Merge pull request #3104 from xinnan-tech/update-default-model

Update default model
2026-07-22 07:03:53 +08:00 · 2026-04-16 17:01:34 +08:00
parent ac9083cfc7 d41938fe07
commit 0161e642d0
23 changed files with 39 additions and 3478 deletions
@@ -214,8 +214,8 @@ Websocket接口地址: wss://2662r3426b.vicp.fun/xiaozhi/v1/
 |:---:|:---:|:---:|
 | ASR(语音识别) | FunASR(本地) | 👍XunfeiStreamASR(讯飞流式) |
 | LLM(大模型) | glm-4-flash(智谱) | 👍qwen-flash(阿里百炼) |
-| VLLM(视觉大模型) | glm-4v-flash(智谱) | 👍qwen2.5-vl-3b-instructh(阿里百炼) |
-| TTS(语音合成) | ✅LinkeraiTTS(灵犀流式) | 👍HuoshanDoubleStreamTTS(火山流式) |
+| VLLM(视觉大模型) | glm-4v-flash(智谱) | 👍qwen3.5-flash(阿里百炼) |
+| TTS(语音合成) | EdgeTTS(微软) | 👍HuoshanDoubleStreamTTS(火山流式) |
 | Intent(意图识别) | function_call(函数调用) | function_call(函数调用) |
 | Memory(记忆功能) | mem_local_short(本地短期记忆） | mem_local_short（本地短期记忆） |

@@ -212,8 +212,8 @@ Websocket-Schnittstellenadresse: wss://2662r3426b.vicp.fun/xiaozhi/v1/
 |:---:|:---:|:---:|
 | ASR (Spracherkennung) | FunASR (Lokal) | 👍XunfeiStreamASR (Xunfei-Streaming) |
 | LLM (Großes Modell) | glm-4-flash (Zhipu) | 👍qwen-flash (Alibaba Bailian) |
-| VLLM (Vision Large Model) | glm-4v-flash (Zhipu) | 👍qwen2.5-vl-3b-instructh (Alibaba Bailian) |
-| TTS (Sprachsynthese) | ✅LinkeraiTTS (Lingxi-Streaming) | 👍HuoshanDoubleStreamTTS (Volcano-Streaming) |
+| VLLM (Vision Large Model) | glm-4v-flash (Zhipu) | 👍qwen3.5-flash (Alibaba Bailian) |
+| TTS (Sprachsynthese) | EdgeTTS (Microsoft) | 👍HuoshanDoubleStreamTTS (Volcano-Streaming) |
 | Intent (Absichtserkennung) | function_call (Funktionsaufruf) | function_call (Funktionsaufruf) |
 | Memory (Gedächtnisfunktion) | mem_local_short (Lokales Kurzzeitgedächtnis) | mem_local_short (Lokales Kurzzeitgedächtnis) |

@@ -212,8 +212,8 @@ Websocket Interface Address: wss://2662r3426b.vicp.fun/xiaozhi/v1/
 |:---:|:---:|:---:|
 | ASR(Speech Recognition) | FunASR(Local) | 👍XunfeiStreamASR(Xunfei Streaming) |
 | LLM(Large Model) | glm-4-flash(Zhipu) | 👍qwen-flash(Alibaba Bailian) |
-| VLLM(Vision Large Model) | glm-4v-flash(Zhipu) | 👍qwen2.5-vl-3b-instructh(Alibaba Bailian) |
-| TTS(Speech Synthesis) | ✅LinkeraiTTS(Lingxi streaming) | 👍HuoshanDoubleStreamTTS(Volcano Streaming) |
+| VLLM(Vision Large Model) | glm-4v-flash(Zhipu) | 👍qwen3.5-flash(Alibaba Bailian) |
+| TTS(Speech Synthesis) | EdgeTTS(Microsoft) | 👍HuoshanDoubleStreamTTS(Volcano Streaming) |
 | Intent(Intent Recognition) | function_call(Function calling) | function_call(Function calling) |
 | Memory(Memory function) | mem_local_short(Local short-term memory) | mem_local_short(Local short-term memory) |

@@ -212,8 +212,8 @@ Endereço da Interface WebSocket: wss://2662r3426b.vicp.fun/xiaozhi/v1/
 |:---:|:---:|:---:|
 | ASR(Reconhecimento de Fala) | FunASR(Local) | 👍XunfeiStreamASR(Xunfei Streaming) |
 | LLM(Modelo de Linguagem) | glm-4-flash(Zhipu) | 👍qwen-flash(Alibaba Bailian) |
-| VLLM(Modelo de Visão) | glm-4v-flash(Zhipu) | 👍qwen2.5-vl-3b-instructh(Alibaba Bailian) |
-| TTS(Síntese de Voz) | ✅LinkeraiTTS(Lingxi streaming) | 👍HuoshanDoubleStreamTTS(Volcano Streaming) |
+| VLLM(Modelo de Visão) | glm-4v-flash(Zhipu) | 👍qwen3.5-flash(Alibaba Bailian) |
+| TTS(Síntese de Voz) | EdgeTTS(Microsoft) | 👍HuoshanDoubleStreamTTS(Volcano Streaming) |
 | Intent(Reconhecimento de Intenção) | function_call(Chamada de função) | function_call(Chamada de função) |
 | Memory(Função de Memória) | mem_local_short(Memória local de curto prazo) | mem_local_short(Memória local de curto prazo) |

@@ -213,8 +213,8 @@ Công cụ kiểm tra dịch vụ: https://2662r3426b.vicp.fun/test/
 |:---:|:---:|:---:|
 | ASR(Nhận dạng giọng nói) | FunASR(Local) | 👍XunfeiStreamASR(Xunfei Streaming) |
 | LLM(Mô hình lớn) | glm-4-flash(Zhipu) | 👍qwen-flash(Alibaba Bailian) |
-| VLLM(Mô hình lớn thị giác) | glm-4v-flash(Zhipu) | 👍qwen2.5-vl-3b-instructh(Alibaba Bailian) |
-| TTS(Tổng hợp giọng nói) | ✅LinkeraiTTS(Lingxi streaming) | 👍HuoshanDoubleStreamTTS(Volcano Streaming) |
+| VLLM(Mô hình lớn thị giác) | glm-4v-flash(Zhipu) | 👍qwen3.5-flash(Alibaba Bailian) |
+| TTS(Tổng hợp giọng nói) | EdgeTTS(Microsoft) | 👍HuoshanDoubleStreamTTS(Volcano Streaming) |
 | Intent(Nhận dạng ý định) | function_call(Gọi hàm) | function_call(Gọi hàm) |
 | Memory(Chức năng bộ nhớ) | mem_local_short(Bộ nhớ ngắn hạn cục bộ) | mem_local_short(Bộ nhớ ngắn hạn cục bộ) |

@@ -40,8 +40,8 @@ conda install conda-forge::ffmpeg
 |:---:|:---:|:---:|
 | ASR(语音识别) | FunASR(本地) | 👍XunfeiStreamASR(讯飞流式) |
 | LLM(大模型) | glm-4-flash(智谱) | 👍qwen-flash(阿里百炼) |
-| VLLM(视觉大模型) | glm-4v-flash(智谱) | 👍qwen2.5-vl-3b-instructh(阿里百炼) |
-| TTS(语音合成) | ✅LinkeraiTTS(灵犀流式) | 👍HuoshanDoubleStreamTTS(火山流式) |
+| VLLM(视觉大模型) | glm-4v-flash(智谱) | 👍qwen3.5-flash(阿里百炼) |
+| TTS(语音合成) | EdgeTTS(微软) | 👍HuoshanDoubleStreamTTS(火山流式) |
 | Intent(意图识别) | function_call(函数调用) | function_call(函数调用) |
 | Memory(记忆功能) | mem_local_short(本地短期记忆） | mem_local_short（本地短期记忆） |

@@ -1,45 +0,0 @@
-# 知识库模块全量集成测试报告
-
-## 1. 测试背景
-针对 `KnowledgeBaseController` 和 `KnowledgeFilesController` 共 14 个接口进行了深度集成测试。主要解决了本地影子库与 RAGFlow 远程服务之间的状态对齐、数据反序列化兼容性以及批量操作逻辑安全性问题。
-
-## 2. 修复的核心 Bug 清单 (Hotfixes)
-
-| 模块 | 问题类型 | 修复方案 | 验证结果 |
-| :--- | :--- | :--- | :--- |
-| **DTO** | `positions` 反序列化失败 | 类型从 `List<Integer>` 提升为 `Object`，支持嵌套数组 | ✅ 已验证 |
-| **DTO** | 日期格式不兼容 | 针对 RAGFlow 的 RFC 1123 格式，将 `Date` 改为 `String` 透传 | ✅ 已验证 |
-| **请求** | 检索参数 `null` 拒绝 | 增加 `@JsonInclude(NON_NULL)`，跳过可选字段的空值序列化 | ✅ 已验证 |
-| **同步** | 状态自愈死锁 | 增加 `CANCEL/FAIL` 状态的 60s 低频同步机制，防止逻辑错误锁定 | ✅ 已验证 |
-| **逻辑** | 删除守卫逻辑错误 | 将拦截条件从 `status="1"` 修正为 `run="RUNNING"` | ✅ 已验证 |
-
-## 3. 全量接口测试统计
-
-### KnowledgeBaseController (7/7)
- [x] 分页查询 (`GET /datasets`)
- [x] 详情获取 (`GET /datasets/{id}`)
- [x] 创建知识库 (`POST /datasets`)
- [x] 修改配置 (`PUT /datasets/{id}`)
- [x] 物理删除 (`DELETE /datasets/{id}`)
- [x] 批量删除 (`DELETE /datasets/batch`)
- [x] 模型列表获取 (`GET /datasets/rag-models`)
-
-### KnowledgeFilesController (7/7)
- [x] 文档列表与同步 (`GET /datasets/{id}/documents`)
- [x] 状态过滤查询 (`GET /datasets/{id}/documents/status/{s}`)
- [x] 文档上传 (`POST /datasets/{id}/documents`)
- [x] 触发解析 (`POST /datasets/{id}/chunks`)
- [x] 切片详情 (`GET /datasets/{id}/documents/{docId}/chunks`)
- [x] 召回测试 (`POST /datasets/{id}/retrieval-test`)
- [x] 批量删除文档 (`DELETE /datasets/{id}/documents`)
-
-## 4. 自动化审计结论
-通过执行 `comprehensive_audit.ps1` 自动化脚本，模拟了“创建->上传->解析->同步->检索->删除”的完整生产链路。
- **解析成功率**：100%
- **数据准确性**：DTO 转换无异常，坐标及得分提取正常
- **系统安全性**：解析中拦截机制生效
- **结论**：**准生产就绪 (Production Ready)**
-
---
-*报告生成时间：2026-02-13*
-*审核：dora--1206563805@qq.com*
@@ -1,102 +0,0 @@
-# RAGFlow API Interface Classification
-
-## 1. External APIs (三方接入体系)
-**Path Prefix:** `/api/v1`
-**Authentication:** API Key (`@token_required`)
-**Primary Use:** External system integration, SDK usage.
-
-| Interface Type | Python File Path | Class/Function Name | URL Pattern | Notes |
-|---|---|---|---|---|
-| **External** | `api/apps/sdk/session.py` | `agent_bot_completions` | `/api/v1/agentbots/<agent_id>/completions` | Agent Bot completion |
-| **External** | `api/apps/sdk/session.py` | `begin_inputs` | `/api/v1/agentbots/<agent_id>/inputs` | Get Agent Bot inputs |
-| **External** | `api/apps/sdk/agents.py` | `list_agents` | `/api/v1/agents` | List Agents |
-| **External** | `api/apps/sdk/agents.py` | `create_agent` | `/api/v1/agents` | Create Agent |
-| **External** | `api/apps/sdk/agents.py` | `update_agent` | `/api/v1/agents/<agent_id>` | Update Agent |
-| **External** | `api/apps/sdk/agents.py` | `delete_agent` | `/api/v1/agents/<agent_id>` | Delete Agent |
-| **External** | `api/apps/sdk/session.py` | `agent_completions` | `/api/v1/agents/<agent_id>/completions` | Agent completion |
-| **External** | `api/apps/sdk/session.py` | `create_agent_session` | `/api/v1/agents/<agent_id>/sessions` | Create Agent Session |
-| **External** | `api/apps/sdk/session.py` | `list_agent_session` | `/api/v1/agents/<agent_id>/sessions` | List Agent Sessions |
-| **External** | `api/apps/sdk/session.py` | `delete_agent_session` | `/api/v1/agents/<agent_id>/sessions` | Delete Agent Session |
-| **External** | `api/apps/sdk/session.py` | `agents_completion_openai_compatibility` | `/api/v1/agents_openai/<agent_id>/chat/completions` | OpenAI compatible Agent completion |
-| **External** | `api/apps/sdk/session.py` | `chatbot_completions` | `/api/v1/chatbots/<dialog_id>/completions` | Chatbot completion |
-| **External** | `api/apps/sdk/session.py` | `chatbots_inputs` | `/api/v1/chatbots/<dialog_id>/info` | Chatbot info |
-| **External** | `api/apps/sdk/chat.py` | `create` | `/api/v1/chats` | Create Chat |
-| **External** | `api/apps/sdk/chat.py` | `delete_chats` | `/api/v1/chats` | Delete Chat |
-| **External** | `api/apps/sdk/chat.py` | `list_chat` | `/api/v1/chats` | List Chats |
-| **External** | `api/apps/sdk/chat.py` | `update` | `/api/v1/chats/<chat_id>` | Update Chat |
-| **External** | `api/apps/sdk/session.py` | `chat_completion` | `/api/v1/chats/<chat_id>/completions` | Chat completion |
-| **External** | `api/apps/sdk/session.py` | `create` | `/api/v1/chats/<chat_id>/sessions` | Create Chat Session |
-| **External** | `api/apps/sdk/session.py` | `list_session` | `/api/v1/chats/<chat_id>/sessions` | List Chat Sessions |
-| **External** | `api/apps/sdk/session.py` | `delete` | `/api/v1/chats/<chat_id>/sessions` | Delete Chat Session |
-| **External** | `api/apps/sdk/session.py` | `update` | `/api/v1/chats/<chat_id>/sessions/<session_id>` | Update Chat Session |
-| **External** | `api/apps/sdk/session.py` | `chat_completion_openai_like` | `/api/v1/chats_openai/<chat_id>/chat/completions` | OpenAI compatible Chat completion |
-| **External** | `api/apps/sdk/dataset.py` | `create` | `/api/v1/datasets` | Create Dataset |
-| **External** | `api/apps/sdk/dataset.py` | `delete` | `/api/v1/datasets` | Delete Dataset |
-| **External** | `api/apps/sdk/dataset.py` | `list_datasets` | `/api/v1/datasets` | List Datasets |
-| **External** | `api/apps/sdk/dataset.py` | `update` | `/api/v1/datasets/<dataset_id>` | Update Dataset |
-| **External** | `api/apps/sdk/doc.py` | `parse` | `/api/v1/datasets/<dataset_id>/chunks` | Parse Document Chunks |
-| **External** | `api/apps/sdk/doc.py` | `stop_parsing` | `/api/v1/datasets/<dataset_id>/chunks` | Stop Parsing |
-| **External** | `api/apps/sdk/doc.py` | `upload` | `/api/v1/datasets/<dataset_id>/documents` | Upload Document |
-| **External** | `api/apps/sdk/doc.py` | `list_docs` | `/api/v1/datasets/<dataset_id>/documents` | List Documents |
-| **External** | `api/apps/sdk/doc.py` | `delete` | `/api/v1/datasets/<dataset_id>/documents` | Delete Document |
-| **External** | `api/apps/sdk/doc.py` | `update_doc` | `/api/v1/datasets/<dataset_id>/documents/<document_id>` | Update Document |
-| **External** | `api/apps/sdk/doc.py` | `download` | `/api/v1/datasets/<dataset_id>/documents/<document_id>` | Download Document |
-| **External** | `api/apps/sdk/doc.py` | `list_chunks` | `/api/v1/datasets/<dataset_id>/documents/<document_id>/chunks` | List Chunks |
-| **External** | `api/apps/sdk/doc.py` | `add_chunk` | `/api/v1/datasets/<dataset_id>/documents/<document_id>/chunks` | Add Chunk |
-| **External** | `api/apps/sdk/doc.py` | `update_chunk` | `/api/v1/datasets/<dataset_id>/documents/<document_id>/chunks/<chunk_id>` | Update Chunk |
-| **External** | `api/apps/sdk/dataset.py` | `knowledge_graph` | `/api/v1/datasets/<dataset_id>/knowledge_graph` | Knowledge Graph |
-| **External** | `api/apps/sdk/dataset.py` | `delete_knowledge_graph` | `/api/v1/datasets/<dataset_id>/knowledge_graph` | Delete Knowledge Graph |
