko_KR: APOC 파일 내보내기 절차 활성화 nb_NO: Aktiver APOC eksportfilprosedyrer pt_PT: Ativar procedimentos de exportação de ficheiros APOC ru_RU: Включить процедуры экспорта файлов APOC sv_SE: Aktivera APOC-fillexportprocedurer tr_TR: APOC dosya aktarım yordamlarını etkinleştir zh_CN: 启用 APOC 导出文件过程 - container: NEO4J_apoc_import_file_enabled description: de_DE: APOC-Importdateiprozeduren aktivieren el_GR: Ενεργοποίηση διαδικασιών εισαγωγής αρχείων APOC en_GB: Enable APOC import file procedures en_US: Enable APOC import file procedures fr_FR: Activer les procédures d'importation de fichiers APOC hr_HR: Omogući APOC uvozne datotečne procedure it_IT: Abilita le procedure di importazione file APOC ja_JP: APOC ファイルインポート手順を有効にする ko_KR: APOC 파일 가져오기 절차 활성화 nb_NO: Aktiver APOC importfilprosedyrer pt_PT: Ativar procedimentos de importação de ficheiros APOC ru_RU: Включить процедуры импорта файлов APOC sv_SE: Aktivera APOC-filimportprocedurer tr_TR: APOC dosya içe aktarım yordamlarını etkinleştir zh_CN: 启用 APOC 导入文件过程 - container: NEO4J_apoc_import_file_use__neo4j__config description: de_DE: Neo4j-Konfiguration für APOC-Import verwenden el_GR: Χρήση διαμόρφωσης neo4j για εισαγωγή APOC en_GB: Use neo4j config for APOC import en_US: Use neo4j config for APOC import fr_FR: Utiliser la configuration neo4j pour l'importation APOC hr_HR: Koristite neo4j konfiguraciju za APOC uvoz it_IT: Usa la configurazione neo4j per l'importazione APOC ja_JP: APOC インポートに neo4j 設定を使用する ko_KR: APOC 가져오기에 neo4j 구성 사용 nb_NO: Bruk neo4j-konfigurasjon for APOC-import pt_PT: Usar configuração neo4j para importação APOC ru_RU: Использовать конфигурацию neo4j для импорта APOC sv_SE: Använd neo4j-konfiguration för APOC-import tr_TR: APOC içe aktarımı için neo4j yapılandırmasını kullan zh_CN: 使用 neo4j 配置进行 APOC 导入 - container: NEO4JLABS_PLUGINS description: de_DE: Zu installierende Neo4j Labs-Plugins el_GR: Πρόσθετα Neo4j Labs προς εγκατάσταση en_GB: Neo4j labs plugins to install en_US: Neo4j labs plugins to install fr_FR: Plugins Neo4j Labs à installer hr_HR: Neo4j labs dodaci za instalaciju it_IT: Plugin Neo4j Labs da installare ja_JP: インストールする Neo4j Labs プラグイン ko_KR: 설치할 Neo4j Labs 플러그인 nb_NO: Neo4j labs-plugins å installere pt_PT: Plugins Neo4j Labs para instalar ru_RU: Плагины Neo4j Labs для установки sv_SE: Neo4j labs-plugins att installera tr_TR: Yüklenecek Neo4j labs eklentileri zh_CN: 要安装的 Neo4j Labs 插件 ports: - container: "7474" description: de_DE: Neo4j-Web-Schnittstellen-Port el_GR: Θύρα διαδικτυακής διεπαφής Neo4j en_GB: Neo4j web interface port en_US: Neo4j web interface port fr_FR: Port de l'interface Web Neo4j hr_HR: Neo4j web sučelje vrata it_IT: Porta interfaccia Web Neo4j ja_JP: Neo4j Web インターフェースポート ko_KR: Neo4j 웹 인터페이스 포트 nb_NO: Neo4j webgrensesnittsport pt_PT: Porta da interface Web Neo4j ru_RU: Порт веб-интерфейса Neo4j sv_SE: Port för Neo4j webbgränssnitt tr_TR: Neo4j web arayüzü bağlantı noktası zh_CN: Neo4j Web 界面端口 - container: "7687" description: de_DE: Neo4j-Bolt-Protokoll-Port el_GR: Θύρα πρωτοκόλλου Bolt Neo4j en_GB: Neo4j bolt protocol port en_US: Neo4j bolt protocol port fr_FR: Port du protocole Bolt Neo4j hr_HR: Neo4j bolt protokol vrata it_IT: Porta protocollo Bolt Neo4j ja_JP: Neo4j Bolt プロトコルポート ko_KR: Neo4j Bolt 프로토콜 포트 nb_NO: Neo4j bolt-protokollport pt_PT: Porta do protocolo Bolt Neo4j ru_RU: Порт протокола Bolt Neo4j sv_SE: Port för Neo4j bolt-protokoll tr_TR: Neo4j bolt protokol bağlantı noktası zh_CN: Neo4j Bolt 协议端口 volumes: - container: /data description: de_DE: Neo4j-Graphdatenbankspeicher el_GR: Αποθήκευση βάσης δεδομένων γράφου Neo4j en_GB: Neo4j graph database storage en_US: Neo4j graph database storage fr_FR: Stockage de base de données de graphes Neo4j hr_HR: Pohrana grafove baze podataka Neo4j it_IT: Archiviazione database grafo Neo4j ja_JP: Neo4j グラフデータベースストレージ ko_KR: Neo4j 그래프 데이터베이스 스토리지 nb_NO: Neo4j grafdatabaselagring pt_PT: Armazenamento de base de dados de grafos Neo4j ru_RU: Хранилище графовой базы данных Neo4j sv_SE: Neo4j grafdatabaslagring tr_TR: Neo4j graf veritabanı depolama alanı zh_CN: Neo4j 图数据库存储 qdrant: image: qdrant/qdrant:v1.16.2 container_name: weknora-qdrant profiles: - "qdrant" - "full" ports: - target: 6333 published: "46333" protocol: tcp - target: 6334 published: "46334" protocol: tcp volumes: - type: bind source: /DATA/AppData/$AppID/storage target: /qdrant/storage networks: - weknora-network restart: unless-stopped deploy: resources: reservations: memory: 256M x-casaos: ports: - container: "6333" description: de_DE: Qdrant REST API-Port el_GR: Θύρα REST API Qdrant en_GB: Qdrant REST API port en_US: Qdrant REST API port fr_FR: Port de l'API REST Qdrant hr_HR: Qdrant REST API vrata it_IT: Porta API REST Qdrant ja_JP: Qdrant REST API ポート ko_KR: Qdrant REST API 포트 nb_NO: Qdrant REST API-port pt_PT: Porta da API REST Qdrant ru_RU: Порт REST API Qdrant sv_SE: Port för Qdrant REST API tr_TR: Qdrant REST API bağlantı noktası zh_CN: Qdrant REST API 端口 - container: "6334" description: de_DE: Qdrant-gRPC-API-Port el_GR: Θύρα gRPC API Qdrant en_GB: Qdrant gRPC API port en_US: Qdrant gRPC API port fr_FR: Port de l'API gRPC Qdrant hr_HR: Qdrant gRPC API vrata it_IT: Porta API gRPC Qdrant ja_JP: Qdrant gRPC API ポート ko_KR: Qdrant gRPC API 포트 nb_NO: