系统运维

# 智能助理部署配置手册

本手册适用于部署配置“智能助理”下的智能问答、智能办公、智能创作、智能填单应用

2025年3月

# 修订记录

修订内容 修订时间
新增DeepSeek的适配及手册 2025-3-19

# 在线化资料支持

手册存在不定期更新，为了方便您获取最新资料，本手册在致远开放平台也放置了一份，建议您收藏以下地址，并尽量使用在线手册以获得最新的部署信息：https://open.seeyoncloud.com/#/faq/vuepressFile/v1/share?url=Z2ptZkplPjM0NDg= (opens new window)

# 一、环境准备

# 依赖协同版本

本手册适用部署在如下产品版本：

版本 支持的BuildID 部署方式
V9.0SP1 B250122.183001.CTP179142793及更高版本 补丁（本手册部署章节获取）

# 适用产品功能

使用如下一个或多个产品功能，需要使用本手册进行部署配置：

产品功能 商务插件 备注
智能问答 智能助理-智能问答aiAssistantQandA 依赖全文检索、aiapp、qdrant、大模型、ocr（选配）
智能办公 智能助理-智能办公aiAssistantOffice 依赖aiapp、qdrant、大模型
智能填单 智能助理-智能填单aiFillOut 依赖aiapp、qdrant、大模型
智能创作 智能助理-智能创作aiContentCreation 依赖aiapp、qdrant、大模型

注意：

  • 部署一套智能问答所需服务，其余智能助理功能就可以直接使用
  • 如需使用智能助理下的 模型对话应用，需要参考《模型对话部署配置手册》
  • 模型对话和智能问答的区别：模型对话不支持回答系统内知识，智能问答支持回答系统内知识

# 依赖组件

如需使用本手册支持的智能助理应用，涉及如下几个相关组件部署，各自组件的作用及提供方如下：

编号 组件名 组件作用 部署模式 提供方
1 协同服务-智能助理相关插件 提供应用访问入口和交互 购买“智能助理”相关插件，更新加密狗 致远
2 aiapp应用服务 扩展服务，需要独立部署，用于将协同业务数据向量化，必须 参考本手册安装部署章节 致远
3 dqrant向量数据库 扩展服务，需要独立部署，用于存储协同业务向量数据，必须 参考本手册安装部署章节 致远
4 全文检索服务 扩展服务，协同全文检索功能需要，本场景用于将业务数据推送给aiapp向量化，已经部署全文检索项目不必做任何调整，必须 参考协同全文检索部署章节 致远
5 OCR图片识别服务 扩展服务，需要独立部署，用于将协同图片解析成文字，非必须，建议配备GPU显卡 参考本手册安装部署章节 致远
6 三方大模型 DeepSeek、千问等大语言模型，用于接收问题并通过模型内部运算给出问题回复 客户自行准备 客户

注意：

  • OCR图片识别服务，非必须，如未部署，协同内图片无法被解析成文字给aiapp，如部署，建议配备GPU显卡
  • 三方大模型组件不在致远的服务范围，需要客户选型并实施落地，公有云或私有均支持

# 服务器资源要求

编号 组件名 部署要求 备注
1 协同服务-智能助理相关插件 无需调整，保持现有协同服务配置 -
2 aiapp应用服务 CPU>=8C/内存>=16G/磁盘200GB 支持Linux系统（暂不支持信创），docker镜像部署
3 dqrant向量数据库 CPU>=8C/内存>=16G/磁盘1TB 支持Linux系统（暂不支持信创），docker镜像部署，向量数据库存储依赖磁盘空间，建议配备与全文检索相同或更大的磁盘空间
4 全文检索服务 已部署本服务无需调整，未部署本服务参考全文检索部署手册 适配系统参考全文检索部署手册
5 OCR图片识别服务 CPU>=4C/内存>=32G/磁盘100G 支持Linux系统（暂不支持信创），docker镜像部署，如需部署显卡加速建议系统选择Ubuntu
6 三方大模型 支持公有云大模型（无服务器资源要求），也支持私有模型（以大模型专业厂商方案为准）

注意：

  • 有条件的客户，建议给OCR图片识别服务配备GPU模块，处理大量数据速度对比纯CPU机器快十倍以上，需要显卡NVIDIA GeForce RTX 3060及更高系列产品（操作系统推荐Ubuntu）