-| **External** | `api/apps/sdk/doc.py` | `metadata_summary` | `/api/v1/datasets/<dataset_id>/metadata/summary` | Metadata Summary |
-| **External** | `api/apps/sdk/doc.py` | `metadata_batch_update` | `/api/v1/datasets/<dataset_id>/metadata/update` | Batch Update Metadata |
-| **External** | `api/apps/sdk/dataset.py` | `run_graphrag` | `/api/v1/datasets/<dataset_id>/run_graphrag` | Run GraphRAG |
-| **External** | `api/apps/sdk/dataset.py` | `run_raptor` | `/api/v1/datasets/<dataset_id>/run_raptor` | Run Raptor |
-| **External** | `api/apps/sdk/dataset.py` | `trace_graphrag` | `/api/v1/datasets/<dataset_id>/trace_graphrag` | Trace GraphRAG |
-| **External** | `api/apps/sdk/dataset.py` | `trace_raptor` | `/api/v1/datasets/<dataset_id>/trace_raptor` | Trace Raptor |
-| **External** | `api/apps/sdk/dify_retrieval.py` | `retrieval` | `/api/v1/dify/retrieval` | Dify Retrieval |
-| **External** | `api/apps/sdk/files.py` | `get_all_parent_folders` | `/api/v1/file/all_parent_folder` | Get All Parent Folders |
-| **External** | `api/apps/sdk/files.py` | `convert` | `/api/v1/file/convert` | File Convert |
-| **External** | `api/apps/sdk/files.py` | `create` | `/api/v1/file/create` | File Create |
-| **External** | `api/apps/sdk/files.py` | `download_attachment` | `/api/v1/file/download/<attachment_id>` | Download Attachment |
-| **External** | `api/apps/sdk/files.py` | `get` | `/api/v1/file/get/<file_id>` | Get File |
-| **External** | `api/apps/sdk/files.py` | `list_files` | `/api/v1/file/list` | List Files |
-| **External** | `api/apps/sdk/files.py` | `move` | `/api/v1/file/mv` | Move File |
-| **External** | `api/apps/sdk/files.py` | `get_parent_folder` | `/api/v1/file/parent_folder` | Get Parent Folder |
-| **External** | `api/apps/sdk/files.py` | `rename` | `/api/v1/file/rename` | Rename File |
-| **External** | `api/apps/sdk/files.py` | `rm` | `/api/v1/file/rm` | Remove File |
-| **External** | `api/apps/sdk/files.py` | `get_root_folder` | `/api/v1/file/root_folder` | Get Root Folder |
-| **External** | `api/apps/sdk/files.py` | `upload` | `/api/v1/file/upload` | Upload File |
-| **External** | `api/apps/sdk/doc.py` | `retrieval_test` | `/api/v1/retrieval` | Retrieval Test |
-| **External** | `api/apps/sdk/session.py` | `ask_about_embedded` | `/api/v1/searchbots/ask` | Searchbot Ask |
-| **External** | `api/apps/sdk/session.py` | `detail_share_embedded` | `/api/v1/searchbots/detail` | Searchbot Detail |
-| **External** | `api/apps/sdk/session.py` | `mindmap` | `/api/v1/searchbots/mindmap` | Searchbot Mindmap |
-| **External** | `api/apps/sdk/session.py` | `related_questions_embedded` | `/api/v1/searchbots/related_questions` | Searchbot Related Questions |
-| **External** | `api/apps/sdk/session.py` | `retrieval_test_embedded` | `/api/v1/searchbots/retrieval_test` | Searchbot Retrieval Test |
-| **External** | `api/apps/sdk/session.py` | `ask_about` | `/api/v1/sessions/ask` | Session Ask |
-| **External** | `api/apps/sdk/session.py` | `related_questions` | `/api/v1/sessions/related_questions` | Session Related Questions |
-| **External** | `api/apps/sdk/agents.py` | `webhook` | `/api/v1/webhook_test/<agent_id>` | Webhook Test |
-| **External** | `api/apps/sdk/agents.py` | `webhook_trace` | `/api/v1/webhook_trace/<agent_id>` | Webhook Trace |
-| **External** | `api/apps/sdk/doc.py` | `rm_chunk` | `/api/v1datasets/<dataset_id>/documents/<document_id>/chunks` | Remove Chunk |
-
-
-## 2. Internal APIs (内部前端体系)
-**Path Prefix:** `/v1/<app_name>` matches file `api/apps/<app_name>_app.py`
-**Authentication:** Session/Cookie (`@login_required`)
-**Primary Use:** RAGFlow Web Frontend.
-
-**Selected Core Interfaces:**
-
-| Interface Type | Python File Path | Class/Function Name | URL Pattern | Notes |
-|---|---|---|---|---|
-| Internal | `api/apps/user_app.py` | `login` | `/v1/user/login` | User Login (Frontend) |
-| Internal | `api/apps/user_app.py` | `log_out` | `/v1/user/logout` | User Logout |
-| Internal | `api/apps/user_app.py` | `user_add` | `/v1/user/register` | User Registration |
-| Internal | `api/apps/user_app.py` | `user_profile` | `/v1/user/info` | User Profile Info |
-| Internal | `api/apps/api_app.py` | `new_token` | `/v1/api/new_token` | Generate new API Token |
-| Internal | `api/apps/conversation_app.py` | `set_conversation` | `/v1/conversation/set` | Create/Update Conversation |
-| Internal | `api/apps/conversation_app.py` | `completion` | `/v1/conversation/completion` | Chat Conversation Completion |
-| Internal | `api/apps/kb_app.py` | `list_kbs` | `/v1/kb/list` | List Knowledge Bases |
-| Internal | `api/apps/kb_app.py` | `create` | `/v1/kb/create` | Create Knowledge Base |
-| Internal | `api/apps/document_app.py` | `upload` | `/v1/document/upload` | Upload Document to KB |
-| Internal | `api/apps/document_app.py` | `parse` | `/v1/document/parse` | Parse Document |
-
-*(For a complete list of all 200+ internal APIs, please refer to the `api_endpoints.txt` file or the full scan results)*
@@ -1,279 +0,0 @@
-# RAGFlow Agent 与 Dify 兼容接口详解 (Agent & Dify Compatibility)
-
-## 1. Dify 兼容检索 - `retrieval`
-**接口描述**: 模拟 Dify API 格式的知识库检索接口。此接口主要用于让现有的 Dify 客户端或系统能够方便地接入 RAGFlow 的知识库检索能力。它支持文本检索、混合检索以及通过元数据过滤文档。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/dify/retrieval`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 默认值 | 说明 |
-|---|---|---|---|---|
-| knowledge_id | string | 是 | - | **知识库 ID**。 |
-| query | string | 是 | - | **查询文本**。用户输入的检索问题。 |
-| use_kg | boolean | 否 | false | **使用知识图谱**。是否结合知识图谱进行检索。 |
-| retrieval_setting | object | 否 | {} | **检索配置**。包含相似度阈值和 Top-K。 |
-| metadata_condition | object | 否 | {} | **元数据过滤条件**。用于筛选特定文档。 |
-
-#### 参数详情 (Detail Objects)
-**retrieval_setting**:
-```json
-{
-  "score_threshold": 0.5, // 相似度阈值 (default: 0.0)
-  "top_k": 5              // 返回数量 (default: 1024)
-}
-```
-
-**metadata_condition**:
-```json
-{
-  "logic": "and", // 逻辑关系 (and/or)
-  "conditions": [
-    {
-      "name": "author",           // 字段名
-      "comparison_operator": "eq",// 运算符 (eq, ne, gt, lt 等)
-      "value": "Alice"            // 字段值
-    }
-  ]
-}
-```
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "records": [
-      {
-        "content": "RAGFlow 是一个基于深度文档理解的检索增强生成引擎...",
-        "score": 0.92,
-        "title": "RAGFlow_Introduction.pdf",
-        "metadata": {
-          "doc_id": "doc_uuid_123",
-          "author": "Alice",
-          "publish_year": "2024"
-        }
-      },
-      {
-        "content": "DeepDOC 模型能够精准识别复杂的表格结构...",
-        "score": 0.88,
-        "title": "DeepDOC_Tech_Report.pdf",
-        "metadata": {
-          "doc_id": "doc_uuid_456",
-          "author": "Bob"
-        }
-      }
-    ]
-  }
-}
-```
-
---
-
-## 2. 创建 Agent 会话 - `create_agent_session`
-**接口描述**: 创建一个新的 Agent 会话 (Session)。会话是用户与 Agent 交互的上下文容器，保存了历史对话记录和 DSL（领域特定语言）状态。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/agents/<agent_id>/sessions`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| agent_id | string | 是 | **Agent ID**。 |
-
-#### Query Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| user_id | string | 否 | **用户标识**。用于区分不同终端用户的会话。若不传，默认为当前 Tenant ID。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "id": "session_uuid_new_123",
-    "agent_id": "agent_uuid_abc",
-    "user_id": "user_123",
-    "source": "agent",
-    "dsl": { ... }, // 完整的 Agent DSL 定义
-    "messages": [
-      {
-        "role": "assistant",
-        "content": "你好！我是你的智能助手，有什么可以帮你的吗？" // Prologue (开场白)
-      }
-    ]
-  }
-}
-```
-
---
-
-## 3. 获取 Agent 会话列表 - `list_agent_session`
-**接口描述**: 分页获取指定 Agent 下的会话列表。支持按 ID 或 User ID 过滤。
-**请求方法**: `GET`
-**接口地址**: `/api/v1/agents/<agent_id>/sessions`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| agent_id | string | 是 | **Agent ID**。 |
-
-#### Query Parameters
-| 参数名 | 类型 | 必填 | 默认值 | 说明 |
-|---|---|---|---|---|
-| page | int | 否 | 1 | **页码**。 |
-| page_size | int | 否 | 30 | **每页数量**。 |
-| orderby | string | 否 | "update_time" | **排序字段**。 |
-| desc | boolean | 否 | true | **是否降序**。 |
-| id | string | 否 | - | **会话 ID**。精确筛选。 |
-| user_id | string | 否 | - | **用户标识**。筛选特定用户的会话。 |
-| dsl | boolean | 否 | true | **包含 DSL**。是否在返回结果中包含完整的 DSL 结构 (数据量较大)。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": [
-    {
-      "id": "session_uuid_123",
-      "agent_id": "agent_uuid_abc",
-      "user_id": "user_123",
-      "create_time": 1715000000000,
-      "update_time": 1715000050000,
-      "source": "agent",
-      "messages": [
-        {
-          "role": "assistant",
-          "content": "Hi there!"
-        },
-        {
-          "role": "user",
-          "content": "What is RAG?"
-        }
-      ]
-    }
-  ]
-}
-```
-
---
-
-## 4. 删除 Agent 会话 - `delete_agent_session`
-**接口描述**: 批量删除 Agent 会话。
-**请求方法**: `DELETE`
-**接口地址**: `/api/v1/agents/<agent_id>/sessions`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| agent_id | string | 是 | **Agent ID**。 |
-
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| ids | array<string> | 否 | **会话 ID 列表**。若不传该参数，将尝试删除(或清空)该 Agent 下的所有会话（需谨慎）。 |
-
-**Request Example**:
-```json
-{
-  "ids": ["session_id_1", "session_id_2"]
-}
-```
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "success_count": 2,
-    "errors": []
-  }
-}
-```
-
---
-
-## 5. Agent 对话 (流式) - `agent_completions`
-**接口描述**: 向 Agent 发送用户问题并获取回复。这是 Agent 交互的核心接口，支持 **Server-Sent Events (SSE)** 流式响应。Agent 会根据编排好的 DSL 流程执行（可能涉及多个节点、知识库检索、LLM 推理等），并实时推送执行过程和最终结果。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/agents/<agent_id>/completions`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| agent_id | string | 是 | **Agent ID**。 |
-
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 默认值 | 说明 |
-|---|---|---|---|---|
-| session_id | string | 是 | - | **会话 ID**。必须是 `create_agent_session` 返回的 ID。 |
-| question | string | 是 | - | **用户问题**。 |
-| stream | boolean | 否 | true | **是否流式响应**。强烈建议设为 `true` 以获得更好的用户体验。 |
-| return_trace | boolean | 否 | false | **返回执行轨迹**。如果为 `true`，流式响应中将包含各个节点的执行过程数据 (Trace)。 |
-
-### 响应参数 (Stream Response)
-**Content-Type**: `text/event-stream`
-
-响应是一个 SSE 流，每一行以 `data:` 开头，包含一个 JSON 对象。
-
-**Event Types**:
- `message`: 普通文本消息片段。
- `node_finished`: (当 `return_trace=true` 时) 节点执行完成事件，包含节点输出数据。
- `message_end`: 消息结束。
- `[DONE]`: 流结束标志。
-
-#### Stream Chunk Examples:
-
-**1. 文本生成片段 (message)**:
-```text
-data:{"code": 0, "message": "success", "data": {"content": "Hello", "reference": {}, "id": "msg_uuid_1"}, "event": "message"}
-
-data:{"code": 0, "message": "success", "data": {"content": " world", "reference": {}, "id": "msg_uuid_1"}, "event": "message"}
-```
-
-**2. 节点执行轨迹 (node_finished, return_trace=true)**:
-```text
-data:{"code": 0, "message": "success", "data": {"component_id": "retrieval_node_1", "content": "...", "trace": [...]}, "event": "node_finished"}
-```
-
-**3. 最终结束 (DONE)**:
-```text
-data:[DONE]
-```
-
-#### Non-Stream Response (stream=false)
-如果不使用流式响应，将等待 Agent 全流程执行完毕后一次性返回 JSON。
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "content": "Hello world! This is the final answer.",
-    "reference": {
-        "chunk_id_1": { ... } // 引用来源
-    },
-    "trace": [ ... ] // 如果 return_trace=true
-  }
-}
-```
@@ -1,233 +0,0 @@
-## 1. 获取 Agent 列表 - `list_agents`
-**接口描述**: 分页查询当前租户下的所有 Agent 列表，支持按 ID 或标题筛选。
-**请求方法**: `GET`
-**接口地址**: `/api/v1/agents`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-无
-
-#### Query Parameters
-| 参数名 | 类型 | 必填 | 默认值 | 说明 |
-|---|---|---|---|---|
-| page | int | 否 | 1 | 页码 |
-| page_size | int | 否 | 30 | 每页条数 |
-| orderby | string | 否 | update_time | 排序字段 (create_time, update_time, title) |