Qdrant gRPC API-port pt_PT: Porta da API gRPC Qdrant ru_RU: Порт API gRPC Qdrant sv_SE: Port för Qdrant gRPC API tr_TR: Qdrant gRPC API bağlantı noktası zh_CN: Qdrant gRPC API 端口 volumes: - container: /qdrant/storage description: de_DE: Qdrant-Vektordatenbankspeicher el_GR: Αποθήκευση βάσης δεδομένων διανυσμάτων Qdrant en_GB: Qdrant vector database storage en_US: Qdrant vector database storage fr_FR: Stockage de base de données vectorielle Qdrant hr_HR: Pohrana baze podataka vektora Qdrant it_IT: Archiviazione database vettoriale Qdrant ja_JP: Qdrant ベクターデータベースストレージ ko_KR: Qdrant 벡터 데이터베이스 스토리지 nb_NO: Qdrant vektordatabaselagring pt_PT: Armazenamento de base de dados vetorial Qdrant ru_RU: Хранилище векторной базы данных Qdrant sv_SE: Qdrant vektordatabaslagring tr_TR: Qdrant vektör veritabanı depolama alanı zh_CN: Qdrant 向量数据库存储 networks: weknora-network: driver: bridge x-casaos: id: org.icewhale.weknora title: de_DE: WeKnora el_GR: WeKnora en_GB: WeKnora en_US: WeKnora fr_FR: WeKnora hr_HR: WeKnora it_IT: WeKnora ja_JP: WeKnora ko_KR: WeKnora nb_NO: WeKnora pt_PT: WeKnora ru_RU: WeKnora sv_SE: WeKnora tr_TR: WeKnora zh_CN: WeKnora tagline: de_DE: WeKnora ist ein LLM-gestütztes Framework für tiefes Dokumentenverständnis und semantischen Abruf, speziell entwickelt für komplexe, heterogene Dokumente. el_GR: Το WeKnora είναι ένα πλαίσιο που βασίζεται σε LLM, σχεδιασμένο για βαθιά κατανόηση εγγράφων και σημασιολογική ανάκτηση, ειδικά για την επεξεργασία σύνθετων και ετερογενών εγγράφων. en_GB: WeKnora is an LLM-powered framework designed for deep document understanding and semantic retrieval, especially for handling complex, heterogeneous documents. en_US: WeKnora is an LLM-powered framework designed for deep document understanding and semantic retrieval, especially for handling complex, heterogeneous documents. fr_FR: WeKnora est un framework basé sur les LLM conçu pour une compréhension approfondie des documents et la récupération sémantique, particulièrement adapté aux documents complexes et hétérogènes. hr_HR: WeKnora je okvir na bazi LLM-a dizajniran za dubinsko razumijevanje dokumenata i semantičko pretraživanje, posebno za rukovanje složenim i heterogenim dokumentima. it_IT: WeKnora è un framework basato su LLM progettato per la comprensione approfondita dei documenti e il reperimento semantico, specificamente per la gestione di documenti complessi ed eterogenei. ja_JP: WeKnoraは、大規模言語モデル(LLM)を活用したフレームワークで、深層的なドキュメント理解とセマンティック検索を目的として設計されており、特に複雑で異種のドキュメントを扱うのに適しています。 ko_KR: WeKnora는 심층 문서 이해 및 의미 체계 검색을 위해 설계된 LLM 기반 프레임워크로, 특히 복잡하고 이기종 문서를 처리하는 데 적합합니다. nb_NO: WeKnora er et LLM-drevet rammeverk designet for dyp dokumentforståelse og semantisk gjenfinning, spesielt for håndtering av komplekse, heterogene dokumenter. pt_PT: O WeKnora é uma framework baseada em LLM projetado para compreensão profunda de documentos e recuperação semântica, especialmente para lidar com documentos complexos e heterogéneos. ru_RU: WeKnora — это платформа на базе LLM, предназначенная для глубокого понимания документов и семантического поиска, особенно для работы со сложными и разнородными документами. sv_SE: WeKnora är ett LLM-baserat ramverk designat för djup dokumentförståelse och semantisk hämtning, särskilt för hantering av komplexa och heterogena dokument. tr_TR: WeKnora, Büyük Dil Modelleri (LLM) tabanlı, özellikle karmaşık ve heterojen belgelerin işlenmesine yönelik, derin belge anlama ve anlamsal geri çağırma çerçevesidir. zh_CN: WeKnora 是一个由大语言模型驱动的框架,专为深度文档理解和语义检索而设计,特别适用于处理复杂、异构的文档。 description: de_DE: | WeKnora ist ein Framework für tiefes Dokumentenverständnis und semantischen Abruf, das auf Großen Sprachmodellen (LLM) basiert und speziell für Dokumentszenarien mit komplexen Strukturen und heterogenen Inhalten entwickelt wurde. Es verfolgt eine modulare Architektur, die Schlüsseltechnologien wie multimodale Vorverarbeitung, semantische Vektorindizierung, intelligente Abrufung und Inferenz großer Modelle integriert. Basierend auf dem Retrieval-Augmented Generation (RAG)-Paradigma erreicht es kontextbewusste, hochwertige Q&A-Fähigkeiten. WeKnora kann Dokumenteninhalte in verschiedenen Formaten tief verstehen, relevante Dokumentenfragmente mit Sprachmodellinferenz kombinieren und genaue, kohärente semantische Ergebnisse ausgeben. **Hauptmerkmale:** - Multimodales Deep Parsing: Unterstützt die Extraktion strukturierter Inhalte aus verschiedenen Formaten wie PDF, Word, TXT, Bildern, einschließlich OCR-Bildtexterkennung. - Semantische Vektorindizierung und Intelligente Abrufung: Erreicht hochpräzise semantische Übereinstimmung und Wiedererkennung durch eine Kombination aus Vektorabrufung, Schlüsselwortabrufung und sogar wissensgraph-erweiterter Abrufung. - RAG Closed-Loop Q&A-Generierung: Generiert genaue und kohärente Inhaltsantworten durch Nutzung von Inferenz großer Sprachmodelle und der Fusion von Abruffragmenten. - Agentenmodus-erweiterte Funktionen: Unterstützt den ReACT Agent-Modus, der während mehrstufiger Iterationen integrierte Tools, externe Websuche usw. aufrufen kann, um die Verarbeitung komplexer Aufgaben zu verbessern. - Verwaltung von Wissensbasen verschiedener Typen: Kann FAQ- und dokumentenbasierte Wissensbasen erstellen und Tags, den Stapelimport von Dateien