# 大模型适配范围

产品支持如下大模型（需要遵守openai接口标准，公有或私有均支持），具体支持模型如下：

  • DeepSeek（V3、r1），智能办公场景不要用deepseek-r1满血版
  • 通义千问（qwen2.5、qwen-plus）

注意：

  • deepseek-r1 671B满血版不支持智能办公。r1存在思考过程，满血版思考过程更长，正常一个稍微复杂的提示词需要半分钟以上才有结果。而智能办公的意图识别和关键字生成提取都依赖大模型的能力，需要多次调用模型接口，最终回复问题会等待很久，甚至超时。
  • deepseek-r1蒸馏版可以使用智能办公，回复速度相比其它不带思考过程的模型稍慢。
  • 三方大模型必须遵守OpenAI标准接口规范，不能增加或调整请求参数，不能增加或调整返回值格式，非标模型需要自行定制开发。
  • 私有模型大小推荐：deepseek-r1:32b及以上、qwen2.5:32b及以上
  • 大模型中一些较低参数的蒸馏版（如1.5b、7b）仅适用学习或轻量级应用；产品支持接入低参数的蒸馏版，但可能出现回复不准确问题
  • 私有模型硬件配置和实施建设咨询华为、腾讯等三方专业厂商

# 网络架构图

# 公有云大模型

本方案支持接入公有云大语言模型，相关部署要求如下：

1、需要部署向量数据库服务（本手册会提供部署方法）

2、需要部署aiapp应用服务（本手册会提供部署方法），此服务需要确保访问向量数据库和公有云大模型

3、依赖协同的全文检索服务，需要确保全文检索服务能访问aiapp应用服务

4、确保协同OA服务能访问全文检索和aiapp应用服务

1742376884897.png

# 私有化部署大模型

本应用同样支持接入私有大语言模型，相关部署要求如下：

1、需要部署向量数据库服务（本手册会提供部署方法）

2、需要部署aiapp应用服务（本手册会提供部署方法），此服务需要确保访问向量数据库和私有大模型

3、依赖协同的全文检索服务，需要确保全文检索服务能访问aiapp应用服务

4、确保协同OA服务能访问全文检索和aiapp应用服务

1742377542679.png

# 服务默认端口

服务 默认对外端口 备注
aiapp服务 5556 向oa和全文检索服务开放
qdrant向量数据库 6333、6334 向aiapp开放
OCR图片识别服务 12841 向aiapp、全文检索服务开放

# 准备和测试大模型

客户提前准备产品适配范围内的大模型( 必须兼容OpenAI规范 )，并提供一些必要的信息供产品后续配置使用，主要包含：

1、Base URL：模型的api接口地址，并开通网络策略确保产品能访问到模型地址

2、model模型名称：务必是准确的model，如deepseek-r1:8b、deepseek-r1:32b

3、API Key：授权信息，公有云都会有这个；私有化有的没有API Key，以私有部署厂商回复为准

无论是公有云还是私有大模型，都可以通过CURL命令来对模型进行调试，通过调试参数就能获得Base URL、API Key以及模型名称，也能确定模型是否可用，如模型不可用则先解决CURL不可用问题再进行后续部署！

# 公有云大模型测试示例

以阿里云百炼平台公有云大模型为例，获取模型CURL和模型重要参数方法为：

1、先访问百炼平台官网 https://bailian.console.aliyun.com/ 使用阿里系的帐号登录官网

2、通过模型广场找到需要接入的大模型：

1741938098339.png

3、访问大模型的API调用示例，参考下图指引就能获得有效的base url、APIKey、model模型名称，并且在Linux测试：

1741940386996.png

Linux下测试效果，看到返回值就表示测试通过：

1741940530988.png

Windows可以用如下转换后的格式发送请求，将$DASHSCOPE_API_KEY替换为有效的API KEY，将model值deepseek-r1替换为有效的模型名称测试：

curl -X POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions -H "Authorization: Bearer $DASHSCOPE_API_KEY" -H "Content-Type: application/json" -d "{\"model\": \"deepseek-r1\",\"messages\": [{\"role\": \"user\",\"content\": \"9.9和9.11谁大\"}]}"

填入准确的参数后，通过Windows的cmd命令同样获得了结果：

1741940884122.png

综上，通过curl测试确定当前环境能连通大模型并获得答案，同时根据curl获得了百炼大模型的几个重要参数，在后续配置时即可直接使用：

1、Base URL：对应https://dashscope.aliyuncs.com/compatible-mode（取curl地址/v1/chat/前面的路径）