-| desc | boolean | 否 | True | 是否降序排列 (True: 降序, False: 升序) |
-| id | string | 否 | - | 按 Agent ID 精确筛选 |
-| title | string | 否 | - | 按 Agent 标题精确筛选 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": [
-    {
-      "id": "e0d34e2c-...",
-      "title": "My Assistant",
-      "description": "A helpful AI assistant",
-      "dsl": { ... }, // Agent 的 DSL 流程定义
-      "user_id": "tenant_123",
-      "avatar": "", // 头像 Base64 或 URL
-      "canvas_category": "Agent",
-      "create_time": 1715623400000,
-      "update_time": 1715624500000
-    }
-  ]
-}
-```
-
---
-
-## 2. 创建 Agent - `create_agent`
-**接口描述**: 创建一个新的 Agent，必须包含标题和 DSL 定义。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/agents`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-无
-
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 默认值 | 说明 |
-|---|---|---|---|---|
-| title | string | 是 | - | Agent 的名称 (必须唯一) |
-| dsl | object | 是 | - | Agent 的流程定义 (节点、连线配置) |
-| description | string | 否 | - | Agent 的功能描述 |
-| avatar | string | 否 | - | Agent 头像 (Base64 字符串或 URL) |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": true
-}
-```
-
---
-
-## 3. 更新 Agent - `update_agent`
-**接口描述**: 更新指定 Agent 的配置信息，支持增量更新（仅传递需要修改的字段）。
-**请求方法**: `PUT`
-**接口地址**: `/api/v1/agents/<agent_id>`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| agent_id | string | 是 | 要更新的 Agent ID |
-
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 默认值 | 说明 |
-|---|---|---|---|---|
-| title | string | 否 | - | 新的 Agent 名称 |
-| dsl | object | 否 | - | 新的 DSL 流程定义 |
-| description | string | 否 | - | 新的功能描述 |
-| avatar | string | 否 | - | 新的头像 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": true
-}
-```
-
---
-
-## 4. 删除 Agent - `delete_agent`
-**接口描述**: 根据 ID 删除指定的 Agent。此操作不可恢复。
-**请求方法**: `DELETE`
-**接口地址**: `/api/v1/agents/<agent_id>`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| agent_id | string | 是 | 要删除的 Agent ID |
-
-#### Body Parameters (JSON)
-无
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": true
-}
-```
-
---
-
-## 5. Webhook 测试触发 - `webhook`
-**接口描述**: 用于测试 Agent 的 Webhook 触发功能。该接口模拟外部系统调用，触发 Agent 按照配置的 "Begin" 节点逻辑开始执行。支持同步等待结果或流式返回（取决于 Agent 配置）。
-**请求方法**: `POST` (支持 GET/PUT/DELETE 等，取决于 Canvas 配置)
-**接口地址**: `/api/v1/webhook_test/<agent_id>`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| agent_id | string | 是 | Agent 的唯一标识符 |
-
-#### Query / Headers / Body Parameters
-**说明**: 此接口的参数完全动态，取决于 Agent 画布中 **"Begin" (开始)** 节点的 **Webhook** 配置。
- 如果配置了 Query 参数验证，则需在 URL 中传递对应参数。
- 如果配置了 Header 验证，则需传递对应 Header。
- **Body**: 通常为 JSON 格式，包含 Agent 运行所需的变量（inputs）或上下文数据。
-
-**Body Example (JSON)**:
-```json
-{
-  "inputs": {
-    "topic": "AI Trends",
-    "style": "professional"
-  },
-  "query": "Start generation"
-}
-```
-
-### 响应参数 (Response)
-**Content-Type**: `application/json` (或 `text/event-stream`)
-
-**即时响应模式 (Immediately)**:
-```json
-{
-  "code": 0,
-  "data": {
-    "content": "生成的回答内容...",
-    "usage": { ... }
-  }
-}
-```
-
-**流式响应模式 (SSE)**:
-如果不使用 `webhook_test` 而是生产环境 `webhook` 且配置为 SSE，则返回流式数据。但在 `webhook_test` 接口中，通常配合 `webhook_trace` 进行异步调试。
-
---
-
-## 6. Webhook 执行轨迹查询 - `webhook_trace`
-**接口描述**: 轮询查询 Agent 在 Webhook 测试触发后的执行日志和中间状态。采用长轮询或游标机制，实时获取执行进度。
-**请求方法**: `GET`
-**接口地址**: `/api/v1/webhook_trace/<agent_id>`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| agent_id | string | 是 | Agent 的唯一标识符 |
-
-#### Query Parameters
-| 参数名 | 类型 | 必填 | 默认值 | 说明 |
-|---|---|---|---|---|
-| since_ts | float | 否 | 当前时间 | 起始时间戳。返回此时间之后的日志事件。首次调用可不传（获取当前时间作为游标）。 |
-| webhook_id | string | 否 | - | Webhook 会话 ID。用于锁定特定的某次执行记录。首次轮询时不传，接口会返回新生成的 ID。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "webhook_id": "YWdlbnxxxx...",  // 当前追踪的会话 ID (加密串)
-    "finished": false,              // 执行是否已结束 (true/false)
-    "next_since_ts": 1715629999.5,  // 下一次轮询应使用的 since_ts
-    "events": [                     // 本次轮询获取到的新事件列表
-      {
-        "ts": 1715629998.1,
-        "event": "message",         // 事件类型: message, start_to_think, finished, error 等
-        "data": {
-            "content": "思考中...",
-            "reference": []
-        }
-      }
-    ]
-  }
-}
-```
-
-### 💡 最佳实践 (调试流程)
-1.  **初始化**: 调用 `GET /webhook_trace/<id>` (不带参数)，获取 `next_since_ts` (记为 `T0`)。
-2.  **触发**: 调用 `POST /webhook_test/<id>` 发送测试数据。
-3.  **首帧捕获**: 循环调用 `GET /webhook_trace/<id>?since_ts=T0`，直到返回 `webhook_id` (记为 `WID`) 和第一批 `events`。
-4.  **持续追踪**: 使用 `WID` 和响应中的 `next_since_ts` 持续轮询，直到 `data.finished == true`。
@@ -1,164 +0,0 @@
-# RAGFlow 对话交互接口详解 (Chat Completion & OpenAI Compatibility)
-
-## 5. 对话助手对话 (流式) - `chat_completion`
-**接口描述**: 发送问题给对话助手 (Assistant/Chat) 并获取回复。这是 RAGFlow 最核心的原生对话接口，支持 **Server-Sent Events (SSE)** 流式响应。它会根据助手绑定的知识库进行 RAG 检索生成。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/chats/<chat_id>/completions`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| chat_id | string | 是 | **助手 ID**。 |
-
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 默认值 | 说明 |
-|---|---|---|---|---|
-| session_id | string | 是 | - | **会话 ID**。从 `create_chat_session` 获取。 |
-| question | string | 是 | - | **用户问题**。 |
-| stream | boolean | 否 | true | **是否流式响应**。 |
-| quote | boolean | 否 | false | **返回引用**。是否在响应中包含检索到的引用片段。 |
-| doc_ids | string | 否 | - | **限定文档 ID**。多个 ID 用逗号分隔，仅检索指定文档。 |
-| metadata_condition | object | 否 | {} | **元数据过滤**。用于限定检索范围。 |
-
-### 响应参数 (Stream Response)
-**Content-Type**: `text/event-stream`
-
-每一行数据以 `data:` 开头，包含一个 JSON 对象。
-
-**Event Example**:
-```text
-data:{"code": 0, "message": "success", "data": {"answer": "Hello", "reference": {}}}
-
-data:{"code": 0, "message": "success", "data": {"answer": " world!", "reference": {}}}
-
-data:{"code": 0, "message": "success", "data": {"answer": "", "reference": {"chunk_1": {...}}}} // 引用数据
-```
-
-### 响应参数 (Non-Stream Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "answer": "Hello world! This is the generated response.",
-    "reference": {
-      "chunk_id_1": {
-        "content_with_weight": "Original text...",
-        "doc_name": "manual.pdf"
-      }
-    }
-  }
-}
-```
-
---
-
-## 6. OpenAI 兼容对话 - `chat_completion_openai_like`
-**接口描述**: 提供与 **OpenAI API (`/v1/chat/completions`)** 完全兼容的接口。允许开发者使用 LangChain、OpenAI Python SDK 或其他支持 OpenAI 协议的工具直接调用 RAGFlow，实现无缝迁移。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/chats_openai/<chat_id>/chat/completions`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| chat_id | string | 是 | **助手 ID**。在此上下文中充当 "Base URL" 的一部分。 |
-
-#### Body Parameters (JSON - OpenAI Standard)
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| messages | array | 是 | **消息列表**。包含 `role` (system/user/assistant) 和 `content`。 |
-| model | string | 是 | **模型名称**。可以是任意非空字符串 (RAGFlow 会使用助手预设的模型)。 |
-| stream | boolean | 否 | **是否流式**。默认为 `true`。 |
-
-**Request Example**:
-```json
-{
-  "model": "ragflow_default",
-  "messages": [
-    {"role": "system", "content": "You are a helpful assistant."},
-    {"role": "user", "content": "Explain quantum physics."}
-  ],
-  "stream": true
-}
-```
-
-### 响应参数 (Stream Response - OpenAI Format)
-**Content-Type**: `text/event-stream`
-
-严格遵循 OpenAI Chunk 格式：
-
-```text
-data: {"id": "chatcmpl-123", "object": "chat.completion.chunk", "created": 1715000000, "model": "model", "choices": [{"index": 0, "delta": {"role": "assistant", "content": ""}, "finish_reason": null}]}
-
-data: {"id": "chatcmpl-123", "object": "chat.completion.chunk", "created": 1715000001, "model": "model", "choices": [{"index": 0, "delta": {"content": "Quantum"}, "finish_reason": null}]}
-
-data: {"id": "chatcmpl-123", "object": "chat.completion.chunk", "created": 1715000002, "model": "model", "choices": [{"index": 0, "delta": {"content": " physics"}, "finish_reason": null}]}
-
-data: [DONE]
-```
-
---
-
-## 7. 嵌入式 Chatbot 对话 - `chatbot_completions`
-**接口描述**: 专为 **嵌入式窗口 (Embed Window)** 设计的公开对话接口。它通常用于将 RAGFlow 助手作为客服窗口嵌入到第三方网站。与普通接口不同，它通过 `Authorization` Header 传递 **Beta Token** (即 API Key) 进行鉴权，且通常面向最终用户。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/chatbots/<dialog_id>/completions`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| dialog_id | string | 是 | **助手 ID** (Dialog ID)。 |
-
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 默认值 | 说明 |
-|---|---|---|---|---|
-| question | string | 是 | - | **用户问题**。 |
-| stream | boolean | 否 | true | **是否流式**。 |
-| session_id | string | 否 | - | **会话 ID**。用于维持上下文。 |
-| quote | boolean | 否 | false | **返回引用**。 |
-
-### 响应参数 (Stream Response)
-**Content-Type**: `text/event-stream`
-
-与 `chat_completion` 类似，返回 RAGFlow 原生 SSE 格式。
-
-```text
-data:{"code": 0, "message": "success", "data": {"answer": "Here is the answer...", "reference": {}}}
-```
-
---
-
-## 8. Chatbot 初始化信息 - `chatbots_inputs`
-**接口描述**: 获取嵌入式 Chatbot 的初始化配置信息。通常在前端组件加载时调用，用于展示助手的头像、名称、开场白 (Prologue) 等信息。
-**请求方法**: `GET`
-**接口地址**: `/api/v1/chatbots/<dialog_id>/info`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| dialog_id | string | 是 | **助手 ID**。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "title": "IT Support Bot",          // 助手名称
-    "avatar": "http://...",             // 头像 URL
-    "prologue": "Hi! How can I help?"   // 开场白
-  }
-}
-```
@@ -1,208 +0,0 @@
-# RAGFlow 聊天助手会话管理接口详解 (Chat Assistant Session Management)
-
-## 1. 创建会话 - `create_chat_session`
-**接口描述**: 为指定的聊天助手 (Chat/Assistant) 创建一个新的会话。系统会自动加载该助手的开场白 (Prologue) 作为第一条消息。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/chats/<chat_id>/sessions`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| chat_id | string | 是 | **助手 ID** (Assistant/Dialog ID)。 |
-
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 默认值 | 说明 |
-|---|---|---|---|---|
-| name | string | 否 | "New session" | **会话名称**。 |
-| user_id | string | 否 | - | **用户标识**。用于区分不同终端用户的会话。 |
-
-**Request Example**:
-```json
-{
-  "name": "Consulting regarding RAG",
-  "user_id": "client_001"
-}
-```
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "id": "session_uuid_123",
-    "chat_id": "chat_uuid_abc",
-    "name": "Consulting regarding RAG",
-    "user_id": "client_001",
-    "create_time": 1715000000000,
-    "create_date": "2024-05-01 10:00:00",
-    "update_time": 1715000000000,
-    "update_date": "2024-05-01 10:00:00",
-    "messages": [
-      {
-        "role": "assistant",
-        "content": "Hi! I am your AI assistant. How can I help you today?" // 自动加载的开场白
-      }
-    ]
-  }
-}
-```
-
---
-
-## 2. 获取会话列表 - `list_chat_session`
-**接口描述**: 分页获取指定助手下的会话列表。支持按名称或用户 ID 过滤。
-**请求方法**: `GET`
-**接口地址**: `/api/v1/chats/<chat_id>/sessions`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| chat_id | string | 是 | **助手 ID**。 |
-
-#### Query Parameters
-| 参数名 | 类型 | 必填 | 默认值 | 说明 |
-|---|---|---|---|---|
-| page | int | 否 | 1 | **页码**。 |
-| page_size | int | 否 | 30 | **每页数量**。 |
-| orderby | string | 否 | "create_time" | **排序字段**。 |
-| desc | boolean | 否 | true | **是否降序**。 |
-| name | string | 否 | - | **会话名称搜索**。 |
-| id | string | 否 | - | **会话 ID 精确筛选**。 |
-| user_id | string | 否 | - | **用户标识筛选**。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": [
-    {
-      "id": "session_uuid_123",
-      "chat_id": "chat_uuid_abc",
-      "name": "Consulting regarding RAG",
-      "user_id": "client_001",
-      "create_time": 1715000000000,
-      "create_date": "2024-05-01 10:00:00",
-      "update_time": 1715000050000,
-      "update_date": "2024-05-01 10:00:50",
-      "messages": [
-        {
-          "role": "assistant",
-          "content": "Hi! I am your AI assistant. How can I help you today?"
-        },
-        {
-          "role": "user",
-          "content": "What is RAGFlow?"