oder URLs flexibel verwalten. - Konfigurierbare Dialogstrategie und Benutzeroberfläche: Bietet eine intuitive Weboberfläche und REST API, die die Online-Anpassung von Modellen, Abrufschwellen und Prompt zur Steuerung des Dialogverhaltens ermöglicht. **Erfahren Sie mehr:** - [Offizielle Website](https://weknora.weixin.qq.com) - [GitHub-Link](https://github.com/Tencent/WeKnora) el_GR: | Το WeKnora είναι ένα πλαίσιο βαθιάς κατανόησης εγγράφων και σημασιολογικής ανάκτησης βασισμένο σε Μεγάλα Γλωσσικά Μοντέλα (LLM), ειδικά σχεδιασμένο για σενάρια εγγράφων με σύνθετες δομές και ετερογενές περιεχόμενο. Υιοθετεί μια αρθρωτή αρχιτεκτονική, ενσωματώνοντας βασικές τεχνολογίες όπως η πολυτροπική προεπεξεργασία, η σημασιολογική ευρετηρίαση διανυσμάτων, η έξυπνη ανάκτηση και η εξαγωγή συμπερασμάτων μεγάλου μοντέλου. Βασισμένο στο παράδειγμα Retrieval-Augmented Generation (RAG), επιτυγχάνει δυνατότητες Q&A υψηλής ποιότητας με επίγνωση του πλαισίου. Το WeKnora μπορεί να κατανοήσει σε βάθος το περιεχόμενο εγγράφων σε διαφορετικές μορφές, να συνδυάσει σχετικά αποσπάσματα εγγράφων με εξαγωγή συμπερασμάτων γλωσσικού μοντέλου και να εξάγει ακριβή, συνεκτικά σημασιολογικά αποτελέσματα. **Βασικά Χαρακτηριστικά:** - Πολυτροπική Βαθιά Ανάλυση: Υποστηρίζει την εξαγωγή δομημένου περιεχομένου από διάφορες μορφές όπως PDF, Word, TXT, εικόνες, συμπεριλαμβανομένης της αναγνώρισης κειμένου εικόνας OCR. - Σημασιολογική Ευρετηρίαση Διανυσμάτων και Έξυπνη Ανάκτηση: Επιτυγχάνει αντιστοίχιση και ανάκληση σημασιολογίας υψηλής ακρίβειας μέσω συνδυασμού ανάκτησης διανυσμάτων, ανάκτησης λέξεων-κλειδιών, ακόμη και ανάκτησης ενισχυμένης με γράφημα γνώσης. - Δημιουργία Q&A Κλειστού Βρόχου RAG: Δημιουργεί ακριβείς και συνεκτικές απαντήσεις περιεχομένου αξιοποιώντας την εξαγωγή συμπερασμάτων μεγάλου γλωσσικού μοντέλου και τη σύντηξη αποσπασμάτων ανάκτησης. - Βελτιωμένες Δυνατότητες Λειτουργίας Agent: Υποστηρίζει τη λειτουργία ReACT Agent, η οποία μπορεί να καλέσει ενσωματωμένα εργαλεία, εξωτερική αναζήτηση ιστού κ.λπ., κατά τη διάρκεια επαναλήψεων πολλαπλών γύρων, για τη βελτίωση των δυνατοτήτων επεξεργασίας σύνθετων εργασιών. - Διαχείριση Βάσεων Γνώσης Πολλαπλών Τύπων: Μπορεί να δημιουργήσει βάσεις γνώσης τύπου FAQ και εγγράφων, και να διαχειρίζεται ευέλικτα ετικέτες, μαζική εισαγωγή αρχείων ή URL. - Διαμορφώσιμη Στρατηγική Διαλόγου και UI: Παρέχει μια διαισθητική διεπαφή Web και REST API, επιτρέποντας την online προσαρμογή μοντέλων, ορίων ανάκτησης και Prompt για τον έλεγχο της συμπεριφοράς του διαλόγου. **Μάθετε Περισσότερα:** - [Επίσημη Ιστοσελίδα](https://weknora.weixin.qq.com) - [Σύνδεσμος GitHub](https://github.com/Tencent/WeKnora) en_GB: | WeKnora is a deep document understanding and semantic retrieval framework based on Large Language Models (LLM), specifically designed for document scenarios with complex structures and heterogeneous content. It adopts a modular architecture, integrating key technologies such as multimodal preprocessing, semantic vector indexing, intelligent retrieval, and large model inference. Based on the Retrieval-Augmented Generation (RAG) paradigm, it achieves context-aware, high-quality Q&A capabilities. WeKnora can deeply understand document content in different formats, combine relevant document fragments with language model inference, and output accurate, coherent semantic results. **Key Features:** - Multimodal Deep Parsing: Supports structured content extraction from various formats such as PDF, Word, TXT, images, including OCR image text recognition. - Semantic Vector Indexing and Intelligent Retrieval: Achieves high-precision semantic matching and recall through a combination of vector retrieval, keyword retrieval, and even knowledge graph-enhanced retrieval. - RAG Closed-Loop Q&A Generation: Generates accurate and coherent content answers by leveraging large language model inference and retrieval fragment fusion. - Agent Mode Enhanced Capabilities: Supports ReACT Agent mode, which can call built-in tools, external web search, etc., during multi-round iterations, to improve complex task processing capabilities. - Multi-type Knowledge Base Management: Can create FAQ and document-type knowledge bases, and flexibly manage tags, batch import files or URLs. - Configurable Dialogue Strategy and UI: Provides an intuitive Web interface and REST API, allowing online adjustment of models, retrieval thresholds, and Prompt to control dialogue behavior. **Learn More:** - [Official Website](https://weknora.weixin.qq.com) - [GitHub Link](https://github.com/Tencent/WeKnora) en_US: | WeKnora is a deep document understanding and semantic retrieval framework based on Large Language Models (LLM), specifically designed for document scenarios with complex structures and heterogeneous content. It adopts a modular architecture, integrating key technologies such as multimodal preprocessing, semantic vector indexing, intelligent retrieval, and large model inference. Based on the Retrieval-Augmented Generation (RAG) paradigm, it achieves context-aware, high-quality Q&A capabilities. WeKnora can deeply understand document content in different formats, combine relevant document fragments with language model inference, and output accurate, coherent semantic results. **Key Features:** - Multimodal