freedakgmail
c949204662
借鉴 odysseus 的能力设计，全程净室实现、零 AGPL 代码、不引入 AGPL 依赖。
T1 提示注入防护: pkg/promptguard 包裹外部/知识库内容为不可信数据，buildMessages 移出 system 指令区。 T2 安全 CI: .github/workflows(ci+security: govulncheck/gitleaks/actionlint/hadolint/trivy)+dependabot+.hadolint.yaml；go.mod 加 toolchain go1.25.11 修复 20 个 stdlib CVE。 T3 管理员 2FA: 迁移 000016 + RFC6238 TOTP/备份码(pkg/auth, 零依赖) + 登录流程集成(后端)。 T4 本地模型: LLM/embedding 支持本地 vLLM/Ollama(OpenAI 兼容, 鉴权头条件发送, NoAuth) + docs/local-deploy.md。 T6 深度研究: 迁移 000017 + Python research-worker(净室多步流水线, 检索避开 SearXNG) + Go research 服务/handler/路由。 T7 service 层: 新增 internal/service/{research,twofa}, 2FA 业务逻辑从胖 handler 下沉, 接口注入可单测。 T10 缓存/可观测性: internal/cache(Redis+内存, 优雅降级) 接入 store 热点列表; Prometheus 指标+/metrics; docs/openapi.yaml。 验证: go build/vet/test ./... 全绿(8 包); research-worker 12 单测过; 真实 PG 应用迁移并烟测。
4.1 KiB
4.1 KiB
本地模型部署（私有化 / 内网）指南
面向数据主权、信创、等保要求的场景：把对话推理与向量化（RAG）全部切到本地 / 内网的模型服务，数据全程不出公网。GovAi 后端通过统一的 OpenAI 兼容接口对接，无需改代码，仅配置环境变量即可。
本指南为 GovAi 自行编写。所涉开源组件（Ollama、vLLM 等）各自遵循其许可证，请按各自条款使用。
一、原理
- 对话推理：GovAi 的
LLM_PROVIDER=local会启用一个 OpenAI 兼容 的本地 provider（/v1/chat/completions，支持流式 SSE）。 - 向量化：
EMBEDDING_BASE_URL指向本地/v1/embeddings即可；本地无鉴权时设EMBEDDING_NO_AUTH=true。 - 凡是暴露 OpenAI 兼容接口的本地引擎（vLLM、Ollama、llama.cpp server、LM Studio、SGLang 等）都可对接。
二、起本地模型服务（任选其一）
方式 A：Ollama（最简单，适合单机试点）
# 安装后拉起模型（示例为通义千问 7B）
ollama pull qwen2.5:7b
ollama pull bge-m3 # 向量模型（RAG 用）
# Ollama 默认在 11434 提供服务，并暴露 OpenAI 兼容端点 /v1
- Chat 端点：
http://127.0.0.1:11434/v1 - Embedding 端点：
http://127.0.0.1:11434/v1 - Ollama 忽略鉴权，密钥留空即可。
方式 B：vLLM（吞吐更高，适合生产 GPU 服务器）
# 以 OpenAI 兼容服务启动（示例）
python -m vllm.entrypoints.openai.api_server \
--model Qwen/Qwen2.5-7B-Instruct \
--host 0.0.0.0 --port 8000
# 如需鉴权：追加 --api-key <你的密钥>，并在下方填入 LOCAL_LLM_API_KEY
- Chat 端点：
http://127.0.0.1:8000/v1 - 向量化建议另起一个 embedding 服务（如用 vLLM/
text-embeddings-inference部署bge-m3）。
三、配置 GovAi（.env）
# 对话推理切到本地
LLM_PROVIDER=local
LOCAL_LLM_BASE_URL=http://127.0.0.1:11434/v1 # 或 vLLM 的 http://127.0.0.1:8000/v1
LOCAL_LLM_MODEL=qwen2.5:7b # 与本地实际模型名一致
LOCAL_LLM_API_KEY= # Ollama 留空；vLLM 若设了 --api-key 则填
# 向量化切到本地（RAG 全链路离线）
EMBEDDING_BASE_URL=http://127.0.0.1:11434/v1
EMBEDDING_MODEL=bge-m3
EMBEDDING_DIMENSIONS=1024 # 必须与模型输出维度一致，详见下文
EMBEDDING_NO_AUTH=true # 本地无鉴权
重启后端（make dev-api 或容器）后即生效。云端与本地可共存：openai/anthropic/local 三个 provider 同时注册，由 LLM_PROVIDER 决定默认使用哪个。
四、⚠️ 向量维度一致性（重要）
EMBEDDING_DIMENSIONS 必须同时满足三方一致：
- 本地 embedding 模型的实际输出维度（如
bge-m3= 1024，nomic-embed-text= 768）； pgvector中knowledge_chunks.embedding列声明的维度；- 已入库的历史向量维度。
更换 embedding 模型导致维度变化时，需要新建/调整向量列维度，并对知识库重新向量化：
# 清空旧向量后，通过接口或工具重嵌入
# POST /api/v1/knowledge/reembed （或 server/cmd/embed-chunks）
维度不一致会导致向量检索报错或失效（此时系统会优雅降级为关键词检索）。
五、验证
- 启动本地模型服务与后端。
- 在应用商店打开任一对话型应用，发送一条消息，确认流式逐字输出正常。
- 打开一个绑定知识库的应用，提问知识库内问题，确认能检索到文献并标注来源（RAG 生效）。
- 离线验证：临时切断后端所在主机的公网出口（仅保留到本地模型服务的内网连通），重复第 2、3 步，确认对话与 RAG 仍可完成——即数据不出网。
六、安全提示
- 本地模型端口（11434 / 8000 等）只在内网开放，不要暴露到公网。
- 生产建议在后端与模型服务之间加内网网关/反向代理，并对模型服务启用鉴权（vLLM
--api-key）。 - 私有化下仍建议开启管理员 2FA（见 0617task.md T3）与提示注入防护（T1）。