-        }
-      ]
-    },
-    {
-      "id": "session_uuid_456",
-      "chat_id": "chat_uuid_abc",
-      "name": "New session",
-      "user_id": "client_002",
-      "create_time": 1714900000000,
-      "create_date": "2024-04-30 09:00:00",
-      "update_time": 1714900000000,
-      "update_date": "2024-04-30 09:00:00",
-      "messages": [ ... ]
-    }
-  ]
-}
-```
-
---
-
-## 3. 更新会话 - `update_chat_session`
-**接口描述**: 更新会话信息。目前主要用于 **重命名** 会话。注意：不能通过此接口修改消息记录 (`messages`)。
-**请求方法**: `PUT`
-**接口地址**: `/api/v1/chats/<chat_id>/sessions/<session_id>`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| chat_id | string | 是 | **助手 ID**。 |
-| session_id | string | 是 | **会话 ID**。 |
-
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| name | string | 否 | **新的会话名称**。不可为空字符串。 |
-
-**Request Example**:
-```json
-{
-  "name": "RAG Technical Discussion"
-}
-```
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": null
-}
-```
-
---
-
-## 4. 删除会话 - `delete_chat_session`
-**接口描述**: 批量删除指定助手下的会话。
-**请求方法**: `DELETE`
-**接口地址**: `/api/v1/chats/<chat_id>/sessions`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| chat_id | string | 是 | **助手 ID**。 |
-
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| ids | array<string> | 否 | **待删除的会话 ID 列表**。若不传该参数，将尝试删除该助手下的**所有会话**（请极其谨慎使用）。 |
-
-**Request Example**:
-```json
-{
-  "ids": ["session_uuid_123", "session_uuid_456"]
-}
-```
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": null // 若全部删除成功
-}
-```
-
-**Response (部分成功时)**:
-```json
-{
-  "code": 0,
-  "message": "Partially deleted 1 sessions with 1 errors",
-  "data": {
-    "success_count": 1,
-    "errors": ["The chat doesn't own the session session_uuid_999"]
-  }
-}
-```
@@ -1,213 +0,0 @@
-## 1. 创建助手应用 - `create`
-**接口描述**: 创建一个新的对话助手（Chat Assistant）。支持配置关联知识库、LLM 模型参数、提示词（Prompt）以及开场白等高级设置。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/chats`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-无
-
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 默认值 | 说明 |
-|---|---|---|---|---|
-| name | string | 是 | - | 助手应用名称 (租户内唯一) |
-| avatar | string | 否 | - | 助手头像 (URL 或 Base64 字符串) |
-| description | string | 否 | "A helpful Assistant" | 助手的功能描述 |
-| dataset_ids | array | 否 | [] | 关联的知识库 ID 列表 (必须是当前租户有权限访问的知识库) |
-| llm | object | 否 | - | LLM 模型生成配置 (如模型名称、温度等) |
-| prompt | object | 否 | - | 提示词引擎与检索配置 (包含 System Prompt, Opener, Rerank 等) |
-
-**`llm` 对象详细结构**:
-| 参数名 | 类型 | 必填 | 默认值 | 说明 |
-|---|---|---|---|---|
-| model_name | string | 是 | - | 模型名称 (例如: `deepseek-chat`, `gpt-4`, `qwen-turbo`) |
-| temperature | float | 否 | 0.1 | 温度系数 (0.0 ~ 1.0)，越高越随机，越低越确定 |
-| top_p | float | 否 | 0.3 | 核采样概率阈值 |
-| max_tokens | int | 否 | 512 | 单次回答的最大 Token 数限制 |
-| presence_penalty | float | 否 | 0.4 | 话题新鲜度惩罚 (-2.0 ~ 2.0)，正值鼓励讨论新话题 |
-| frequency_penalty | float | 否 | 0.7 | 频率惩罚 (-2.0 ~ 2.0)，正值减少重复词汇 |
-
-**`prompt` 对象详细结构**:
-*注意：此对象包含“提示词配置”与“检索策略配置”两部分。*
-
-| 参数名 | 类型 | 必填 | 默认值 | 说明 |
-|---|---|---|---|---|
-| prompt | string | 否 | (内置默认提示词) | **System Prompt (系统提示词)**。给大模型的角色指令，例如 "你是一个客服..."。可使用变量占位符 `{knowledge}`。 |
-| opener | string | 否 | "Hi! I'm your assistant..." | **开场白**。用户进入对话窗口时，助手自动发送的第一条欢迎语。 |
-| show_quote | boolean | 否 | true | **显示引用**。回答中是否标注来源文档 (e.g., [1])。 |
-| variables | array | 否 | `[{"key": "knowledge", "optional": false}]` | **变量列表**。定义用于填充 System Prompt 的变量。`knowledge` 为保留变量，代表检索到的知识片段。 |
-| rerank_model | string | 否 | - | **重排序模型 ID**。配置后会对检索结果进行二次精排 (如 `BAAI/bge-reranker-v2-m3`)。 |
-| keywords_similarity_weight | float | 否 | 0.7 | **关键字权重** (0.0 ~ 1.0)。控制混合检索的比例。更接近 1.0 侧重关键字匹配，更接近 0.0 侧重向量语义匹配。 |
-| similarity_threshold | float | 否 | 0.2 | **相似度阈值** (0.0 ~ 1.0)。低于此相似度的文档块将被过滤，不喂给大模型。 |
-| top_n | int | 否 | 6 | **Top N**。最终截取并输入给大模型的文档块数量。 |
-| empty_response | string | 否 | "Sorry! No relevant..." | **空结果回复**。当没有检索到相关知识库内容时的兜底回复。 |
-| tts | boolean | 否 | false | **启用 TTS**。是否将助手的文本回答自动转为语音播放。 |
-| refine_multiturn | boolean | 否 | true | **多轮对话优化**。是否根据历史上下文重写用户问题 (Query Rewrite) 以提高检索准确率。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "id": "e0d34e2c-1234-5678-9xxx-xxxxxxxxxxxx",
-    "name": "企业知识库助手",
-    "avatar": "http://example.com/avatar.png",
-    "description": "用于回答员工内部问题的 AI",
-    "dataset_ids": ["kb_123", "kb_456"],
-    "llm": {
-      "model_name": "deepseek-chat",
-      "temperature": 0.1,
-      "top_p": 0.3,
-      "max_tokens": 512,
-      "presence_penalty": 0.4,
-      "frequency_penalty": 0.7
-    },
-    "prompt": {
-      "prompt": "你是一个智能助手，请根据以下知识回答问题：\n{knowledge}",
-      "opener": "你好！有什么可以帮你的？",
-      "show_quote": true,
-      "variables": [
-        { "key": "knowledge", "optional": false }
-      ],
-      "rerank_model": "",
-      "keywords_similarity_weight": 0.7,
-      "similarity_threshold": 0.2,
-      "top_n": 8,
-      "empty_response": "抱歉，知识库中没有找到相关答案。",
-      "tts": false,
-      "refine_multiturn": true
-    },
-    "create_time": 1715623400000,
-    "update_time": 1715624500000
-  }
-}
-```
-
---
-
-## 2. 获取助手列表 - `list_chat`
-**接口描述**: 获取当前租户下的所有助手应用列表。支持分页、排序及按名称/ID筛选。
-**请求方法**: `GET`
-**接口地址**: `/api/v1/chats`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-无
-
-#### Query Parameters
-| 参数名 | 类型 | 必填 | 默认值 | 说明 |
-|---|---|---|---|---|
-| page | int | 否 | 1 | 页码 |
-| page_size | int | 否 | 30 | 每页条数 |
-| orderby | string | 否 | create_time | 排序字段 (`create_time`, `update_time`) |
-| desc | boolean | 否 | true | 是否降序排列 (`true`: 降序, `false`: 升序) |
-| name | string | 否 | - | 按名称模糊搜索 (支持 partial match) |
-| id | string | 否 | - | 按 ID 精确筛选 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": [
-    {
-      "id": "e0d34e2c-...",
-      "name": "客服机器人",
-      "avatar": "http://...",
-      "datasets": [
-        {
-          "id": "kb_1",
-          "name": "产品手册",
-          "avatar": "",
-          "chunk_num": 100
-        }
-      ],
-      "llm": { ... },     // (结构同 create 接口响应)
-      "prompt": { ... },  // (结构同 create 接口响应)
-      "create_time": 1715623400000
-    }
-  ]
-}
-```
-
---
-
-## 3. 更新助手配置 - `update`
-**接口描述**: 更新指定助手应用的配置信息。支持全量或增量更新部分字段。
-**请求方法**: `PUT`
-**接口地址**: `/api/v1/chats/<chat_id>`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| chat_id | string | 是 | 助手应用 ID |
-
-#### Body Parameters (JSON)
-*(以下所有字段均为可选，仅传递需要修改的字段即可)*
-
-| 参数名 | 类型 | 默认值 | 说明 |
-|---|---|---|---|
-| name | string | - | 新的助手名称 |
-| avatar | string | - | 新的头像 URL 或 Base64 |
-| dataset_ids | array | - | **全量替换**关联的知识库 ID 列表 |
-| llm | object | - | 更新 LLM 配置。需包含 `model_name`，其他字段覆盖更新。 |
-| prompt | object | - | 更新提示词配置。支持增量更新 (e.g. 只改 `opener`)。 |
-| show_quotation | boolean | - | 是否显示引用来源 (此字段直接位于根对象下，对应 prompt.show_quote) |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": null
-}
-```
-
---
-
-## 4. 批量删除助手 - `delete_chats`
-**接口描述**: 批量删除一个或多个助手应用。
-**请求方法**: `DELETE`
-**接口地址**: `/api/v1/chats`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-无
-
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| ids | array<string> | 是 | 要删除的助手应用 ID 列表。**⚠️ 注意：若列表为空或不传，虽然后端有全量删除逻辑，但在实际业务中应严谨传递 ID。** |
-
-**Request Example**:
-```json
-{
-  "ids": ["chat_id_1001", "chat_id_1002"]
-}
-```
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-     "success_count": 2, // 成功删除的数量
-     "errors": []        // 失败原因列表 (如 ID 不存在)
-  }
-}
-```
@@ -1,420 +0,0 @@
-## 1. 创建知识库 - `create`
-**接口描述**: 创建一个新的知识库（Dataset），用于存储和检索文档数据。支持配置嵌入模型（Embedding Model）、解析方法、权限范围等。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/datasets`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-无
-
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 默认值 | 说明 |
-|---|---|---|---|---|
-| name | string | 是 | - | **知识库名称**。在同一个租户（Tenant）内必须唯一。 |
-| avatar | string | 否 | "" | **知识库头像**。Base64 编码的图片字符串。 |
-| description | string | 否 | "" | **描述信息**。用于说明知识库的用途或内容概要。 |
-| embedding_model | string | 否 | (系统默认) | **嵌入模型名称** (例如 `BAAI/bge-large-zh-v1.5`)。若不传，则自动使用系统设置的默认 Embedding 模型。 |
-| permission | string | 否 | "me" | **可见权限**。`me`: 仅自己可见；`team`: 团队内所有成员可见。 |
-| chunk_method | string | 否 | "naive" | **默认分块解析方法**。当上传文件未指定解析方式时使用。可选值: `naive` (通用), `manual` (手动), `qa` (Q&A拆分), `table` (表格), `paper` (论文), `book` (书籍), `laws` (法律), `presentation` (PPT), `picture` (图片), `one` (单文档), `email` (邮件)。 |
-| parser_config | object | 否 | (见下文) | **解析器详细配置**。根据 `chunk_method` 的不同而变化。 |
-
-**`parser_config` 默认配置参数 (Naive 通用模式)**:
-| 参数名 | 类型 | 默认值 | 说明 |
-|---|---|---|---|
-| chunk_token_num | int | 512 | **切片最大 Token 数**。超过该长度会被截断到下一块。 |
-| delimiter | string | "\\n" | **分段分隔符**。用于识别段落边界。 |
-| layout_recognize | string | "DeepDOC" | **布局识别模型**。用于处理复杂文档结构 (如 `DeepDOC` 或 `Simple`)。 |
-| html4excel | boolean | false | **Excel转HTML**。是否将 Excel 表格转为 HTML 格式进行解析。 |
-| auto_keywords | int | 0 | **自动关键词抽取**。0 表示不抽取；N>0 表示为每个切片抽取 N 个关键词。 |
-| auto_questions | int | 0 | **自动问题生成**。0 表示不生成；N>0 表示为每个切片生成 N 个相关问题。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "id": "kb_uuid_12345678",
-    "name": "企业产品手册",
-    "avatar": "",
-    "tenant_id": "tenant_001",
-    "description": "存放所有产品相关的说明文档",
-    "embedding_model": "BAAI/bge-large-zh-v1.5",
-    "permission": "me",
-    "chunk_method": "naive",
-    "parser_config": {
-      "chunk_token_num": 512,
-      "delimiter": "\n",
-      "layout_recognize": "DeepDOC",
-      "html4excel": false,
-      "auto_keywords": 0,
-      "auto_questions": 0
-    },
-    "chunk_count": 0,
-    "document_count": 0,
-    "create_time": 1715623400000,
-    "update_time": 1715624500000
-  }
-}
-```
-
---
-
-## 2. 删除知识库 - `delete`
-**接口描述**: 批量删除一个或多个知识库。删除知识库将连带删除其中的所有文档和索引数据，**不可恢复**。
-**请求方法**: `DELETE`
-**接口地址**: `/api/v1/datasets`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-无
-
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| ids | array<string> | 是 | **ID 列表**。指定要删除的知识库 ID。如果传递 `null`，则会**清空当前租户下所有**知识库（高危操作，请谨慎使用）。 |
-
-**Request Example**:
-```json
-{
-  "ids": ["kb_id_101", "kb_id_102"]
-}
-```
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "Successfully deleted 2 datasets, 0 failed...",
-  "data": {
-     "success_count": 2, // 成功删除的数量
-     "errors": []        // 失败的 ID 及原因列表
-  }
-}
-```
-
---
-
-## 3. 获取知识库列表 - `list_datasets`
-**接口描述**: 获取当前用户（及团队）有权限访问的知识库列表。支持分页、排序和筛选。
-**请求方法**: `GET`
-**接口地址**: `/api/v1/datasets`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-无
-
-#### Query Parameters
-| 参数名 | 类型 | 必填 | 默认值 | 说明 |
-|---|---|---|---|---|
-| page | int | 否 | 1 | **页码**。从 1 开始。 |
-| page_size | int | 否 | 30 | **每页条数**。 |
-| orderby | string | 否 | "create_time" | **排序字段**。可选值: `create_time` (创建时间), `update_time` (更新时间), `document_count` (文档数)。 |
-| desc | boolean | 否 | true | **是否降序**。`true`: 降序 (最新的在前); `false`: 升序。 |
-| name | string | 否 | - | **名称筛选**。支持模糊匹配。 |
-| id | string | 否 | - | **ID 筛选**。精确匹配知识库 ID。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": [
-    {
-      "id": "kb_uuid_123",
-      "name": "HR 政策库",
-      "document_count": 12,    // 包含的文档数量
-      "token_num": 10240,      // 总 Token 数
-      "chunk_count": 150,      // 总切片数
-      "create_time": 1715623400000,
-      "permission": "team",
-      "embedding_model": "BAAI/bge-large-zh-v1.5"
-    }
-  ],
-  "total": 1 // 匹配查询条件的总记录数 (用户分页计算)
-}
-```
-
---
-
-## 4. 更新知识库配置 - `update`
-**接口描述**: 更新指定知识库的配置信息。注意：如果知识库内已有解析过的切片，通常不允许修改嵌入模型 (`embedding_model`)。
-**请求方法**: `PUT`
-**接口地址**: `/api/v1/datasets/<dataset_id>`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| dataset_id | string | 是 | 知识库 ID |
-
-#### Body Parameters (JSON)
-*(以下所有字段均为可选，仅传递需要修改的字段即可)*
-
-| 参数名 | 类型 | 默认值 | 说明 |
-|---|---|---|---|
-| name | string | - | **新名称**。需保持租户内唯一。 |
-| avatar | string | - | **新头像**。Base64 字符串。 |
-| description | string | - | **新描述**。 |
-| permission | string | - | **新权限**。`me` 或 `team`。 |
-| embedding_model | string | - | **嵌入模型**。**注意**: 仅当知识库为空（chunk_count=0）时才允许修改。 |
-| chunk_method | string | - | **默认解析方法**。修改后将应用于后续新上传的文件 (旧文件解析方式不变)。 |
-| parser_config | object | - | **解析器配置**。全量覆盖旧配置 (结构参考 create 接口)。 |
-| pagerank | int | 0 | **PageRank 权重**。仅在使用 Elasticsearch 引擎且需调整图谱权重时设置。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-      "id": "kb_uuid_...",
-      "name": "新名称",
-      "update_time": 1715629999000,
-      ...
-  }
-}
-```
-
---
-
-## 5. 获取知识图谱数据 - `knowledge_graph`
-**接口描述**: 获取知识库构建的知识图谱数据，包含节点（Nodes）和边（Edges），用于前端可视化展示（如 ECharts 力导向图）。
-**请求方法**: `GET`
-**接口地址**: `/api/v1/datasets/<dataset_id>/knowledge_graph`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| dataset_id | string | 是 | 知识库 ID |
-
-#### Query Parameters
-无
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "graph": {
-      "nodes": [
-        {
-          "id": "node_1",
-          "label": "人工智能",      // 节点显示的文本
-          "pagerank": 0.05,       // PageRank 权重 (决定节点大小)
-          "color": "#fcb",        // 节点颜色
-          "img": ""               // 节点图标 (如有)
-        },
-        {
-          "id": "node_2",
-          "label": "机器学习",
-          "pagerank": 0.03,
-          "color": "#e2b"
-        }
-      ],
-      "edges": [
-        {
-          "source": "node_1",     // 起始节点 ID
-          "target": "node_2",     // 目标节点 ID
-          "weight": 0.8,          // 边权重 (决定连线粗细)
-          "label": "includes"     // 关系名称 (显示在连线上)
-        }
-      ]
-    },
-    "mind_map": {                 // 思维导图结构的保留字段 (通常用于脑图展示)
-        "root": {
-            "id": "root_node",
-            "children": [...]
