feat: optimize rag

docs/rag-cn.md

@@ -1,25 +1,24 @@
 # RAG 功能配置说明
 
 > [!WARNING]
-> 该功能目前在预览阶段，可能会有较多的问题，请在仔细阅读本文档后再使用。
+> 新版本将向量库从 qdrant  变更为 supabase，请注意相关参数变更！
 
 ## 效果图
 
-![example](./images/rag-example.jpg)
+![image-20240707152914436](C:\project\github\ChatGPT-Next-Web-LangChain\docs\images\rag-example-2.jpg)
 
 ## 原理
 
+以下为早期实现原理，部分逻辑与最新版本存在差异，仅供参考
+
 ![example](./images/rag.png)
 
-## 已知问题
+## 使用须知
 
 - 由于接口中使用 nodejs 运行时，在 vercel 环境下接口可能会超时，建议使用 docker 部署
-- 已开启的插件可能会影响到数据检索，可以关闭部分插件后再使用
+- 由于其他插件会影响到模型对 RAG 检索插件的调用，所以目前的做法是上传文件后默认只保留 RAG 插件的开启，其他插件将被禁用
 - 已创建的向量数据不会删除
 - 同一聊天窗口内即使“清除聊天”也可以访问已经上传的文件内容
-- RAG 插件需要一定的话术来让模型触发查询
-- 上传文件部分的 UI 交互可能会变更
-- 暂不支持文档总结
 
 ## 支持的文件类型
 
@@ -34,9 +33,9 @@
 
 ## 配置
 
-1. 登录 https://cloud.qdrant.io 并创建一个账户
-2. 在控制面板中创建一个 Cluster
-3. 获取 Cluster 的 Cluster URL 和 API Key
+1. 登录 https://supabase.com 并创建一个账户
+2. 在控制面板中创建一个项目
+3. 在 `Project Settings` `API Settings` 中获取 `URL` 和 `service_role secret`
 4. 完善下面的环境变量配置后即可使用
 
 ## 环境变量
@@ -45,13 +44,13 @@
 
 如果你想启用 RAG 功能，将此环境变量设置为 1 即可。
 
-### `QDRANT_URL`
+### `SUPABASE_URL`
 
-qdrant 服务的 Cluster URL。
+supabase 项目 url。
 
-### `QDRANT_API_KEY`
+### `SUPABASE_PRIVATE_KEY`
 
-qdrant 服务的 ApiKey。
+supabase 项目 service_role secret。
 
 ### `RAG_CHUNK_SIZE` （可选）
 
@@ -69,6 +68,15 @@ qdrant 服务的 ApiKey。
 
 向量化时使用的向量模型，默认：text-embedding-3-large。
 可选项：
+
 - text-embedding-3-small
 - text-embedding-3-large
-- text-embedding-ada-002
+- text-embedding-ada-002
+
+### `OLLAMA_BASE_URL` （可选）
+
+新增支持 ollama embedding 模型支持。
+
+此处配置为 ollama 服务地址，如：http://localhost:11434
+
+配置后请修改参数 `RAG_EMBEDDING_MODEL` 为 ollama 的 embedding 模型名。