2、model模型名称：对应curl中"model"的值，如本示例的deepseek-v3

3、API Key：取百炼官网个人的API KEY，取本示例Authorization: Bearer后面这段内容

扩展资料：

  • 其它公有云大模型自行参考模型官网的手册
  • DeepSeek多平台接入方式-百度 阿里 抖音 硅基流动 https://www.bilibili.com/video/BV1PLN9ecEws
  • 阿里云错误码地址（排查问题用）https://help.aliyun.com/zh/model-studio/developer-reference/error-code

# 私有大模型测试示例

私有大模型需要联系部署模型的技术人员提供curl地址，也可以使用如下转换后的编码，再填入客户真实的私有大模型信息测试：

# 不带API KEY的私有大模型测试命令（注意替换/v1/chat前面的地址，和model的值为客户真实的信息）
curl -X POST http://10.1.131.174:11434/v1/chat/completions -H "Content-Type: application/json" -d "{\"model\": \"deepseek-r1:32b\",\"messages\": [{\"role\": \"user\",\"content\": \"写一首诗\"}]}"

测试一个不带API KEY的私有模型效果如下：

1741943865328.png

综上，通过curl测试确定当前环境能连通私有大模型并获得答案，同时根据curl获得了私有大模型的几个重要参数，在后续配置时即可直接使用：

1、Base URL：对应http://10.xx.xxx.xxx:1xxx4（取curl地址/v1/chat/前面的路径）

2、model模型名称：对应curl中"model"的值，如本示例的deepseek-r1:1.5b蒸馏模型

3、API Key：本例不涉及，后续配置时也不用录入

如果私有模型curl带有API KEY ，参考如下代码示例，则我们也能得到私有模型的几个重要参数：

1、Base URL：对应https://10.1.131.174:11434（取curl地址/v1/chat/前面的路径）

2、model模型名称：对应curl中"model"的值，如本示例的deepseek-r1:32b

3、API Key：对应ks-12121（取本示例Authorization: Bearer后面这段内容）

# 带API KEY的私有大模型测试命令
curl -X POST http://10.1.131.174:11434/v1/chat/completions -H "Authorization: Bearer ks-12121" -H "Content-Type: application/json" -d "{\"model\": \"deepseek-r1:32b\",\"messages\": [{\"role\": \"user\",\"content\": \"写一首诗\"}]}"

总结：在进行后续部署之前，务必先确保大模型已经准备到位，并且通过curl能测通，能根据curl获取base url、model、api-key这几个重要的参数！

# 二、相关服务部署

# 安装包获取

网盘下载链接: https://pan.baidu.com/s/1UfyGDfMV4BJYuinuKPxuig?pwd=yws3 提取码: yws3

下载如下安装包：

基础组件
│── qdrant.tar     # 向量数据库镜像
│── aiapp.tar      # aiapp服务镜像
│── ocr.tar        # 图片识别服务镜像

注意：

  • 上述资源的部署顺序固定：必须是先部署qdrant，再部署aiapp，最后部署ocr，请严格遵守。

# Linux依赖安装

在服务器上执行如下命令安装依赖，服务通外网才能使用，不通外网按照前面的要求预置，已预置的可忽略此步骤。

# Ubuntu系统执行
sudo apt-get update
sudo apt-get install -y curl vim

# RedHat系列（CentOS、openEuler等）执行
sudo yum update -y
sudo yum install -y curl vim

# Linux磁盘空间检查

通过df -h检查磁盘空间，需要确保系统的磁盘空间满足服务器资源要求

建议将充足的空间挂载到系统根目录（/）下，如按照本手册部署，程序和数据的分布为：

  • /var/lib/docker/目录存放程序
  • /data/SeeyonAI/目录存放数据（如向量数据库数据）

# Docker安装

服务器需要docker组件，没有docker环境可以参考安装部署Docker（二进制包方式） https://open.seeyoncloud.com/#/faq/vuepressFile/v1/share?url=Z2ptZkplPjMzNDE=

# qdrant向量数据库部署

确保qdrant.tar程序包已经下载，并且上传到向量数据库服务器指定目录（如/data目录），随后进行安装：

# 没有/data目录则先创建
mkdir -p /data

# 将qdrant.tar程序包上传到/data目录下，随后导入镜像
docker load -i /data/qdrant.tar

# 创建向量库数据目录
mkdir -p /data/SeeyonAI/qdrant/

# 启动向量库（默认开启6333、6334端口）
docker run --privileged --restart=always -d -p 6333:6333 -p 6334:6334 -v /data/SeeyonAI/qdrant/qdrant_storage:/qdrant/storage --name qdrant qdrant/qdrant:prod