-        }
-    }
-  }
-}
-```
-
---
-
-## 6. 清空知识图谱数据 - `delete_knowledge_graph`
-**接口描述**: 删除指定知识库中已生成的知识图谱索引数据（包括所有实体节点和关系边）。
-**注意**: 此操作**不会**删除原始文档或普通的向量索引，仅仅是重置图谱结构。如果需要重新生成图谱，请再次调用 `chunk` 相关接口或使用 `run_graphrag`。
-**请求方法**: `DELETE`
-**接口地址**: `/api/v1/datasets/<dataset_id>/knowledge_graph`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| dataset_id | string | 是 | 知识库 ID |
-
-#### Body Parameters
-无
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": true
-}
-```
-
---
-
-## 7. 运行/触发 GraphRAG 索引任务 - `run_graphrag`
-**接口描述**: 触发后台异步任务，对知识库中的文档进行 GraphRAG 索引构建。此过程会使用 LLM 抽取实体（Entities）和关系（Relationships），并构建全局社区摘要。
-**前提条件**: 知识库中必须包含已解析的文档。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/datasets/<dataset_id>/run_graphrag`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| dataset_id | string | 是 | 知识库 ID |
-
-#### Body Parameters (JSON)
-*(Body 可为空 `{}`, 后续版本将扩展以下配置参数)*
-
-| 参数名 | 类型 | 默认值 | 说明 |
-|---|---|---|---|
-| entity_types | array | ["organization", "person", "geo", "event"] | **(预留)** 指定要抽取的实体类型列表。 |
-| method | string | "light" | **(预留)** 构建模式: `light` (轻量级), `general` (标准), `complex` (深度)。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "graphrag_task_id": "task_uuid_12345678" // 异步任务 ID，用于后续追踪进度
-  }
-}
-```
-
---
-
-## 8. 运行/触发 RAPTOR 递归摘要任务 - `run_raptor`
-**接口描述**: 触发后台异步任务，对知识库中的文档运行 RAPTOR (Recursive Abstractive Processing for Tree-Organized Retrieval) 算法。
-**功能说明**: 该算法会递归地对文档块进行聚类和摘要，生成多层级的树状索引，显著提升对长文档和复杂问题的回答能力。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/datasets/<dataset_id>/run_raptor`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| dataset_id | string | 是 | 知识库 ID |
-
-#### Body Parameters (JSON)
-*(Body 可为空 `{}`, 后续版本将扩展以下配置参数)*
-
-| 参数名 | 类型 | 默认值 | 说明 |
-|---|---|---|---|
-| max_cluster | int | 64 | **(预留)** 最大聚类数。 |
-| prompt | string | (内置摘要提示词) | **(预留)** 用于生成摘要的 Prompt。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "raptor_task_id": "task_uuid_87654321" // 异步任务 ID
-  }
-}
-```
-
---
-
-## 9. 查询 GraphRAG 任务进度 - `trace_graphrag`
-**接口描述**: 查询指定知识库当前 **GraphRAG** 索引构建任务的实时状态。支持长轮询机制监测进度。
-**请求方法**: `GET`
-**接口地址**: `/api/v1/datasets/<dataset_id>/trace_graphrag`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| dataset_id | string | 是 | 知识库 ID |
-
-#### Query Parameters
-无
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "id": "task_uuid_12345678",        // 任务 ID
-    "doc_id": "doc_uuid_...",          // 当前正在处理的文档 ID (如果是多文档任务)
-    "from_page": 0,                    // 当前处理的起始页码
-    "to_page": 10,                     // 当前处理的结束页码
-    "progress": 0.45,                  // **总进度** (0.0 ~ 1.0)。0.0: 未开始/刚开始; 1.0: 完成; -1.0: 失败。
-    "progress_msg": "Extracting entities from chunk 25...", // **当前状态描述**。用于前端展示 Loading 提示。
-    "create_time": 1715623400000,
-    "update_time": 1715624500000
-  }
-}
-```
-
---
-
-## 10. 查询 RAPTOR 任务进度 - `trace_raptor`
-**接口描述**: 查询指定知识库当前 **RAPTOR** 递归摘要任务的实时状态。
-**请求方法**: `GET`
-**接口地址**: `/api/v1/datasets/<dataset_id>/trace_raptor`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| dataset_id | string | 是 | 知识库 ID |
-
-#### Query Parameters
-无
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "id": "task_uuid_87654321",
-    "progress": 1.0,                   // 进度值。1.0 表示树构建完成。
-    "progress_msg": "Tree construction completed.", // 状态消息。
-    "create_time": 1715629000000
-  }
-}
-```
@@ -1,757 +0,0 @@
-## 1. 上传文档 - `upload`
-**接口描述**: 向指定的知识库上传一个或多个文档文件。上传后，文档将立即被存入文件系统/对象存储，并在数据库中创建记录。默认解析状态为 `UNSTART` (未开始)，解析配置将继承自 KnowledgeBase 的默认设置。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/datasets/<dataset_id>/documents`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-**Content-Type**: `multipart/form-data`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| dataset_id | string | 是 | **知识库 ID**。指定文档归属的知识库。 |
-
-#### Form Data Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| file | file | 是 | **文件二进制流**。支持多文件上传 (Multiple Files)。<br>支持格式: PDF, DOCX, TXT, MD, CS, HTML, CSV, XLSX, PPTX 等。<br>单文件大小限制请参考系统配置 (默认通常为 10MB/100MB)。 |
-| parent_path | string | 否 | **父级目录路径**。类似于文件系统的文件夹结构，默认为 `/`。如果指定 (如 `/docs/v1/`)，文档将在该虚拟路径下列出。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": [
-    {
-      "id": "e457f92e3c0411ef8d4c0242ac120003",
-      "thumbnail": null,
-      "dataset_id": "d1234567890abcdef1234567890abcde",
-      "chunk_method": "naive",
-      "pipeline_id": null,
-      "parser_config": {
-        "chunk_token_num": 512,
-        "delimiter": "\\n",
-        "layout_recognize": "DeepDOC",
-        "html4excel": false,
-        "auto_keywords": 0,
-        "auto_questions": 0,
-        "topn_tags": 3,
-        "raptor": {
-          "use_raptor": false
-        },
-        "graphrag": {
-          "use_graphrag": false
-        }
-      },
-      "source_type": "local",
-      "type": "pdf",
-      "created_by": "user_id_123",
-      "name": "UserGuide_v2.pdf",
-      "location": "UserGuide_v2.pdf",
-      "size": 102400,
-      "token_count": 0,
-      "chunk_count": 0,
-      "progress": 0.0,
-      "progress_msg": "",
-      "process_begin_at": null,
-      "process_duration": 0.0,
-      "meta_fields": {},
-      "suffix": "pdf",
-      "run": "UNSTART",
-      "status": "1",
-      "create_time": 1715623400123,
-      "create_date": "2024-05-13 10:03:20",
-      "update_time": 1715623400123,
-      "update_date": "2024-05-13 10:03:20"
-    }
-  ]
-}
-```
-
---
-
-## 2. 获取文档列表 - `list_docs`
-**接口描述**: 查询知识库下的文档列表。支持分页检索、关键词搜索、状态筛选等功能。
-**请求方法**: `GET`
-**接口地址**: `/api/v1/datasets/<dataset_id>/documents`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| dataset_id | string | 是 | **知识库 ID**。 |
-
-#### Query Parameters
-| 参数名 | 类型 | 必填 | 默认值 | 说明 |
-|---|---|---|---|---|
-| page | int | 否 | 1 | **页码**。从 1 开始计数。 |
-| page_size | int | 否 | 30 | **每页数量**。 |
-| orderby | string | 否 | "create_time" | **排序字段**。支持 `create_time` (创建时间), `name` (文件名), `size` (大小) 等。 |
-| desc | boolean | 否 | true | **是否降序**。`true` (最新/最大在前), `false` (最旧/最小在前)。 |
-| id | string | 否 | - | **精确筛选 ID**。仅返回指定 ID 的文档。 |
-| name | string | 否 | - | **精确筛选文件名**。仅返回指定名称的文档。 |
-| keywords | string | 否 | - | **模糊搜索**。匹配文档名称包含该关键词的记录。 |
-| suffix | array | 否 | - | **文件后缀筛选** (如 `pdf`, `docx`)。 |
-| run | array | 否 | - | **运行状态筛选**。可选值: `UNSTART`, `RUNNING`, `CANCEL`, `DONE`, `FAIL`。 |
-| create_time_from | int | 否 | 0 | **起始时间戳** (毫秒)。查询在此时间之后创建的文档。 |
-| create_time_to | int | 否 | 0 | **结束时间戳** (毫秒)。查询在此时间之前创建的文档。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "total": 128,
-    "docs": [
-      {
-        "id": "e457f92e3c0411ef8d4c0242ac120003",
-        "thumbnail": null,
-        "dataset_id": "d1234567890abcdef1234567890abcde",
-        "chunk_method": "naive",
-        "pipeline_id": null,
-        "parser_config": {
-          "chunk_token_num": 512,
-          "delimiter": "\\n",
-          "layout_recognize": "DeepDOC",
-          "html4excel": false,
-          "auto_keywords": 0,
-          "auto_questions": 0,
-          "topn_tags": 3,
-          "raptor": {
-            "use_raptor": false
-          },
-          "graphrag": {
-            "use_graphrag": false
-          }
-        },
-        "source_type": "local",
-        "type": "pdf",
-        "created_by": "user_id_123",
-        "name": "UserGuide_v2.pdf",
-        "location": "UserGuide_v2.pdf",
-        "size": 102400,
-        "token_count": 45000,
-        "chunk_count": 120,
-        "progress": 1.0,
-        "progress_msg": "Parsing finished",
-        "process_begin_at": "2024-05-13 10:05:00",
-        "process_duration": 45.2,
-        "meta_fields": {
-            "author": "RAGFlow Team",
-            "version": "2.0"
-        },
-        "suffix": "pdf",
-        "run": "DONE",
-        "status": "1",
-        "create_time": 1715623400123,
-        "create_date": "2024-05-13 10:03:20",
-        "update_time": 1715623450000,
-        "update_date": "2024-05-13 10:05:45"
-      }
-    ]
-  }
-}
-```
-
---
-
-## 3. 更新文档信息 - `update_doc`
-**接口描述**: 更新文档的名称、状态或解析配置。
-**特别注意**: 如果修改了 `chunk_method` 或 `parser_config`，后端会自动将 `run` 状态重置为 `UNSTART`，并清除已有的 chunk 数据，等待重新解析。
-**请求方法**: `PUT`
-**接口地址**: `/api/v1/datasets/<dataset_id>/documents/<document_id>`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| dataset_id | string | 是 | **知识库 ID**。 |
-| document_id | string | 是 | **文档 ID**。 |
-
-#### Body Parameters (JSON)
-*(仅需传递要修改的字段)*
-
-| 参数名 | 类型 | 说明 |
-|---|---|---|
-| name | string | **新文档名称**。需包含文件后缀且不能改变原始文件类型 (如从 `.pdf` 改为 `.txt` 会导致错误)。 |
-| enabled | boolean | **启用/禁用**。`true`: 启用 (DEFAULT, 对应 status="1"); `false`: 禁用 (对应 status="0")。禁用后该文档不参与检索。 |
-| chunk_method | string | **解析方法**。可选值: `naive`, `manual`, `qa`, `table`, `paper`, `book`, `laws`, `presentation`, `picture`, `one`, `knowledge_graph`, `email`。 |
-| parser_config | object | **解析器详细配置**。应与 `chunk_method` 匹配。以下列出 `naive` (通用) 方法的完整配置参数。 |
-
-**parser_config (Naive 模式全量参数)**:
-| 参数名 | 类型 | 默认值 | 说明 |
-|---|---|---|---|
-| chunk_token_num | int | 512 | **切片最大 Token 数**。 |
-| delimiter | string | "\\n" | **分段符**。支持转义字符。 |
-| layout_recognize | string | "DeepDOC" | **布局识别模型**。可选 `DeepDOC` 或 `Simple`。 |
-| html4excel | boolean | false | **Excel转HTML**。是否将 Excel 解析为 HTML 表格。 |
-| auto_keywords | int | 0 | **自动关键词数量**。0 表示不抽取。 |
-| auto_questions | int | 0 | **自动问题数量**。0 表示不生成。 |
-| topn_tags | int | 3 | **自动标签数量**。 |
-| raptor | object | `{ "use_raptor": false }` | **RAPTOR 配置**。设置 `use_raptor: true` 可开启递归摘要索引。 |
-| graphrag | object | `{ "use_graphrag": false }` | **GraphRAG 配置**。设置 `use_graphrag: true` 可开启图谱增强。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "id": "e457f92e3c0411ef8d4c0242ac120003",
-    "thumbnail": null,
-    "dataset_id": "d1234567890abcdef1234567890abcde",
-    "chunk_method": "naive",
-    "pipeline_id": null,
-    "parser_config": {
-      "chunk_token_num": 1024,
-      "delimiter": "\\n",
-      "layout_recognize": "DeepDOC",
-      "html4excel": false,
-      "auto_keywords": 0,
-      "auto_questions": 0,
-      "topn_tags": 3,
-      "raptor": {
-        "use_raptor": false
-      },
-      "graphrag": {
-        "use_graphrag": false
-      }
-    },
-    "source_type": "local",
-    "type": "pdf",
-    "created_by": "user_id_123",
-    "name": "Renamed_Guide.pdf",
-    "location": "UserGuide_v2.pdf",
-    "size": 102400,
-    "token_count": 45000,
-    "chunk_count": 0,
-    "progress": 0.0,
-    "progress_msg": "",
-    "process_begin_at": null,
-    "process_duration": 0.0,
-    "meta_fields": {},
-    "suffix": "pdf",
-    "run": "UNSTART",
-    "status": "0",
-    "create_time": 1715623400123,
-    "create_date": "2024-05-13 10:03:20",
-    "update_time": 1715629999000,
-    "update_date": "2024-05-13 12:00:00"
-  }
-}
-```
-
---
-
-## 4. 删除文档 - `delete`
-**接口描述**: 物理删除一个或多个文档。此操作不可恢复，将同时删除数据库记录、MinIO 中的源文件以及 Elasticsearch 中的所有相关切片索引。
-**请求方法**: `DELETE`
-**接口地址**: `/api/v1/datasets/<dataset_id>/documents`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| dataset_id | string | 是 | **知识库 ID**。 |
-
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| ids | array<string> | 是 | **文档 ID 列表**。必须指定要删除的文档 ID。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": null
-}
-```
-
---
-
-## 5. 下载/预览原始文件 - `download`
-**接口描述**: 获取文档的原始二进制文件流。响应头将会包含 `Content-Disposition` 字段，指示浏览器以附件形式下载。
-**请求方法**: `GET`
-**接口地址**: `/api/v1/datasets/<dataset_id>/documents/<document_id>`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| dataset_id | string | 是 | **知识库 ID**。 |
-| document_id | string | 是 | **文档 ID**。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/octet-stream`
-**Content-Disposition**: `attachment; filename="UserGuide_v2.pdf"`
-
-*(直接返回文件的二进制数据流)*
-
-
-## 6. 触发/重试文档解析 - `parse`
-**接口描述**: 手动触发文档的解析任务。通常在上传文件后、或修改了解析配置（如 `chunk_method`）后调用此接口。支持批量触发。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/datasets/<dataset_id>/chunks`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| dataset_id | string | 是 | **知识库 ID**。 |
-
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| document_ids | array<string> | 是 | **文档 ID 列表**。指定需要（重新）解析的文档 ID。 |
-
-**Request Example**:
-```json
-{
-    "document_ids": ["doc_id_1", "doc_id_2"]
-}
-```
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": null
-}
-```
-
---
-
-## 7. 停止文档解析 - `stop_parsing`
-**接口描述**: 停止当前正在进行的文档解析任务。
-**请求方法**: `DELETE`
-**接口地址**: `/api/v1/datasets/<dataset_id>/chunks`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| dataset_id | string | 是 | **知识库 ID**。 |
-
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| document_ids | array<string> | 是 | **文档 ID 列表**。指定要停止解析的任务。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": null
-}
-```
-
---
-
-## 8. 获取切片列表 - `list_chunks`
-**接口描述**: 获取指定文档已解析出的切片（Chunk）列表。支持分页和关键词搜索。返回结果包含文档的详细元数据和具体的切片内容。
-**请求方法**: `GET`
-**接口地址**: `/api/v1/datasets/<dataset_id>/documents/<document_id>/chunks`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| dataset_id | string | 是 | **知识库 ID**。 |
-| document_id | string | 是 | **文档 ID**。 |
-
-#### Query Parameters
-| 参数名 | 类型 | 必填 | 默认值 | 说明 |