Deep Parsing: Supports structured content extraction from various formats such as PDF, Word, TXT, images, including OCR image text recognition. - Semantic Vector Indexing and Intelligent Retrieval: Achieves high-precision semantic matching and recall through a combination of vector retrieval, keyword retrieval, and even knowledge graph-enhanced retrieval. - RAG Closed-Loop Q&A Generation: Generates accurate and coherent content answers by leveraging large language model inference and retrieval fragment fusion. - Agent Mode Enhanced Capabilities: Supports ReACT Agent mode, which can call built-in tools, external web search, etc., during multi-round iterations, to improve complex task processing capabilities. - Multi-type Knowledge Base Management: Can create FAQ and document-type knowledge bases, and flexibly manage tags, batch import files or URLs. - Configurable Dialogue Strategy and UI: Provides an intuitive Web interface and REST API, allowing online adjustment of models, retrieval thresholds, and Prompt to control dialogue behavior. **Learn More:** - [Official Website](https://weknora.weixin.qq.com) - [GitHub Link](https://github.com/Tencent/WeKnora) fr_FR: | WeKnora est un cadre de compréhension approfondie de documents et de récupération sémantique basé sur les Grands Modèles de Langage (LLM), spécifiquement conçu pour les scénarios de documents avec des structures complexes et un contenu hétérogène. Il adopte une architecture modulaire, intégrant des technologies clés telles que le prétraitement multimodal, l'indexation vectorielle sémantique, la récupération intelligente et l'inférence de grands modèles. Basé sur le paradigme de Génération Augmentée par Récupération (RAG), il offre des capacités de Q&A de haute qualité et sensibles au contexte. WeKnora peut comprendre en profondeur le contenu des documents dans différents formats, combiner les fragments de documents pertinents avec l'inférence du modèle de langage et produire des résultats sémantiques précis et cohérents. **Fonctionnalités Clés :** - Analyse Profonde Multimodale : Prend en charge l'extraction de contenu structuré à partir de divers formats tels que PDF, Word, TXT, images, y compris la reconnaissance de texte d'image OCR. - Indexation Vectorielle Sémantique et Récupération Intelligente : Atteint une correspondance sémantique et un rappel de haute précision grâce à une combinaison de récupération vectorielle, de récupération par mots-clés et même de récupération améliorée par graphe de connaissances. - Génération de Q&A en Boucle Fermée RAG : Génère des réponses de contenu précises et cohérentes en tirant parti de l'inférence de grands modèles de langage et de la fusion de fragments de récupération. - Capacités Améliorées du Mode Agent : Prend en charge le mode Agent ReACT, qui peut appeler des outils intégrés, la recherche web externe, etc., pendant les itérations multi-tours, pour améliorer les capacités de traitement des tâches complexes. - Gestion de Bases de Connaissances Multi-types : Peut créer des bases de connaissances de type FAQ et document, et gérer de manière flexible les balises, l'importation par lots de fichiers ou d'URL. - Stratégie de Dialogue et Interface Utilisateur Configurables : Fournit une interface Web intuitive et une API REST, permettant l'ajustement en ligne des modèles, des seuils de récupération et du Prompt pour contrôler le comportement du dialogue. **En savoir plus :** - [Site Officiel](https://weknora.weixin.qq.com) - [Lien GitHub](https://github.com/Tencent/WeKnora) hr_HR: | WeKnora je okvir za dubinsko razumijevanje dokumenata i semantičko dohvaćanje, temeljen na Velikim jezičnim modelima (LLM), posebno dizajniran za scenarije dokumenata sa složenim strukturama i heterogenim sadržajem. Usvaja modularnu arhitekturu, integrirajući ključne tehnologije kao što su multimodalna predobrada, semantičko vektorsko indeksiranje, inteligentno dohvaćanje i zaključivanje velikih modela. Temeljen na paradigmi Retrieval-Augmented Generation (RAG), postiže kontekstualno svjesne, visokokvalitetne mogućnosti pitanja i odgovora. WeKnora može duboko razumjeti sadržaj dokumenata u različitim formatima, kombinirati relevantne fragmente dokumenata sa zaključivanjem jezičnog modela i isporučiti točne, koherentne semantičke rezultate. **Ključne značajke:** - Multimodalno dubinsko parsiranje: Podržava ekstrakciju strukturiranog sadržaja iz različitih formata kao što su PDF, Word, TXT, slike, uključujući OCR prepoznavanje teksta na slikama. - Semantičko vektorsko indeksiranje i inteligentno dohvaćanje: Postiže visoko precizno semantičko podudaranje i opoziv kroz kombinaciju vektorskog dohvaćanja, dohvaćanja ključnih riječi, pa čak i dohvaćanja poboljšanog grafom znanja. - RAG zatvorena petlja generiranja pitanja i odgovora: Generira točne i koherentne sadržajne odgovore iskorištavanjem zaključivanja velikog jezičnog modela i fuzije fragmenata dohvaćanja. - Poboljšane mogućnosti načina rada agenta: Podržava ReACT Agent način rada, koji može pozivati ugrađene alate, vanjsko web pretraživanje itd., tijekom višestrukih iteracija, kako bi poboljšao mogućnosti obrade složenih zadataka. - Upravljanje bazama znanja više vrsta: Može stvarati baze znanja tipa FAQ i dokumenata, te fleksibilno