# aiapp服务部署

确保qdrant.tar程序包已经下载，并且上传到向量数据库服务器指定目录（如/data目录），随后进行安装：

# 将aiapp.tar程序包上传到/data目录下，随后导入镜像
docker load -i /data/aiapp.tar

# 创建aiapp配置文件目录
mkdir -p /data/SeeyonAI/aiapp/aiapp_config

# 创建/修改配置文件
vim /data/SeeyonAI/aiapp/aiapp_config/config.yaml

公有云大模型配置文件

大模型配置中的apikey、model模型名称、url模型base url地址均需要提前准备，参考准备和测试大模型章节操作准备相关参数信息。

model_define:
  classify:
    type: qwen # 不用修改，公有云大模型都配置为qwen即可
    apikey: xxx # 公有云上创建的api key
    model: qwen-plus # 公有云厂商提供的实际模型名称
    url: https://dashscope.aliyuncs.com/compatible-mode # 修改为厂商提供的 Base Url

  # 以下是不同场景的信息，默认都使用相同模型配置，请参照上面classify配置修改以下所有配置
  exact:
    type: qwen
    apikey: xxx
    model: qwen-plus
    url: https://dashscope.aliyuncs.com/compatible-mode

  exact_entity:
    type: qwen
    apikey: xxx
    model: qwen-plus
    url: https://dashscope.aliyuncs.com/compatible-mode

  create:
    type: qwen
    apikey: xxx
    model: qwen-plus
    url: https://dashscope.aliyuncs.com/compatible-mode
    temperature: 0.8


  create_groovy:
    type: qwen
    apikey: xxx
    model: qwen-plus
    url: https://dashscope.aliyuncs.com/compatible-mode

  qa:
    type: qwen
    apikey: xxx
    model: qwen-plus
    url: https://dashscope.aliyuncs.com/compatible-mode
    temperature: 0.1
    seed: 1
    top_p: 0.7

  qa_analyze:
    type: qwen
    apikey: xxx
    model: qwen-plus
    url: https://dashscope.aliyuncs.com/compatible-mode

  # 视觉大模型配置，用于归档助手功能；上文网络结构图中没有包含此模型服务，可以直接略过此项配置，但不要删除
  vl_common:
    type: qwen
    apikey: xxx
    model: qwen-vl-max      # 修改为视觉模型名称（没有用到归档助手则保持现有配置不变，不要删除）
    url: https://dashscope.aliyuncs.com/compatible-mode   # 修改为视觉模型的base url（没有用到归档助手则保持现有配置不变，不要删除）
    temperature: 0.1

  sql:
    type: qwen
    apikey: xxx
    model: qwen-plus
    url: https://dashscope.aliyuncs.com/compatible-mode


  bi_recommend_question:
    type: qwen
    apikey: xxx
    model: qwen-plus
    url: https://dashscope.aliyuncs.com/compatible-mode
    temperature: 1


  bi_advice:
    type: qwen
    apikey: xxx
    model: qwen-max
    url: https://dashscope.aliyuncs.com/compatible-mode
    temperature: 0.7


third_party:
  qa_doc:
    path:
      doc_permission: /seeyon/rest/seeyon-ai/plugin/assistant/auth
      assistant_list: /seeyon/rest/seeyon-ai/plugin/assistant/list
      resource_check: /seeyon/rest/seeyon-ai/v5Wrapper/source/exists
      keywords_search: /seeyon/rest/seeyon-ai/v5Wrapper/source/keywords_search
      create-task: /seeyon/rest/seeyon-ai/smartdata/create-task
  ocr:
    host: http://ip:port/ocr  # 修改为OCR服务的地址，比如  http://10.101.68.9:12841/ocr；如果没有部署ocr，请保持该配置不变（勿删除）
    path:
      pic_content: /pic/get_table_all_text

qa_config:
  refer_doc_length: 7


qdrant:
  host: "qdrant ip" # 修改为qdrant向量数据库的IP地址
  port: "6333"  # 修改为qdrant向量数据库的端口号，默认6333
  grpc_port: "6334" # 修改为qdrant向量数据库的gprc端口号，默认63334
  collection: "v5"
  vector_size: "512"
  use_grpc: true
  timeout: 10