-|---|---|---|---|---|
-| page | int | 否 | 1 | **页码**。 |
-| page_size | int | 否 | 30 | **每页数量**。 |
-| keywords | string | 否 | - | **搜索关键词**。在切片内容中进行全文检索。 |
-| id | string | 否 | - | **精确切片 ID**。若指定，则只返回该 ID 对应的切片。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "total": 150,
-    "chunks": [
-      {
-        "id": "e457f92e3c0411ef8d4c0242ac120003_0",
-        "content": "RAGFlow 是一款基于深度文档理解的开源 RAG（检索增强生成）引擎。它旨在为各种规模的企业提供精简的 RAG 工作流。RAGFlow 结合了传统文档处理的稳健性与现代大语言模型（LLM）的生成能力，确保在处理复杂格式数据（如 PDF 表格、扫描件等）时依然能保持极高的召回率和准确性。",
-        "document_id": "doc_uuid_123",
-        "docnm_kwd": "RAGFlow_UserGuide_v2.pdf",
-        "important_keywords": ["RAGFlow", "开源", "深度文档理解", "LLM"],
-        "questions": ["什么是 RAGFlow?", "RAGFlow 的主要特点是什么?"],
-        "image_id": "",
-        "dataset_id": "kb_uuid_456",
-        "available": true,
-        "positions": [1]
-      },
-      {
-        "id": "e457f92e3c0411ef8d4c0242ac120003_1",
-        "content": "主要特性：\n1. **深度文档解析**：内置 DeepDOC 识别引擎，精准还原表格、段落结构。\n2. **多路召回**：支持关键词 + 向量的混合检索。\n3. **可视化编排**：提供基于 Graph 的工作流编排能力。",
-        "document_id": "doc_uuid_123",
-        "docnm_kwd": "RAGFlow_UserGuide_v2.pdf",
-        "important_keywords": ["DeepDOC", "混合检索", "可视化编排"],
-        "questions": [],
-        "image_id": "img_uuid_789",
-        "dataset_id": "kb_uuid_456",
-        "available": true,
-        "positions": [2]
-      }
-    ],
-    "doc": {
-        "id": "doc_uuid_123",
-        "name": "RAGFlow_UserGuide_v2.pdf",
-        "chunk_count": 150,
-        "token_count": 45000,
-        "chunk_method": "naive",
-        "run": "DONE",
-        "status": "1",
-        "progress": 1.0,
-        "progress_msg": "Parsing finished",
-        "process_begin_at": "2024-05-13 10:05:00",
-        "process_duration": 45.2,
-        "meta_fields": {
-             "author": "RAGFlow Team",
-             "version": "2.0"
-        },
-        "create_time": 1715623400123,
-        "create_date": "2024-05-13 10:03:20",
-        "update_time": 1715623450000,
-        "update_date": "2024-05-13 10:05:45",
-        "dataset_id": "kb_uuid_456"
-    }
-  }
-}
-```
-
---
-
-## 9. 手动新增切片 - `add_chunk`
-**接口描述**: 向指定文档中手动添加一个新的切片。系统会自动计算该切片的向量嵌入 (Embedding)。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/datasets/<dataset_id>/documents/<document_id>/chunks`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| dataset_id | string | 是 | **知识库 ID**。 |
-| document_id | string | 是 | **文档 ID**。 |
-
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| content | string | 是 | **切片内容**。手动输入的文本内容。 |
-| important_keywords | array<string> | 否 | **重要关键词**。用于关键词检索增强。 |
-| questions | array<string> | 否 | **预设问题**。用于 Q&A 检索模式增强。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "chunk": {
-        "id": "new_chunk_uuid_999",
-        "content": "这是管理员手动添加的一条补充切片，用于修正文档中缺失的关键信息。",
-        "document_id": "doc_uuid_123",
-        "docnm_kwd": "RAGFlow_UserGuide_v2.pdf",
-        "important_keywords": ["手动添加", "补充信息"],
-        "questions": ["如何手动添加切片?"],
-        "image_id": "",
-        "dataset_id": "kb_uuid_456",
-        "available": true,
-        "positions": []
-    }
-  }
-}
-```
-
---
-
-## 10. 修改切片信息 - `update_chunk`
-**接口描述**: 修改已存在的切片内容、关键词、可用状态等。修改内容后，系统会自动重新计算向量。
-**请求方法**: `PUT`
-**接口地址**: `/api/v1/datasets/<dataset_id>/documents/<document_id>/chunks/<chunk_id>`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| dataset_id | string | 是 | **知识库 ID**。 |
-| document_id | string | 是 | **文档 ID**。 |
-| chunk_id | string | 是 | **切片 ID**。 |
-
-#### Body Parameters (JSON)
-*(以下字段均为可选，仅传递需修改的字段)*
-
-| 参数名 | 类型 | 说明 |
-|---|---|---|
-| content | string | **新的切片内容**。 |
-| important_keywords | array<string> | **更新关键词列表**。覆盖原有列表。 |
-| available | boolean | **启用/禁用**。`true`: 启用 (默认); `false`: 禁用 (检索时将忽略此切片)。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": null
-}
-```
-
---
-
-## 11. 删除切片 - `rm_chunk`
-**接口描述**: 批量删除文档中的指定切片。
-**请求方法**: `DELETE`
-**接口地址**: `/api/v1/datasets/<dataset_id>/documents/<document_id>/chunks`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| dataset_id | string | 是 | **知识库 ID**。 |
-| document_id | string | 是 | **文档 ID**。 |
-
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| chunk_ids | array<string> | 是 | **切片 ID 列表**。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "deleted 2 chunks",
-  "data": null
-}
-```
-
-
-## 12. 获取元数据摘要 - `metadata_summary`
-**接口描述**: 获取知识库中所有文档的元数据摘要信息。通常用于前端展示知识库的数据分布概况，例如不同文件类型的数量统计、文件状态分布等。
-**请求方法**: `GET`
-**接口地址**: `/api/v1/datasets/<dataset_id>/metadata/summary`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| dataset_id | string | 是 | **知识库 ID**。 |
-
-#### Query Parameters
-无
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "summary": {
-      "total_doc_count": 120,
-      "total_token_count": 500000,
-      "file_type_distribution": {
-        "pdf": 80,
-        "docx": 30,
-        "txt": 10
-      },
-      "status_distribution": {
-        "1": 118, // 正常启用
-        "0": 2    // 禁用
-      },
-      "custom_metadata": {
-        "author": {
-            "Alice": 50,
-            "Bob": 30
-        },
-        "department": {
-            "HR": 20,
-            "Engineering": 100
-        }
-      }
-    }
-  }
-}
-```
-
---
-
-## 13. 批量更新元数据 - `metadata_batch_update`
-**接口描述**: 对知识库中的文档进行批量元数据修改。支持基于复杂的条件筛选文档，然后执行批量更新或删除元数据字段的操作。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/datasets/<dataset_id>/metadata/update`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| dataset_id | string | 是 | **知识库 ID**。 |
-
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| selector | object | 否 | **筛选器**。定义要更新哪些文档。如果不传，可能作用于全量文档（请谨慎）。 |
-| updates | array | 否 | **更新操作列表**。包含 `key` 和 `value`。 |
-| deletes | array | 否 | **删除操作列表**。包含 `key`。 |
-
-**Request Example (复杂场景)**:
-```json
-{
-  "selector": {
-    "document_ids": ["doc_id_101", "doc_id_102"],
-    "metadata_condition": {
-       "logic": "and",
-       "conditions": [
-          {"key": "author", "value": "OldName", "operator": "eq"},
-          {"key": "status", "value": "draft", "operator": "eq"}
-       ]
-    }
-  },
-  "updates": [
-    {"key": "author", "value": "Admin"},
-    {"key": "reviewed_by", "value": "ManagerA"}
-  ],
-  "deletes": [
-    {"key": "temp_tag"},
-    {"key": "draft_flag"}
-  ]
-}
-```
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "updated": 2,        // 实际更新成功的文档数量
-    "matched_docs": 2    // 匹配到的文档数量
-  }
-}
-```
-
---
-
-## 14. 检索测试 (Hit Test) - `retrieval_test`
-**接口描述**: 在指定的知识库中进行模拟检索测试。此接口用于验证分段（Chunk）质量、检索参数（相似度阈值、Top K）的效果，是调试 RAG 效果的核心工具。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/retrieval`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-**注意**: 即使是简单的查询，由于包含较多配置参数，本接口也设计为 `POST` 请求。
-
-### 请求参数 (Request)
-#### Path Parameters
-无
-
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 默认值 | 说明 |
-|---|---|---|---|---|
-| dataset_ids | array<string> | 是 | - | **目标知识库 ID 列表**。支持跨多个知识库检索。 |
-| question | string | 是 | - | **用户查询问题**。 |
-| similarity_threshold | float | 否 | 0.2 | **相似度阈值**。低于此分数的 Chunk 将被过滤。 |
-| vector_similarity_weight | float | 否 | 0.3 | **向量权重**。混合检索时，向量检索结果的权重 (0~1)。剩余权重归于关键词检索。 |
-| top_k | int | 否 | 1024 | **初筛数量**。向量检索返回的候选切片数量。 |
-| rerank_id | string | 否 | - | **重排模型 ID**。若指定，将对检索结果进行 Rerank 二次排序。 |
-| highlight | boolean | 否 | true | **高亮匹配**。是否在返回内容中高亮关键词。 |
-| keyword | boolean | 否 | false | **关键词增强**。是否使用 LLM 提取问题关键词以增强检索。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "total": 15,
-    "chunks": [
-      {
-        "id": "e457f92e3c0411ef8d4c0242ac120003_12",
-        "content": "RAGFlow 支持多种文档解析模式，其中 DeepDOC 模式特别适合处理包含大量表格和扫描件的 PDF 文档。它使用深度学习模型识别文档布局，精准提取表格内容。",
-        "document_id": "doc_uuid_123",
-        "dataset_id": "kb_uuid_456",
-        "document_name": "RAGFlow_UserGuide_v2.pdf",
-        "document_keyword": "RAGFlow_UserGuide_v2.pdf",
-        "similarity": 0.88,
-        "vector_similarity": 0.85,
-        "term_similarity": 0.92,
-        "index": 12,
-        "highlight": "RAGFlow 支持多种<em>文档解析模式</em>，其中 <em>DeepDOC</em> 模式特别适合处理包含大量表格和扫描件的 PDF 文档。",
-        "important_keywords": ["DeepDOC", "PDF"],
-        "questions": ["DeepDOC 模式有什么用?"],
-        "image_id": "",
-        "positions": [12]
-      },
-      {
-        "id": "e457f92e3c0411ef8d4c0242ac120003_15",
-        "content": "如果文档主要由纯文本构成，建议使用 Naive 模式。该模式解析速度快，适合通用场景。",
-        "document_id": "doc_uuid_123",
-        "dataset_id": "kb_uuid_456",
-        "document_name": "RAGFlow_UserGuide_v2.pdf",
-        "document_keyword": "RAGFlow_UserGuide_v2.pdf",
-        "similarity": 0.45,
-        "vector_similarity": 0.40,
-        "term_similarity": 0.50,
-        "index": 15,
-        "highlight": "如果文档主要由纯文本构成，建议使用 <em>Naive</em> 模式。",
-        "important_keywords": ["Naive", "纯文本"],
-        "questions": [],
-        "image_id": "",
-        "positions": [15]
-      }
-    ],
-    "doc_aggs": [
-        {
-            "doc_name": "RAGFlow_UserGuide_v2.pdf",
-            "doc_id": "doc_uuid_123",
-            "count": 2
-        }
-    ]
-  }
-}
-```
@@ -1,503 +0,0 @@
-# RAGFlow 文件管理接口详解 (File Management API)
-
-## 1. 上传文件 - `upload`
-**接口描述**: 上传一个或多个文件到指定文件夹。支持多文件上传 (Multipart)。上传成功后，文件将存储在 MinIO/S3 中，并返回文件元数据列表。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/file/upload`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-**Content-Type**: `multipart/form-data`
-
-### 请求参数 (Request)
-#### Form Data Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| file | file | 是 | **文件二进制流**。支持多文件上传。 |
-| parent_id | string | 否 | **父级目录 ID**。如果省略，默认上传到根目录 (root)。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": [
-    {
-      "id": "e457f92e3c0411ef8d4c0242ac120003",
-      "parent_id": "root_folder_id_123",
-      "tenant_id": "tenant_uuid_456",
-      "created_by": "user_uuid_789",
-      "type": "pdf",
-      "name": "ProjectReport.pdf",
-      "location": "ProjectReport.pdf",
-      "size": 204800,
-      "source_type": "",
-      "create_time": 1715623400123,
-      "create_date": "2024-05-13 10:03:20",
-      "update_time": 1715623400123,
-      "update_date": "2024-05-13 10:03:20"
-    }
-  ]
-}
-```
-
---
-
-## 2. 新建文件夹 - `create`
-**接口描述**: 在指定父目录下创建一个新的文件夹（逻辑目录）。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/file/create`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| name | string | 是 | **文件夹名称**。同一目录下不可重名。 |
-| parent_id | string | 否 | **父级目录 ID**。省略则默认为根目录。 |
-| type | string | 是 | **类型**。固定值为 `FOLDER` 创建文件夹。 |
-
-**Request Example**:
-```json
-{
-  "name": "Year2024_Reports",
-  "parent_id": "root_folder_id_123",
-  "type": "FOLDER"
-}
-```
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "id": "folder_uuid_abc",
-    "parent_id": "root_folder_id_123",
-    "tenant_id": "tenant_uuid_456",
-    "created_by": "user_uuid_789",
-    "name": "Year2024_Reports",
-    "location": "",
-    "size": 0,
-    "type": "folder",
-    "source_type": "",
-    "create_time": 1715623500000,
-    "create_date": "2024-05-13 10:05:00",
-    "update_time": 1715623500000,
-    "update_date": "2024-05-13 10:05:00"
-  }
-}
-```
-
---
-
-## 3. 获取文件列表 - `list_files`
-**接口描述**: 分页获取指定文件夹下的文件和子文件夹列表。支持按名称模糊搜索。
-**请求方法**: `GET`
-**接口地址**: `/api/v1/file/list`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Query Parameters
-| 参数名 | 类型 | 必填 | 默认值 | 说明 |
-|---|---|---|---|---|
-| parent_id | string | 否 | (Root) | **父级目录 ID**。指定要查看的目录 ID。 |
-| keywords | string | 否 | - | **搜索关键词**。按文件名模糊搜索。 |
-| page | int | 否 | 1 | **页码**。 |
-| page_size | int | 否 | 15 | **每页数量**。 |
-| orderby | string | 否 | "create_time" | **排序字段**。 |
-| desc | boolean | 否 | true | **是否降序**。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "total": 25,
-    "parent_folder": {
-      "id": "root_folder_id_123",
-      "parent_id": "",
-      "tenant_id": "tenant_uuid_456",
-      "created_by": "system",
-      "name": "ROOT",
-      "location": "",
-      "size": 0,
-      "type": "folder",
-      "source_type": "",
-      "create_time": 1710000000000,
-      "create_date": "2024-03-01 00:00:00",
-      "update_time": 1710000000000,
-      "update_date": "2024-03-01 00:00:00"
-    },
-    "files": [
-      {
-        "id": "folder_uuid_abc",
-        "parent_id": "root_folder_id_123",
-        "tenant_id": "tenant_uuid_456",
-        "created_by": "user_uuid_789",
-        "name": "Year2024_Reports",
-        "location": "",
-        "size": 0,
-        "type": "folder",
-        "source_type": "",
-        "create_time": 1715623500000,
-        "create_date": "2024-05-13 10:05:00",
-        "update_time": 1715623500000,
-        "update_date": "2024-05-13 10:05:00"
-      },
-      {
-        "id": "e457f92e3c0411ef8d4c0242ac120003",
-        "parent_id": "root_folder_id_123",
-        "tenant_id": "tenant_uuid_456",
-        "created_by": "user_uuid_789",
-        "name": "ProjectReport.pdf",
-        "location": "ProjectReport.pdf",
-        "size": 204800,
-        "type": "pdf",
-        "source_type": "",
-        "create_time": 1715623400123,
-        "create_date": "2024-05-13 10:03:20",