upravljati oznakama, skupnim uvozom datoteka ili URL-ova. - Konfigurabilna strategija dijaloga i korisničko sučelje: Pruža intuitivno web sučelje i REST API, omogućujući online prilagodbu modela, pragova dohvaćanja i Prompt-a za kontrolu ponašanja dijaloga. **Saznajte više:** - [Službena web stranica](https://weknora.weixin.qq.com) - [GitHub poveznica](https://github.com/Tencent/WeKnora) it_IT: | WeKnora è un framework di comprensione profonda dei documenti e recupero semantico basato su Grandi Modelli Linguistici (LLM), specificamente progettato per scenari documentali con strutture complesse e contenuti eterogenei. Adotta un'architettura modulare, integrando tecnologie chiave come la pre-elaborazione multimodale, l'indicizzazione vettoriale semantica, il recupero intelligente e l'inferenza di modelli di grandi dimensioni. Basato sul paradigma Retrieval-Augmented Generation (RAG), raggiunge capacità di Q&A di alta qualità e contestualmente consapevoli. WeKnora può comprendere in profondità il contenuto dei documenti in diversi formati, combinare frammenti di documenti pertinenti con l'inferenza del modello linguistico e produrre risultati semantici accurati e coerenti. **Caratteristiche principali:** - Parsing Profondo Multimodale: Supporta l'estrazione di contenuti strutturati da vari formati come PDF, Word, TXT, immagini, inclusa la riconoscimento del testo delle immagini OCR. - Indicizzazione Vettoriale Semantica e Recupero Intelligente: Ottiene corrispondenza semantica e richiamo ad alta precisione attraverso una combinazione di recupero vettoriale, recupero per parole chiave e persino recupero potenziato da grafi di conoscenza. - Generazione Q&A a Ciclo Chiuso RAG: Genera risposte di contenuto accurate e coerenti sfruttando l'inferenza di modelli linguistici di grandi dimensioni e la fusione di frammenti di recupero. - Capacità Potenziate in Modalità Agente: Supporta la modalità ReACT Agent, che può richiamare strumenti integrati, ricerca web esterna, ecc., durante iterazioni multi-turno, per migliorare le capacità di elaborazione di attività complesse. - Gestione di Basi di Conoscenza Multi-tipo: Può creare basi di conoscenza di tipo FAQ e documentale, e gestire in modo flessibile tag, importazione in batch di file o URL. - Strategia di Dialogo e UI Configurabili: Fornisce un'interfaccia Web intuitiva e un'API REST, consentendo la regolazione online di modelli, soglie di recupero e Prompt per controllare il comportamento del dialogo. **Scopri di più:** - [Sito Ufficiale](https://weknora.weixin.qq.com) - [Link GitHub](https://github.com/Tencent/WeKnora) ja_JP: | WeKnoraは、大規模言語モデル(LLM)に基づいた、深い文書理解とセマンティック検索フレームワークであり、複雑な構造と異種コンテンツを持つ文書シナリオのために特別に設計されています。モジュール式アーキテクチャを採用し、マルチモーダル前処理、セマンティックベクトルインデックス作成、インテリジェント検索、大規模モデル推論などの主要技術を統合しています。Retrieval-Augmented Generation(RAG)パラダイムに基づいて、コンテキストを認識した高品質なQ&A機能を実現します。WeKnoraは、異なる形式の文書コンテンツを深く理解し、関連する文書フラグメントと言語モデル推論を組み合わせ、正確で一貫性のあるセマンティックな結果を出力できます。 **主な機能:** - マルチモーダル深層解析:PDF、Word、TXT、画像などの様々な形式からの構造化コンテンツ抽出をサポートし、OCR画像テキスト認識も含まれます。 - セマンティックベクトルインデックス作成とインテリジェント検索:ベクトル検索、キーワード検索、さらにはナレッジグラフ強化検索の組み合わせにより、高精度のセマンティックマッチングとリコールを実現します。 - RAGクローズドループQ&A生成:大規模言語モデル推論と検索フラグメント融合を活用して、正確で一貫性のあるコンテンツ回答を生成します。 - エージェントモード強化機能:ReACT Agentモードをサポートし、多段階の反復中に組み込みツールや外部Web検索などを呼び出すことで、複雑なタスク処理能力を向上させることができます。 - 多種知識ベース管理:FAQおよび文書タイプの知識ベースを作成し、タグ、ファイルまたはURLの一括インポートを柔軟に管理できます。 - 設定可能な対話戦略とUI:直感的なWebインターフェースとREST APIを提供し、モデル、検索しきい値、およびプロンプトをオンラインで調整して対話動作を制御できます。 **詳細はこちら:** - [公式サイト](https://weknora.weixin.qq.com) - [GitHubリンク](https://github.com/Tencent/WeKnora) ko_KR: | WeKnora는 대규모 언어 모델(LLM)을 기반으로 하는 심층 문서 이해 및 의미론적 검색 프레임워크로, 복잡한 구조와 이기종 콘텐츠를 가진 문서 시나리오를 위해 특별히 설계되었습니다. 다중 모드 전처리, 의미론적 벡터 인덱싱, 지능형 검색 및 대규모 모델 추론과 같은 핵심 기술을 통합하는 모듈식 아키텍처를 채택합니다. 검색 증강 생성(RAG) 패러다임을 기반으로 상황 인지적이고 고품질의 Q&A 기능을 달성합니다. WeKnora는 다양한 형식의 문서 콘텐츠를 깊이 이해하고, 관련 문서 조각을 언어 모델 추론과 결합하여 정확하고 일관된 의미론적 결과를 출력할 수 있습니다. **주요 기능:** - 다중 모드 심층 구문 분석: PDF, Word, TXT, 이미지 등 다양한 형식에서 구조화된 콘텐츠 추출을 지원하며, OCR 이미지 텍스트 인식도 포함합니다. - 의미론적 벡터 인덱싱 및 지능형 검색: 벡터 검색, 키워드 검색, 심지어 지식 그래프 강화 검색의 조합을 통해 고정밀 의미론적 일치 및 회수를 달성합니다. - RAG 폐쇄 루프 Q&A 생성: 대규모 언어 모델 추론 및 검색 조각 융합을 활용하여 정확하고 일관된 콘텐츠 답변을 생성합니다. - 에이전트 모드 강화 기능: ReACT 에이전트 모드를 지원하여 다중 라운드 반복 중에 내장 도구, 외부 웹 검색 등을 호출하여 복잡한 작업 처리 기능을 향상시킬 수 있습니다. - 다중 유형 지식 베이스 관리: FAQ 및 문서 유형 지식 베이스를 생성하고, 태그, 파일 또는 URL의 일괄 가져오기를 유연하게 관리할 수 있습니다. - 구성 가능한 대화 전략 및 UI: 직관적인 웹 인터페이스 및 REST API를 제공하여 모델, 검색 임계값 및 프롬프트를 온라인으로 조정하여 대화 동작을 제어할 수 있습니다. **더 알아보기:** [공식 웹사이트](https://weknora.weixin.qq.com) [GitHub 링크](https://github.com/Tencent/WeKnora) nb_NO: | WeKnora er et rammeverk for dyp dokumentforståelse og semantisk gjenfinning basert på Store språkmodeller (LLM), spesielt designet for dokumentscenarier med komplekse strukturer og heterogent innhold. Det vedtar en modulær arkitektur som integrerer nøkkelteknologier som multimodal forbehandling, semantisk vektorindeksering, intelligent gjenfinning og inferens av store modeller. Basert på Retrieval-Augmented Generation (RAG)-paradigmet, oppnår det kontekstbevisste, høykvalitets Q&A-funksjoner. WeKnora kan dypt forstå dokumentinnhold i forskjellige formater, kombinere relevante dokumentfragmenter med språkmodellinferens, og produsere nøyaktige, sammenhengende semantiske resultater. **Nøkkelfunksjoner:** - Multimodal