embedding:
  backup:
    BACKUP_ENABLE: false
    BACKUP_PATH: ''
    QDRANT_STORAGE_PATH: ''

threads:
  cpu-count: cpu_count/2 # 修改为cpu核数除以2，必须修改为整数，比如8核心CPU则填写cpu-count: 8/2


data_dir:
  data_dir_prefix: /app/data # 此处请不要修改，此路径是docker路径

# 是否输出思考过程：注意只有R1模型才开启 ，true为开启false为关闭
output_think: false

私有化大模型配置文件

大模型配置中的apikey、model模型名称、url模型base url地址均需要提前准备，参考准备和测试大模型章节操作准备相关参数信息。

model_define:
  classify:
    type: local # 不用修改，私有大模型都配置为local
    model: Qwen2-72B-Instruct-AWQ  # 修改为实际的模型名称, 比如：deepseek-r1:8b
    url: http://x.x.x.x:9000   # 修改为模型的base url, 比如：http://10.1.131.174:11434

  exact:
    type: local
    model: Qwen2-72B-Instruct-AWQ  # 修改为实际的模型名称, 同上
    url: http://x.x.x.x:9000  # 修改为模型的base url，同上

  exact_entity:
    type: local
    model: Qwen2-72B-Instruct-AWQ  # 修改为实际的模型名称, 同上
    url: http://x.x.x.x:9000  # 修改为模型的base url，同上

  create:
    type: local
    model: Qwen2-72B-Instruct-AWQ  # 修改为实际的模型名称, 同上
    url: http://x.x.x.x:9000  # 修改为模型的base url，同上


  create_groovy:
    type: local
    model: Qwen2-72B-Instruct-AWQ  # 修改为实际的模型名称, 同上
    url: http://x.x.x.x:9000  # 修改为模型的base url，同上

  qa:
    type: local
    model: Qwen2-72B-Instruct-AWQ  # 修改为实际的模型名称, 同上
    url: http://x.x.x.x:9000  # 修改为模型的base url，同上
    temperature: 0.1
    seed: 1
    top_p: 0.7

  qa_analyze:
    type: local
    model: Qwen2-72B-Instruct-AWQ  # 修改为实际的模型名称, 同上
    url: http://x.x.x.x:9000  # 修改为模型的base url，同上

  # 视觉大模型配置，用于归档助手功能；上文系统架构图中没有包含此模型服务，可以直接略过此项配置，但不要删除
  vl_common:
    type: local
    model: Qwen2-VL-72B-Instruct-AWQ  # 修改为视觉模型名称（没有用到归档助手忽略该配置）
    url: http://x.x.x.x:9001 # 修改为视觉模型的base url（没有用到归档助手忽略该配置）

  sql:
    type: qwen
    model: Qwen2-72B-Instruct-AWQ  # 修改为实际的模型名称, 同上
    url: http://x.x.x.x:9001  # 修改为模型的base url，同上


  bi_recommend_question:
    type: qwen
    model: Qwen2-72B-Instruct-AWQ  # 修改为实际的模型名称, 同上
    url: http://x.x.x.x:9001  # 修改为模型的base url，同上
    temperature: 1


  bi_advice:
    type: qwen
    model: Qwen2-72B-Instruct-AWQ  # 修改为实际的模型名称, 同上
    url: http://x.x.x.x:9001  # 修改为模型的base url，同上
    temperature: 0.7


third_party:
  qa_doc:
    path:
      doc_permission: /seeyon/rest/seeyon-ai/plugin/assistant/auth
      assistant_list: /seeyon/rest/seeyon-ai/plugin/assistant/list
      resource_check: /seeyon/rest/seeyon-ai/v5Wrapper/source/exists
      keywords_search: /seeyon/rest/seeyon-ai/v5Wrapper/source/keywords_search
  ocr:
    host: http://ip:port/ocr  # 修改为OCR服务的地址，比如  http://10.101.68.9:12841/ocr；如果没有部署ocr，请保持该配置不变（勿删除）
    path:
      pic_content: /pic/get_table_all_text

qa_config:
  refer_doc_length: 7


qdrant:
  host: "qdrant ip"  # 修改为qdrant向量数据库的IP地址
  port: "6333"  # 修改为qdrant向量数据库的端口号，默认6333
  grpc_port: "6334" # 修改为qdrant向量数据库的gprc端口号，默认6334
  collection: "v5"
  vector_size: "512"
  use_grpc: true
  timeout: 10