-        "update_time": 1715623400123,
-        "update_date": "2024-05-13 10:03:20"
-      }
-    ]
-  }
-}
-```
-
---
-
-## 4. 获取文件流 (下载) - `get`
-**接口描述**: 通过文件 ID 下载文件内容。不同于获取元数据，该接口直接返回文件的二进制流（Octet-stream 或 Image 等）。
-**请求方法**: `GET`
-**接口地址**: `/api/v1/file/get/<file_id>`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| file_id | string | 是 | **文件 ID**。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/octet-stream` (或具体 MIME 类型如 `image/png`)
-
-*(返回二进制文件流)*
-
---
-
-## 5. 下载附件 - `download_attachment`
-**接口描述**: 这是一个通用的附件下载接口，通常用于系统内部引用或特定路径的下载。它使用 `attachment_id`（通常对应 MinIO 中的存储路径/Key）来检索文件。
-**请求方法**: `GET`
-**接口地址**: `/api/v1/file/download/<attachment_id>`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| attachment_id | string | 是 | **附件 ID / 存储 Key**。通常对应底层存储的唯一标识符。 |
-
-#### Query Parameters
-| 参数名 | 类型 | 必填 | 默认值 | 说明 |
-|---|---|---|---|---|
-| ext | string | 否 | "markdown" | **文件扩展名**。用于设置响应头中的 Content-Type。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/octet-stream` (或根据 ext 参数推断)
-
-*(返回二进制文件流)*
-
-
-## 6. 重命名文件/文件夹 - `rename`
-**接口描述**: 修改文件或文件夹的名称。对于文件，通常不允许修改扩展名（后缀）。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/file/rename`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| file_id | string | 是 | **目标文件/文件夹 ID**。 |
-| name | string | 是 | **新名称**。需符合文件命名规范，且同一目录下不可重名。 |
-
-**Request Example**:
-```json
-{
-  "file_id": "file_uuid_123",
-  "name": "New_Report_Final.pdf"
-}
-```
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": true
-}
-```
-
---
-
-## 7. 移动文件/文件夹 - `move`
-**接口描述**: 批量移动文件或文件夹到指定的目录 (Move)。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/file/mv`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| src_file_ids | array<string> | 是 | **源文件/文件夹 ID 列表**。支持批量移动。 |
-| dest_file_id | string | 是 | **目标文件夹 ID**。必须是已存在的文件夹 ID。 |
-
-**Request Example**:
-```json
-{
-  "src_file_ids": ["file_id_1", "file_id_2"],
-  "dest_file_id": "folder_id_target"
-}
-```
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": true
-}
-```
-
---
-
-## 8. 删除文件/文件夹 - `rm`
-**接口描述**: 批量删除文件或文件夹。如果是文件夹，将递归删除其下的所有内容。此操作不可恢复。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/file/rm`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| file_ids | array<string> | 是 | **待删除的文件/文件夹 ID 列表**。 |
-
-**Request Example**:
-```json
-{
-  "file_ids": ["file_uuid_to_delete_1", "folder_uuid_to_delete_2"]
-}
-```
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": true
-}
-```
-
---
-
-## 9. 文件转知识库文档 - `convert`
-**接口描述**: 将已上传的文件（File）导入到指定的知识库（Dataset）中，转换为文档（Document）并进行解析。这是一个“文件 -> 知识库”的桥接操作。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/file/convert`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| file_ids | array<string> | 是 | **源文件 ID 列表**。必须是已存在于文件管理系统中的 ID。 |
-| kb_ids | array<string> | 是 | **目标知识库 ID 列表**。文件将被同时导入到这些知识库中。 |
-
-**Request Example**:
-```json
-{
-  "file_ids": ["file_uuid_pdf_1", "file_uuid_txt_2"],
-  "kb_ids": ["dataset_uuid_A"]
-}
-```
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": [
-    {
-      "id": "mapping_uuid_1",
-      "file_id": "file_uuid_pdf_1",
-      "document_id": "doc_uuid_created_in_kb_A",
-      "create_time": 1715623600123,
-      "create_date": "2024-05-13 10:06:40",
-      "update_time": 1715623600123,
-      "update_date": "2024-05-13 10:06:40"
-    },
-    {
-      "id": "mapping_uuid_2",
-      "file_id": "file_uuid_txt_2",
-      "document_id": "doc_uuid_created_in_kb_A",
-      "create_time": 1715623600124,
-      "create_date": "2024-05-13 10:06:40",
-      "update_time": 1715623600124,
-      "update_date": "2024-05-13 10:06:40"
-    }
-  ]
-}
-```
-
-
-## 10. 获取根目录信息 - `get_root_folder`
-**接口描述**: 获取当前用户的根目录文件夹信息。每个用户（Tenant）都有且仅有一个系统自动创建的根目录。
-**请求方法**: `GET`
-**接口地址**: `/api/v1/file/root_folder`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Query Parameters
-无
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "root_folder": {
-      "id": "root_folder_id_123",
-      "parent_id": "",
-      "tenant_id": "tenant_uuid_456",
-      "created_by": "system",
-      "name": "ROOT",
-      "location": "",
-      "size": 0,
-      "type": "folder",
-      "source_type": "",
-      "create_time": 1710000000000,
-      "create_date": "2024-03-01 00:00:00",
-      "update_time": 1710000000000,
-      "update_date": "2024-03-01 00:00:00"
-    }
-  }
-}
-```
-
---
-
-## 11. 获取父目录信息 - `get_parent_folder`
-**接口描述**: 获取指定文件或文件夹的直接父级目录信息。
-**请求方法**: `GET`
-**接口地址**: `/api/v1/file/parent_folder`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Query Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| file_id | string | 是 | **当前文件/文件夹 ID**。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "parent_folder": {
-      "id": "root_folder_id_123",
-      "parent_id": "",
-      "tenant_id": "tenant_uuid_456",
-      "created_by": "system",
-      "name": "ROOT",
-      "location": "",
-      "size": 0,
-      "type": "folder",
-      "source_type": "",
-      "create_time": 1710000000000,
-      "create_date": "2024-03-01 00:00:00",
-      "update_time": 1710000000000,
-      "update_date": "2024-03-01 00:00:00"
-    }
-  }
-}
-```
-
---
-
-## 12. 获取完整路径 (面包屑) - `get_all_parent_folders`
-**接口描述**: 获取指定文件或文件夹的所有上级目录列表，形成完整的路径链。返回的列表顺序通常是从根目录到直接父目录（有序）。此接口常用于前端展示“面包屑导航” (Breadcrumbs)。
-**请求方法**: `GET`
-**接口地址**: `/api/v1/file/all_parent_folder`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Query Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| file_id | string | 是 | **目标文件/文件夹 ID**。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "parent_folders": [
-      {
-        "id": "root_folder_id_123",
-        "parent_id": "",
-        "tenant_id": "tenant_uuid_456",
-        "created_by": "system",
-        "name": "ROOT",
-        "location": "",
-        "size": 0,
-        "type": "folder",
-        "source_type": "",
-        "create_time": 1710000000000,
-        "create_date": "2024-03-01 00:00:00",
-        "update_time": 1710000000000,
-        "update_date": "2024-03-01 00:00:00"
-      },
-      {
-         "id": "folder_project_a_id",
-         "parent_id": "root_folder_id_123",
-         "tenant_id": "tenant_uuid_456",
-         "created_by": "user_id_001",
-         "name": "Project A Docs",
-         "location": "",
-         "size": 0,
-         "type": "folder",
-         "source_type": "",
-         "create_time": 1715000000000,
-         "create_date": "2024-05-01 09:00:00",
-         "update_time": 1715000000000,
-         "update_date": "2024-05-01 09:00:00"
-      }
-    ]
-  }
-}
-```
@@ -1,228 +0,0 @@
-# RAGFlow 搜索机器人 & AgentBot 接口详解 (SearchBot & AgentBot)
-
-## 1. 搜索机器人对话 - `ask_about_embedded`
-**接口描述**: 面向 **SearchBot (搜索机器人)** 的核心对话接口，通常用于嵌入式知识库问答场景。与普通 Chat 不同，它更侧重于从指定的 `kb_ids` 中直接检索答案，且鉴权使用 `Authorization: Bearer <Beta_Token>` (即 API Key)。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/searchbots/ask`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 默认值 | 说明 |
-|---|---|---|---|---|
-| question | string | 是 | - | **用户问题**。 |
-| kb_ids | array<string> | 是 | - | **知识库 ID 列表**。限定从哪些知识库中检索。 |
-| search_id | string | 否 | - | **搜索应用 ID**。如果指定，将使用该搜索应用的配置 (Search App Config)。 |
-
-**Request Example**:
-```json
-{
-  "question": "What is the refund policy?",
-  "kb_ids": ["dataset_uuid_1", "dataset_uuid_2"],
-  "search_id": "search_app_uuid_abc"
-}
-```
-
-### 响应参数 (Stream Response)
-**Content-Type**: `text/event-stream`
-
-```text
-data:{"code": 0, "message": "", "data": {"answer": "According to the ", "reference": {}}}
-
-data:{"code": 0, "message": "", "data": {"answer": "policy, refunds are processed within 7 days.", "reference": {"chunk_1": {"content_with_weight": "Refunds...", "doc_name": "policy.pdf"}}}}
-
-data:{"code": 0, "message": "", "data": true} // 结束标志
-```
-
---
-
-## 2. 获取思维导图 - `mindmap`
-**接口描述**: 根据用户的查询或对话上下文，生成用于前端展示的思维导图数据结构。这通常用于帮助用户梳理复杂的搜索结果或知识结构。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/searchbots/mindmap`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| question | string | 是 | **用户问题/主题**。 |
-| kb_ids | array<string> | 是 | **知识库 ID 列表**。 |
-| search_id | string | 否 | **搜索应用 ID**。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "root": {
-      "text": "Refund Policy", // 根节点文本
-      "children": [
-        {
-          "text": "Conditions",
-          "children": [
-            { "text": "Product defect" },
-            { "text": "Shipping error" }
-          ]
-        },
-        {
-          "text": "Timeline",
-          "children": [
-            { "text": "7-14 business days" }
-          ]
-        }
-      ]
-    }
-  }
-}
-```
-
---
-
-## 3. 获取相关推荐问题 - `related_questions_embedded`
-**接口描述**: 根据用户当前的问题，生成一组相关的推荐问题 (Suggest Questions)。常用于搜索结果页底部的“猜你想问”。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/searchbots/related_questions`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| question | string | 是 | **用户当前问题**。 |
-| search_id | string | 否 | **搜索应用 ID**。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": [
-    "How to apply for a refund online?",
-    "What items are non-refundable?",
-    "Contact customer support"
-  ]
-}
-```
-
---
-
-## 4. 获取 AgentBot 输入项 - `begin_inputs`
-**接口描述**: 获取 **AgentBot** (嵌入式 Agent) 的初始化信息，特别是前置输入项 (Prolog/Inputs)。这用于在用户开始对话前，展示一个表单让用户输入必要信息（如姓名、邮箱、API Key 等），这些信息会被传递给 Agent 的 `Begin` 节点。
-**请求方法**: `GET`
-**接口地址**: `/api/v1/agentbots/<agent_id>/inputs`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| agent_id | string | 是 | **Agent ID**。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "title": "Booking Assistant",
-    "avatar": "http://...",
-    "prologue": "Welcome! Please tell me your details.",
-    "inputs": { // `Begin` 节点定义的输入变量
-      "user_name": {
-        "type": "string",
-        "description": "Your Name",
-        "required": true
-      },
-      "email": {
-        "type": "string",
-        "description": "Contact Email",
-        "required": false
-      }
-    },
-    "mode": "chat"
-  }
-}
-```
-
---
-
-## 5. AgentBot 对话交互 - `agent_bot_completions`
-**接口描述**: 面向 **AgentBot** 的嵌入式对话接口。与 `agent_completions` 类似，但它专为无需登录的 C 端用户设计，通过 API Key 鉴权。它支持完整的 Agent 流程执行和流式响应。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/agentbots/<agent_id>/completions`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| agent_id | string | 是 | **Agent ID**。 |
-
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| session_id | string | 是 | **会话 ID**。 |
-| inputs | object | 否 | **前置输入值**。对应 `begin_inputs` 中定义的变量，如 `{"user_name": "Alice"}`。 |
-| query | string | 否 | **用户输入**。 |
-| stream | boolean | 否 | **是否流式**。默认 `true`。 |
-
-**Request Example**:
-```json
-{
-  "session_id": "session_uuid_123",
-  "inputs": {
-    "user_name": "Bob"
-  },
-  "query": "I want to book a room.",
-  "stream": true
-}
-```
-
-### 响应参数 (Stream Response)
-**Content-Type**: `text/event-stream`
-
-```text
-data:{"event": "message", "data": {"content": "Hello Bob, ", "reference": {}}}
-
-data:{"event": "message", "data": {"content": "when do you want to check in?", "reference": {}}}
-```
-
---
-
-## 6. Agent OpenAI 兼容接口 - `agents_completion_openai_compatibility`
-**接口描述**: 专门针对 Agent 的 **OpenAI 兼容** 接口。这使得外部工具可以像调用 OpenAI Chat Completion 一样调用 RAGFlow 配置好的复杂 Agent。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/agents_openai/<agent_id>/chat/completions`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Path Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| agent_id | string | 是 | **Agent ID**。 |
-
-#### Body Parameters (OpenAI Standard)
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| messages | array | 是 | 包含 `role`, `content` 的消息数组。 |
-| model | string | 是 | 占位符，任意字符串。 |
-| stream | boolean | 否 | 默认 `true`。 |
-
-### 响应参数 (Stream Response - OpenAI Format)
-**Content-Type**: `text/event-stream`
-
-```text
-data: {"id": "agent-chat-uuid", "object": "chat.completion.chunk", "created": 1715000000, "model": "ragflow_agent", "choices": [{"index": 0, "delta": {"role": "assistant", "content": ""}, "finish_reason": null}]}
-
-data: {"id": "agent-chat-uuid", "object": "chat.completion.chunk", "created": 1715000001, "model": "ragflow_agent", "choices": [{"index": 0, "delta": {"content": "Processing your request..."}, "finish_reason": null}]}
-
-data: [DONE]
-```
@@ -1,168 +0,0 @@
-# RAGFlow SearchBot 补充与通用会话接口详解 (Session Extras)
-
-## 1. 获取引用详情 - `detail_share_embedded`
-**接口描述**: 当用户点击 SearchBot 回复中的引用标号 (e.g., [1]) 时，调用此接口获取该引用的详细内容（包括原文片段、来源文档名等）。此接口通常用于前端展示“引用来源”侧边栏或弹窗。它使用 API Key (Beta Token) 进行鉴权。
-**请求方法**: `GET`
-**接口地址**: `/api/v1/searchbots/detail`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Query Parameters
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| search_id | string | 是 | **搜索应用/SearchBot ID**。此接口需要验证调用者是否有权访问该 SearchBot。 |
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "id": "search_app_uuid_123",
-    "title": "IT Knowledge Base",
-    "description": "Tech support search bot",
-    "kb_ids": ["kb_uuid_1", "kb_uuid_2"],
-    "search_config": {
-      "top_k": 5,
-      "similarity_threshold": 0.5
-    },