dyp parsing: Støtter strukturert innholdsutvinning fra ulike formater som PDF, Word, TXT, bilder, inkludert OCR-bildetekstgjenkjenning. - Semantisk vektorindeksering og intelligent gjenfinning: Oppnår høypresisjons semantisk matching og gjenkalling gjennom en kombinasjon av vektorgjenfinning, nøkkelordgjenfinning og til og med kunnskapsgraf-forbedret gjenfinning. - RAG lukket-sløyfe Q&A-generering: Genererer nøyaktige og sammenhengende innholdssvar ved å utnytte inferens av store språkmodeller og fusjon av gjenfinningsfragmenter. - Agentmodus forbedrede funksjoner: Støtter ReACT Agent-modus, som kan kalle innebygde verktøy, eksternt websøk, etc., under flergangsiterasjoner, for å forbedre behandlingskapasiteten for komplekse oppgaver. - Flertype kunnskapsbaseadministrasjon: Kan opprette FAQ- og dokumenttype kunnskapsbaser, og fleksibelt administrere tagger, masseimport av filer eller URL-er. - Konfigurerbar dialogstrategi og UI: Gir et intuitivt webgrensesnitt og REST API, som tillater online justering av modeller, gjenfinningsterskler og Prompt for å kontrollere dialogatferd. **Lær mer:** - [Offisiell nettside](https://weknora.weixin.qq.com) - [GitHub-lenke](https://github.com/Tencent/WeKnora) pt_PT: | WeKnora é uma estrutura de compreensão profunda de documentos e recuperação semântica baseada em Grandes Modelos de Linguagem (LLM), especificamente projetada para cenários de documentos com estruturas complexas e conteúdo heterogéneo. Adota uma arquitetura modular, integrando tecnologias chave como pré-processamento multimodal, indexação vetorial semântica, recuperação inteligente e inferência de grandes modelos. Baseado no paradigma Retrieval-Augmented Generation (RAG), alcança capacidades de Q&A de alta qualidade e com consciência de contexto. O WeKnora pode compreender profundamente o conteúdo de documentos em diferentes formatos, combinar fragmentos de documentos relevantes com inferência de modelo de linguagem e produzir resultados semânticos precisos e coerentes. **Principais Características:** - Análise Profunda Multimodal: Suporta a extração de conteúdo estruturado de vários formatos, como PDF, Word, TXT, imagens, incluindo reconhecimento de texto de imagem OCR. - Indexação Vetorial Semântica e Recuperação Inteligente: Alcança correspondência semântica e recuperação de alta precisão através de uma combinação de recuperação vetorial, recuperação por palavra-chave e até mesmo recuperação aprimorada por grafo de conhecimento. - Geração de Q&A em Ciclo Fechado RAG: Gera respostas de conteúdo precisas e coerentes, aproveitando a inferência de grandes modelos de linguagem e a fusão de fragmentos de recuperação. - Capacidades Aprimoradas do Modo Agente: Suporta o modo ReACT Agent, que pode chamar ferramentas incorporadas, pesquisa web externa, etc., durante iterações de várias rondas, para melhorar as capacidades de processamento de tarefas complexas. - Gestão de Bases de Conhecimento Multi-tipo: Pode criar bases de conhecimento do tipo FAQ e documento, e gerir de forma flexível tags, importação em lote de ficheiros ou URLs. - Estratégia de Diálogo e UI Configuráveis: Fornece uma interface Web intuitiva e uma API REST, permitindo o ajuste online de modelos, limiares de recuperação e Prompt para controlar o comportamento do diálogo. **Saiba Mais:** - [Site Oficial](https://weknora.weixin.qq.com) - [Link GitHub](https://github.com/Tencent/WeKnora) ru_RU: | WeKnora — это фреймворк для глубокого понимания документов и семантического поиска, основанный на Больших языковых моделях (LLM), специально разработанный для сценариев с документами, имеющими сложные структуры и гетерогенное содержимое. Он использует модульную архитектуру, интегрируя ключевые технологии, такие как мультимодальная предварительная обработка, семантическое векторное индексирование, интеллектуальный поиск и вывод больших моделей. Основанный на парадигме Генерации с дополненным поиском (RAG), он обеспечивает контекстно-зависимые, высококачественные возможности вопросов и ответов. WeKnora может глубоко понимать содержимое документов в различных форматах, комбинировать соответствующие фрагменты документов с выводом языковой модели и выдавать точные, связные семантические результаты. **Ключевые особенности:** - Мультимодальный глубокий парсинг: Поддерживает извлечение структурированного содержимого из различных форматов, таких как PDF, Word, TXT, изображения, включая распознавание текста на изображениях с помощью OCR. - Семантическое векторное индексирование и интеллектуальный поиск: Достигает высокоточной семантической сопоставимости и извлечения за счет комбинации векторного поиска, поиска по ключевым словам и даже поиска, улучшенного графом знаний. - Генерация вопросов и ответов с замкнутым циклом RAG: Генерирует точные и связные ответы на основе содержимого, используя вывод больших языковых моделей и слияние фрагментов поиска. - Расширенные возможности режима агента: Поддерживает режим ReACT Agent, который может вызывать встроенные инструменты, внешний веб-поиск и т. д. во время многораундовых итераций для улучшения возможностей обработки сложных задач. - Управление базами знаний различных типов: Может создавать базы знаний типа FAQ и документов, а также гибко управлять тегами, пакетным