-    // 注意：此接口目前主要返回 Search App 的详情配置，
-    // 前端通常使用 search_config 或其他信息来辅助展示引用。
-    // 具体引用内容的文本通常已包含在 `ask` 接口的 `reference` 字段中。
-  }
-}
-```
-
---
-
-## 2. SearchBot 检索测试 - `retrieval_test_embedded`
-**接口描述**: 面向 SearchBot 的**检索效果测试**接口。它不通过 LLM 生成答案，而是直接返回 RAG 检索到的文档片段 (`chunks`)。这用于调试 SearchBot 的检索参数（如相似度阈值、Top-K）是否合理。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/searchbots/retrieval_test`
-**鉴权方式**: Header `Authorization: Bearer <API_KEY>`
-
-### 请求参数 (Request)
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 默认值 | 说明 |
-|---|---|---|---|---|
-| kb_id | string/array | 是 | - | **知识库 ID** (或列表)。支持单个 ID 字符串或 ID 列表。 |
-| question | string | 是 | - | **测试查询词**。 |
-| page | int | 否 | 1 | **页码**。 |
-| size | int | 否 | 30 | **每页数量**。 |
-| doc_ids | array<string> | 否 | - | **限定文档 ID**。仅在指定文档中检索。 |
-| similarity_threshold | float | 否 | 0.0 | **相似度阈值**。 |
-| top_k | int | 否 | 1024 | **Top-K 数量**。 |
-| highlight | boolean | 否 | false | **高亮匹配**。是否在返回内容中标记匹配关键词。 |
-
-**Request Example**:
-```json
-{
-  "kb_id": ["dataset_uuid_1"],
-  "question": "refund policy",
-  "top_k": 5,
-  "highlight": true
-}
-```
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": {
-    "total": 12, // 命中总是
-    "chunks": [
-      {
-        "content_with_weight": "Refunds are processed within <em>7 days</em>...", // 支持高亮
-        "doc_name": "policy.pdf",
-        "doc_id": "doc_uuid_101",
-        "similarity": 0.92,
-        "img_id": ""
-      },
-      {
-        "content_with_weight": "Product return guidelines...",
-        "doc_name": "guidelines.docx",
-        "doc_id": "doc_uuid_102",
-        "similarity": 0.88
-      }
-    ],
-    "labels": [] // 如果启用了查询标签功能
-  }
-}
-```
-
---
-
-## 3. 通用会话问答 - `ask_about`
-**接口描述**: **内部/测试用**的通用会话问答接口。与 `ask_embedded` 不同，此接口通常用于 RAGFlow 控制台内部的“调试”或“预览”功能，鉴权依赖用户的登录 Token (User Token)，且必须显式指定 `dataset_ids`。它不绑定特定的 Chat/Agent/SearchBot 配置。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/sessions/ask`
-**鉴权方式**: Header `Authorization: Bearer <USER_TOKEN>`
-
-### 请求参数 (Request)
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 说明 |
-|---|---|---|---|
-| question | string | 是 | **用户问题**。 |
-| dataset_ids | array<string> | 是 | **知识库 ID 列表**。必须是当前用户有权访问的知识库。 |
-
-**Request Example**:
-```json
-{
-  "question": "Summary of report",
-  "dataset_ids": ["dataset_uuid_internal_1"]
-}
-```
-
-### 响应参数 (Stream Response)
-**Content-Type**: `text/event-stream`
-
-```text
-data:{"code": 0, "message": "", "data": {"answer": "Here is the summary:", "reference": {}}}
-
-data:{"code": 0, "message": "", "data": {"answer": " The report indicates...", "reference": {}}}
-
-data:{"code": 0, "message": "", "data": true} // 结束
-```
-
---
-
-## 4. 通用相关问题 - `related_questions`
-**接口描述**: **内部/测试用**的通用相关问题推荐接口。根据用户的问题和行业背景，利用 LLM 生成推荐问题。通常用于内部测试台。
-**请求方法**: `POST`
-**接口地址**: `/api/v1/sessions/related_questions`
-**鉴权方式**: Header `Authorization: Bearer <USER_TOKEN>`
-
-### 请求参数 (Request)
-#### Body Parameters (JSON)
-| 参数名 | 类型 | 必填 | 默认值 | 说明 |
-|---|---|---|---|---|
-| question | string | 是 | - | **原始问题/关键词**。 |
-| industry | string | 否 | "" | **行业背景** (e.g., "Finance", "Healthcare")。帮助 LLM 生成更专业的推荐。 |
-
-**Request Example**:
-```json
-{
-  "question": "Data privacy",
-  "industry": "IT"
-}
-```
-
-### 响应参数 (Response)
-**Content-Type**: `application/json`
-
-```json
-{
-  "code": 0,
-  "message": "success",
-  "data": [
-    "GDPR compliance checklist",
-    "Data encryption standards",
-    "User consent management"
-  ]
-}
-```
@@ -1,98 +0,0 @@
-# RAGFlow External API Reference (Grouped by File)
-
-## File: `api/apps/sdk/agents.py`
-| Function Name | URL Pattern | Notes |
-|---|---|---|
-| `list_agents` | `/api/v1/agents` | List Agents |
-| `create_agent` | `/api/v1/agents` | Create Agent |
-| `update_agent` | `/api/v1/agents/<agent_id>` | Update Agent |
-| `delete_agent` | `/api/v1/agents/<agent_id>` | Delete Agent |
-| `webhook` | `/api/v1/webhook_test/<agent_id>` | Webhook Test |
-| `webhook_trace` | `/api/v1/webhook_trace/<agent_id>` | Webhook Trace |
-
-## File: `api/apps/sdk/chat.py`
-| Function Name | URL Pattern | Notes |
-|---|---|---|
-| `create` | `/api/v1/chats` | Create Chat |
-| `delete_chats` | `/api/v1/chats` | Delete Chat |
-| `list_chat` | `/api/v1/chats` | List Chats |
-| `update` | `/api/v1/chats/<chat_id>` | Update Chat |
-
-## File: `api/apps/sdk/dataset.py`
-| Function Name | URL Pattern | Notes |
-|---|---|---|
-| `create` | `/api/v1/datasets` | Create Dataset |
-| `delete` | `/api/v1/datasets` | Delete Dataset |
-| `list_datasets` | `/api/v1/datasets` | List Datasets |
-| `update` | `/api/v1/datasets/<dataset_id>` | Update Dataset |
-| `knowledge_graph` | `/api/v1/datasets/<dataset_id>/knowledge_graph` | Knowledge Graph |
-| `delete_knowledge_graph` | `/api/v1/datasets/<dataset_id>/knowledge_graph` | Delete Knowledge Graph |
-| `run_graphrag` | `/api/v1/datasets/<dataset_id>/run_graphrag` | Run GraphRAG |
-| `run_raptor` | `/api/v1/datasets/<dataset_id>/run_raptor` | Run Raptor |
-| `trace_graphrag` | `/api/v1/datasets/<dataset_id>/trace_graphrag` | Trace GraphRAG |
-| `trace_raptor` | `/api/v1/datasets/<dataset_id>/trace_raptor` | Trace Raptor |
-
-## File: `api/apps/sdk/dify_retrieval.py`
-| Function Name | URL Pattern | Notes |
-|---|---|---|
-| `retrieval` | `/api/v1/dify/retrieval` | Dify Retrieval |
-
-## File: `api/apps/sdk/doc.py`
-| Function Name | URL Pattern | Notes |
-|---|---|---|
-| `parse` | `/api/v1/datasets/<dataset_id>/chunks` | Parse Document Chunks |
-| `stop_parsing` | `/api/v1/datasets/<dataset_id>/chunks` | Stop Parsing |
-| `upload` | `/api/v1/datasets/<dataset_id>/documents` | Upload Document |
-| `list_docs` | `/api/v1/datasets/<dataset_id>/documents` | List Documents |
-| `delete` | `/api/v1/datasets/<dataset_id>/documents` | Delete Document |
-| `update_doc` | `/api/v1/datasets/<dataset_id>/documents/<document_id>` | Update Document |
-| `download` | `/api/v1/datasets/<dataset_id>/documents/<document_id>` | Download Document |
-| `list_chunks` | `/api/v1/datasets/<dataset_id>/documents/<document_id>/chunks` | List Chunks |
-| `add_chunk` | `/api/v1/datasets/<dataset_id>/documents/<document_id>/chunks` | Add Chunk |
-| `update_chunk` | `/api/v1/datasets/<dataset_id>/documents/<document_id>/chunks/<chunk_id>` | Update Chunk |
-| `rm_chunk` | `/api/v1/datasets/<dataset_id>/documents/<document_id>/chunks` | Remove Chunk |
-| `metadata_summary` | `/api/v1/datasets/<dataset_id>/metadata/summary` | Metadata Summary |
-| `metadata_batch_update` | `/api/v1/datasets/<dataset_id>/metadata/update` | Batch Update Metadata |
-| `retrieval_test` | `/api/v1/retrieval` | Retrieval Test |
-
-## File: `api/apps/sdk/files.py`
-| Function Name | URL Pattern | Notes |
-|---|---|---|
-| `get_all_parent_folders` | `/api/v1/file/all_parent_folder` | Get All Parent Folders |
-| `convert` | `/api/v1/file/convert` | File Convert |
-| `create` | `/api/v1/file/create` | File Create |
-| `download_attachment` | `/api/v1/file/download/<attachment_id>` | Download Attachment |
-| `get` | `/api/v1/file/get/<file_id>` | Get File |
-| `list_files` | `/api/v1/file/list` | List Files |
-| `move` | `/api/v1/file/mv` | Move File |
-| `get_parent_folder` | `/api/v1/file/parent_folder` | Get Parent Folder |
-| `rename` | `/api/v1/file/rename` | Rename File |
-| `rm` | `/api/v1/file/rm` | Remove File |
-| `get_root_folder` | `/api/v1/file/root_folder` | Get Root Folder |
-| `upload` | `/api/v1/file/upload` | Upload File |
-
-## File: `api/apps/sdk/session.py`
-| Function Name | URL Pattern | Notes |
-|---|---|---|
-| `agent_bot_completions` | `/api/v1/agentbots/<agent_id>/completions` | Agent Bot completion |
-| `begin_inputs` | `/api/v1/agentbots/<agent_id>/inputs` | Get Agent Bot inputs |
-| `agent_completions` | `/api/v1/agents/<agent_id>/completions` | Agent completion |
-| `create_agent_session` | `/api/v1/agents/<agent_id>/sessions` | Create Agent Session |
-| `list_agent_session` | `/api/v1/agents/<agent_id>/sessions` | List Agent Sessions |
-| `delete_agent_session` | `/api/v1/agents/<agent_id>/sessions` | Delete Agent Session |
-| `agents_completion_openai_compatibility` | `/api/v1/agents_openai/<agent_id>/chat/completions` | OpenAI compatible Agent completion |
-| `chatbot_completions` | `/api/v1/chatbots/<dialog_id>/completions` | Chatbot completion |
-| `chatbots_inputs` | `/api/v1/chatbots/<dialog_id>/info` | Chatbot info |
-| `chat_completion` | `/api/v1/chats/<chat_id>/completions` | Chat completion |
-| `create` | `/api/v1/chats/<chat_id>/sessions` | Create Chat Session |
-| `list_session` | `/api/v1/chats/<chat_id>/sessions` | List Chat Sessions |
-| `delete` | `/api/v1/chats/<chat_id>/sessions` | Delete Chat Session |
-| `update` | `/api/v1/chats/<chat_id>/sessions/<session_id>` | Update Chat Session |
-| `chat_completion_openai_like` | `/api/v1/chats_openai/<chat_id>/chat/completions` | OpenAI compatible Chat completion |
-| `ask_about_embedded` | `/api/v1/searchbots/ask` | Searchbot Ask |
-| `detail_share_embedded` | `/api/v1/searchbots/detail` | Searchbot Detail |
-| `mindmap` | `/api/v1/searchbots/mindmap` | Searchbot Mindmap |
-| `related_questions_embedded` | `/api/v1/searchbots/related_questions` | Searchbot Related Questions |
-| `retrieval_test_embedded` | `/api/v1/searchbots/retrieval_test` | Searchbot Retrieval Test |
-| `ask_about` | `/api/v1/sessions/ask` | Session Ask |
-| `related_questions` | `/api/v1/sessions/related_questions` | Session Related Questions |
@@ -1,45 +0,0 @@
-# RAGFlow API 接口文档索引 (Unofficial Detailed Guide)
-
-本文档汇集了 RAGFlow 核心模块的 API 详解。所有文档均遵循 **Zero Omissions (无省略)** 原则，全字段展开并包含中文注释。
-
-## 📚 1. 知识库与文档管理 (Knowledge & Documents)
-核心的数据管理模块，负责上传文件、解析文档与建立索引。
-
- **[知识库管理 (Dataset)](./RAGFlow_Dataset接口详解.md)**
-  - 涵盖知识库的创建、列表查询、更新、删除等接口。
- **[文档处理 (Document)](./RAGFlow_Document接口详解.md)**
-  - 涵盖文档的上传 (Upload)、解析配置更新 (Update)、解析状态查询 (Run Status)。
-  - **切片管理**: 解析后的 Chunk 列表查询、增删改查。
-  - **检索测试**: 直接对知识库进行召回测试 (Retrieval Test)。
- **[文件管理 (File)](./RAGFlow_File接口详解.md)**
-  - 类似网盘的文件操作体系。
-  - **CRUD**: 上传、下载、列表。
-  - **目录**: 文件夹创建、面包屑导航 (`get_all_parent_folders`)。
-  - **操作**: 移动、重命名、删除、导入知识库 (`convert`).
-
-## 💬 2. 聊天助手 (Chat Assistant)
-RAGFlow 原生的对话助手体系，基于 Assistant (Dialog) 模型。
-
- **[会话管理 (Chat Session)](./RAGFlow_Chat_Session接口详解.md)**
-  - 管理 `/chats/` 下的会话生命周期。
-  - 创建会话、获取历史记录、重命名、批量删除。
- **[对话交互 (Chat Completion)](./RAGFlow_Chat_Completion接口详解.md)**
-  - **Core Chat**: 原生流式对话 (`/chats/<id>/completions`), 支持引用 (`quote`)。
-  - **OpenAI Compatible**: 完美兼容 OpenAI `/v1/chat/completions` 协议。
-  - **Embedded Bot**: 面向 C 端嵌入窗口的对话接口 (`/chatbots/`).
-
-## 🤖 3. Agent 与 机器人 (Agent & Bots)
-基于 Graph (DAG) 编排的复杂应用与各类机器人扩展。
-
- **[Agent 与 Dify 兼容 (Agent & Dify)](./RAGFlow_Agent_Dify接口详解.md)**
-  - **Agent Session**: Agent 的会话管理与流式对话 (`agent_completions`)。
-  - **Dify Adapter**: 兼容 Dify 协议的检索接口 (`retrieval`).
- **[SearchBot 与 AgentBot](./RAGFlow_SearchBot_AgentBot接口详解.md)**
-  - **SearchBot**: 纯搜索机器人，支持思维导图 (`mindmap`)、相关问题 (`related_questions`).
-  - **AgentBot**: 嵌入式 Agent，支持前置表单 (`begin_inputs`).
-  - **Agent OpenAI**: Agent 的 OpenAI 兼容接口。
-
-## 🛠️ 4. 其他 (Extras)
- **[通用与补充接口 (Session Extras)](./RAGFlow_Session_Extra接口详解.md)**
-  - **引用详情**: 获取 SearchBot 引用来源 (`detail_share_embedded`).
-  - **通用问答**: 内部调试用的直接问答 (`ask_about`).
@@ -0,0 +1,17 @@
+-- 更新模型名称：qwen2.5-vl-3b-instruct 改为 qwen3.5-flash
+UPDATE `ai_model_config` 
+SET `config_json` = JSON_SET(`config_json`, '$.model_name', 'qwen3.5-flash')
+WHERE `id` = 'VLLM_QwenVLVLLM' 
+AND JSON_EXTRACT(`config_json`, '$.model_name') = 'qwen2.5-vl-3b-instruct';
+
+-- 更新模型名称：qwen-turbo 改为 qwen-flash
+UPDATE `ai_model_config` 
+SET `config_json` = JSON_SET(`config_json`, '$.model_name', 'qwen-flash')
+WHERE `id` = 'LLM_AliLLM' 
+AND JSON_EXTRACT(`config_json`, '$.model_name') = 'qwen-turbo';
+
+-- 更新备注：qwen-turbo 改为 qwen-flash
+UPDATE `ai_model_config` 
+SET `remark` = REPLACE(`remark`, 'qwen-turbo', 'qwen-flash')
+WHERE `id` = 'LLM_AliLLM' 
+AND `remark` LIKE '%qwen-turbo%';
@@ -605,4 +605,11 @@ databaseChangeLog:
      changes:
        - sqlFile:
            encoding: utf8
-            path: classpath:db/changelog/202604011545.sql
+            path: classpath:db/changelog/202604011545.sql
+  - changeSet:
+      id: 202604161357
+      author: hrz
+      changes:
+        - sqlFile:
+            encoding: utf8
+            path: classpath:db/changelog/202604161357.sql
@@ -579,7 +579,7 @@ LLM:
    type: openai
    # 可在这里找到你的 api_key https://bailian.console.aliyun.com/?apiKey=1#/api-key
    base_url: https://dashscope.aliyuncs.com/compatible-mode/v1
-    model_name: qwen-turbo
+    model_name: qwen-flash
    api_key: 你的deepseek web key
    temperature: 0.7  # 温度值
    max_tokens: 500   # 最大生成token数
@@ -714,7 +714,7 @@ VLLM:
    api_key: 你的api_key
  QwenVLVLLM:
    type: openai
-    model_name: qwen2.5-vl-3b-instruct
+    model_name: qwen3.5-flash
    url: https://dashscope.aliyuncs.com/compatible-mode/v1
    # 可在这里找到你的api key https://bailian.console.aliyun.com/?apiKey=1#/api-key
    api_key: 你的api_key