импортом файлов или URL-адресов. - Настраиваемая стратегия диалога и пользовательский интерфейс: Предоставляет интуитивно понятный веб-интерфейс и REST API, позволяя онлайн-настройку моделей, порогов поиска и Prompt для управления поведением диалога. **Узнать больше:** - [Официальный сайт](https://weknora.weixin.qq.com) - [Ссылка на GitHub](https://github.com/Tencent/WeKnora) sv_SE: | WeKnora är ett ramverk för djup dokumentförståelse och semantisk hämtning baserat på Stora språkmodeller (LLM), specifikt utformat för dokumentscenarier med komplexa strukturer och heterogent innehåll. Det antar en modulär arkitektur som integrerar nyckelteknologier som multimodal förbehandling, semantisk vektorindexering, intelligent hämtning och inferens av stora modeller. Baserat på Retrieval-Augmented Generation (RAG)-paradigmet uppnår det kontextmedvetna, högkvalitativa Q&A-funktioner. WeKnora kan djupt förstå dokumentinnehåll i olika format, kombinera relevanta dokumentfragment med språkmodellinferens och producera exakta, sammanhängande semantiska resultat. **Nyckelfunktioner:** - Multimodal djupanalys: Stöder extrahering av strukturerat innehåll från olika format som PDF, Word, TXT, bilder, inklusive OCR-bildtextigenkänning. - Semantisk vektorindexering och intelligent hämtning: Uppnår högprecisions semantisk matchning och återkallning genom en kombination av vektorhämtning, nyckelordshämtning och till och med kunskapsgraf-förstärkt hämtning. - RAG sluten-loop Q&A-generering: Genererar exakta och sammanhängande innehållssvar genom att utnyttja inferens av stora språkmodeller och fusion av hämtningsfragment. - Agentläge förbättrade funktioner: Stöder ReACT Agent-läge, som kan anropa inbyggda verktyg, extern webbsökning, etc., under flergångsiterationer, för att förbättra komplexa uppgiftshanteringsförmågor. - Hantering av kunskapsbaser av flera typer: Kan skapa FAQ- och dokumenttyp-kunskapsbaser, och flexibelt hantera taggar, massimport av filer eller URL:er. - Konfigurerbar dialogstrategi och UI: Tillhandahåller ett intuitivt webbgränssnitt och REST API, vilket möjliggör onlinejustering av modeller, hämtningströsklar och Prompt för att kontrollera dialogbeteende. **Läs mer:** - [Officiell webbplats](https://weknora.weixin.qq.com) - [GitHub-länk](https://github.com/Tencent/WeKnora) tr_TR: | WeKnora, Büyük Dil Modelleri (LLM) tabanlı, özellikle karmaşık yapılar ve heterojen içeriğe sahip belge senaryoları için tasarlanmış derin belge anlama ve anlamsal geri çağırma çerçevesidir. Çok modlu ön işleme, anlamsal vektör indeksleme, akıllı geri çağırma ve büyük model çıkarımı gibi temel teknolojileri entegre eden modüler bir mimari benimser. Geri Çağırma Destekli Üretim (RAG) paradigm dayanarak, bağlama duyarlı, yüksek kaliteli Soru-Cevap yetenekleri elde eder. WeKnora, farklı formatlardaki belge içeriğini derinlemesine anlayabilir, ilgili belge parçalarını dil modeli çıkarımıyla birleştirebilir ve doğru, tutarlı anlamsal sonuçlar üretebilir. **Temel Özellikler:** - Çok Modlu Derin Ayrıştırma: PDF, Word, TXT, görüntüler gibi çeşitli formatlardan yapılandırılmış içerik çıkarımını destekler, buna OCR görüntü metin tanıma da dahildir. - Anlamsal Vektör İndeksleme ve Akıllı Geri Çağırma: Vektör geri çağırma, anahtar kelime geri çağırma ve hatta bilgi grafiği destekli geri çağırma kombinasyonu aracılığıyla yüksek hassasiyetli anlamsal eşleştirme ve geri çağırma sağlar. - RAG Kapalı Döngü Soru-Cevap Üretimi: Büyük dil modeli çıkarımı ve geri çağırma parçası füzyonunu kullanarak doğru ve tutarlı içerik yanıtları üretir. - Ajan Modu Gelişmiş Yetenekleri: Çok turlu yinelemeler sırasında yerleşik araçları, harici web aramasını vb. çağırabilen ReACT Ajan modunu destekleyerek karmaşık görev işleme yeteneklerini geliştirir. - Çok Türlü Bilgi Tabanı Yönetimi: SSS ve belge tipi bilgi tabanları oluşturabilir ve etiketleri, toplu dosya veya URL içe aktarımlarını esnek bir şekilde yönetebilir. - Yapılandırılabilir Diyalog Stratejisi ve Kullanıcı Arayüzü: Sezgisel bir Web arayüzü ve REST API sağlar, modellerin, geri çağırma eşiklerinin ve Prompt'un çevrimiçi ayarlanmasına olanak tanıyarak diyalog davranışını kontrol eder. **Daha Fazla Bilgi Edinin:** - [Resmi Web Sitesi](https://weknora.weixin.qq.com) - [GitHub Bağlantısı](https://github.com/Tencent/WeKnora) zh_CN: | WeKnora 是一个基于大型语言模型(LLM)的深度文档理解和语义检索框架,专门为具有复杂结构和异构内容的文档场景设计。它采用模块化架构,集成了多模态预处理、语义向量索引、智能检索和大模型推理等关键技术。基于检索增强生成(RAG)范式,它实现了上下文感知、高质量的问答能力。WeKnora 能够深入理解不同格式的文档内容,将相关文档片段与语言模型推理相结合,输出准确、连贯的语义结果。 **主要特点:** - 多模态深度解析:支持从 PDF、Word、TXT、图像等多种格式中提取结构化内容,包括 OCR 图像文本识别。 - 语义向量索引与智能检索:通过向量检索、关键词检索,甚至知识图谱增强检索相结合,实现高精度的语义匹配和召回。 - RAG 闭环问答生成:利用大型语言模型推理和检索片段融合,生成准确、连贯的内容答案。 - Agent 模式增强能力:支持 ReACT Agent 模式,可在多轮迭代中调用内置工具、外部网页搜索等,提升复杂任务处理能力。 - 多类型知识库管理:可创建 FAQ 和文档型知识库,灵活管理标签、批量导入文件或 URL。 - 可配置对话策略与 UI:提供直观的 Web 界面和 REST API,支持在线调整模型、检索阈值和 Prompt 以控制对话行为。 **了解更多:** - [官方网站](https://weknora.weixin.qq.com) - [GitHub 链接](https://github.com/Tencent/WeKnora) category: AI author: tencent developer: Tencent icon: https://cdn.jsdelivr.net/gh/IceWhaleTech/CasaOS-AppStore@main/Apps/WeKnora/icon.svg thumbnail: https://cdn.jsdelivr.net/gh/IceWhaleTech/CasaOS-AppStore@main/Apps/WeKnora/thumbnail.png screenshot_link: - https://cdn.jsdelivr.net/gh/IceWhaleTech/CasaOS-AppStore@main/Apps/WeKnora/screenshot-1.png - https://cdn.jsdelivr.net/gh/IceWhaleTech/CasaOS-AppStore@main/Apps/WeKnora/screenshot-2.png - https://cdn.jsdelivr.net/gh/IceWhaleTech/CasaOS-AppStore@main/Apps/WeKnora/screenshot-3.png main: weknora port_map: "1080" architectures: - amd64 - arm64 index: / scheme: http version: "0.2.14" update_at: "2026-01-30" release_notes: en_US: |- - v0.2.14 prioritizes environment variables over Git tags for version detection. - Completion URL host extraction now handles both v1 and non-v1 endpoints. - Parser chunk index logging was fixed, Ollama retest icon alignment was improved, and pg_search migration files were added. en_GB: |- - v0.2.14 prioritizes environment variables over Git tags for version detection. - Completion URL host extraction now handles both v1 and non-v1 endpoints. - Parser chunk index logging was fixed, Ollama retest icon alignment was improved, and pg_search migration files were added. it_IT: |- - v0.2.14 dà priorità alle variabili di ambiente rispetto ai tag Git per il rilevamento della versione. - Il completamento dell'estrazione host URL ora gestisce sia gli endpoint v1 che non-v1. - La registrazione dell'indice dei blocchi del parser è stata corretta, l'allineamento delle icone di nuovo test di Ollama è stato migliorato e sono stati aggiunti i file di migrazione pg_search. nb_NO: |- - v0.2.14 prioriterer miljøvariabler over Git-tagger for versjonsdeteksjon. - Fullføring URL vertsekstraksjon håndterer nå både v1 og non-v1 endepunkter. - Parser chunk index logging ble fikset, Ollama retest ikonjustering ble forbedret, og pg_search migrasjonsfiler ble lagt til. zh_CN: |- - v0.2.14 在 version detection 中优先使用 environment variables,而不是 Git tags。 - Completion URL host extraction 现在同时处理 v1 和 non-v1 endpoints。 - 修复了 parser chunk index logging,改进了 Ollama retest icon alignment,并添加 pg_search migration files。 ja_JP: |- - v0.2.14 は version detection で Git tags より environment variables を優先します。 - Completion URL host extraction は v1 と non-v1 endpoints の両方を処理するようになりました。 - parser chunk index logging が修正され、Ollama retest icon alignment が改善され、pg_search migration files が追加されました。 ko_KR: |- - v0.2.14는 version detection에서 Git tags보다 environment variables를 우선합니다. - Completion URL host extraction은 이제 v1 및 non-v1 endpoints를 모두 처리합니다. - parser chunk index logging이 수정되고 Ollama retest icon alignment가 개선되었으며 pg_search migration files가 추가되었습니다. fr_FR: |- - v0.2.14 donne la priorite aux environment variables plutot qu'aux Git tags pour version detection. - Completion URL host extraction gere maintenant les endpoints v1 et non-v1. - Parser chunk index logging a ete corrige, Ollama retest icon alignment a ete ameliore et pg_search migration files ont ete ajoutes. de_DE: |- - v0.2.14 priorisiert environment variables gegenueber Git tags fuer version detection. - Completion URL host extraction verarbeitet nun sowohl v1- als auch non-v1 endpoints. - Parser chunk index logging wurde korrigiert, Ollama retest icon alignment verbessert und pg_search migration files wurden hinzugefuegt. sv_SE: |- - v0.2.14 prioriterar miljövariabler framför Git-taggar för versionsdetektering. - Kompletterande URL värdextraktion hanterar nu både v1 och non-v1 slutpunkter. - Loggningen av Parser chunk index fixades, Ollama retest-ikonjusteringen förbättrades och pg_search-migreringsfiler lades till. el_GR: |- - Το v0.2.14 δίνει προτεραιότητα στις μεταβλητές περιβάλλοντος έναντι των ετικετών Git για τον εντοπισμό έκδοσης. - Η εξαγωγή κεντρικού υπολογιστή ολοκλήρωσης URL χειρίζεται πλέον τα τελικά σημεία v1 και non-v1. - Η καταγραφή ευρετηρίου τμημάτων ανάλυσης διορθώθηκε, βελτιώθηκε η στοίχιση εικονιδίων επανελέγχου του Ollama και προστέθηκαν αρχεία μετεγκατάστασης pg_search. hr_HR: |- - v0.2.14 daje prioritet varijablama okoline u odnosu na Git oznake za otkrivanje verzije. - Završetak URL ekstrakcija hosta sada obrađuje i v1 i non-v1 krajnje točke. - Popravljeno je bilježenje indeksa parsera, poravnanje Ollama retest ikona je poboljšano i dodane su datoteke za migraciju pg_search. pt_PT: |- - v0.2.14 prioriza variáveis ​​de ambiente em vez de tags Git para deteção de versão. - A extração do host URL de conclusão trata agora dos endpoints v1 e non-v1. - O registo do índice do bloco do analisador foi corrigido, o alinhamento do ícone de reteste do Ollama foi melhorado e foram adicionados ficheiros de migração pg_search. ru_RU: |- - v0.2.14 отдает приоритет переменным среды над тегами Git для определения версии. - Завершенное извлечение хоста URL теперь обрабатывает конечные точки v1 и non-v1. - Исправлено ведение журнала индекса фрагментов парсера, улучшено выравнивание значков повторного тестирования Ollama и добавлены файлы миграции pg_search. tr_TR: |- - v0.2.14 sürüm tespiti için ortam değişkenlerine Git etiketleri üzerinden öncelik verir. - URL ana bilgisayar çıkarma işleminin tamamlanması artık hem v1 hem de non-v1 uç noktalarını işliyor. - Ayrıştırıcı öbek dizini günlüğü düzeltildi, Ollama yeniden test simgesi hizalaması iyileştirildi ve pg_search geçiş dosyaları eklendi. website: "https://weknora.weixin.qq.com" repo: "https://github.com/Tencent/WeKnora" support: "https://github.com/Tencent/WeKnora/issues" docs: "https://github.com/Tencent/WeKnora#readme"