embedding:
  backup:
    BACKUP_ENABLE: false
    BACKUP_PATH: ''
    QDRANT_STORAGE_PATH: ''

threads:
  cpu-count: cpu_count/2  # 修改为cpu核数除以2，必须修改为整数，比如8核心CPU则填写cpu-count: 8/2

data_dir:
  data_dir_prefix: /app/data # 此处请不要修改，此路径是docker路径

# 是否输出思考过程：注意只有R1模型才开启，非R1模型请修改配置为false
output_think: false

以上配置保存后，执行启动命令：

# 启动
docker run --privileged --restart=always -d --name aiapp -v /data/SeeyonAI/aiapp/logs:/app/logs -v /data/SeeyonAI/aiapp/aiapp_config:/app/ai_app/resources/config -p 5556:5556 harbor-chengdu.seeyoncloud.com/ai/aiapp:prod

如果有定制智能问答的身份的需求时则可以在config.yaml同级目录下加model.prompt文件，文件内容请参考

格式：

当用户询问您身份相关问题时，请您回答： xxxx（需要模型回答的内容）

例子：

当用户询问您身份相关问题时，请您回答：您好！我是由中国的深度求索（DeepSeek）公司开发的智能助手DeepSeek-V3。如您有任何任何问题，我会尽我所能为您提供帮助。

# ocr(图片文字提取服务)部署

# 导入镜像
docker load -i /data/ocr.tar

# 启动
docker run -d --privileged --restart=always --name ocr -p 12841:12841 -e worknum=1 harbor-chengdu.seeyoncloud.com/ai/ocr:prod

# 验证服务可用性

以上关联组件全部部署、配置完成后，依次验证服务可用性

# 检查所有服务是否正常启动

必须确认所有服务都正常启动了，再去验证可用性

# 查看服务状态，必须所有服务都是up状态
docker ps -a

1742968237605.png

# 查看aiapp启动日志，如果启动完成会显示如下信息
docker logs -f --tail 100 aiapp

1742968520579.png

  • 如果发现aiapp服务启动报错，一般都是配置文件没有修改正确导致，请仔细检查配置文件

# 验证qdrant可用性

# 健康检查命令 (xx.xx.xx.xx 请替换成qdrant的ip地址
curl http://xx.xx.xx.xx:6333/collections/v5

# 返回结果检查：（返回结果 result里面的 status 为green 证明启动成功）
{"result":{"status":"green","optimizer_status":"ok","vectors_count":0,"indexed_vectors_count":0,"points_count":0,"segments_count":16,"config":{"params":{"vectors":{"size":512,"distance":"Cosine","on_disk":true},"shard_number":2,"replication_factor":1,"write_consistency_factor":1,"on_disk_payload":true},"hnsw_config":{"m":16,"ef_construct":100,"full_scan_threshold":10000,"max_indexing_threads":0,"on_disk":false},"optimizer_config":{"deleted_threshold":0.2,"vacuum_min_vector_number":1000,"default_segment_number":0,"max_segment_size":null,"memmap_threshold":null,"indexing_threshold":2000,"flush_interval_sec":5,"max_optimization_threads":null},"wal_config":{"wal_capacity_mb":32,"wal_segments_ahead":0},"quantization_config":null},"payload_schema":{"owner":{"data_type":"keyword","points":0},"prefix_id":{"data_type":"keyword","points":0},"appType":{"data_type":"integer","points":0}}},"status":"ok","time":0.000095766}(base)

# 验证aiapp可用性

# (xx.xx.xx.xx 请替换成aiapp助手服务的ip地址
curl -X GET http://xx.xx.xx.xx:5556/prompt/health_check

# 正确结果案例
{"code":"200","message":"Success","data":{"content":"ok"}}

# 验证ocr模型可用性

# 请替换xx.xx.xx.xx 为实际的OCR服务器IP 再执行命令
curl -X POST http://xx.xx.xx.xx:12841/ocr/pic/health

# 返回结果包含“单位”关键字，证明服务正常
{
    "code": "200",
    "message": "Success",
    "data": {
        "text_content": [
            "单位"
        ]
    }
}

# 三、协同服务配置

# 安装协同增量补丁

产品支持V9.0SP1 B250122.183001.CTP179142793及未来版本，如客户是9.0SP1 B250122版本，需要打如下增量补丁包才能使用：

网盘下载链接: https://pan.baidu.com/s/1UfyGDfMV4BJYuinuKPxuig?pwd=yws3 提取码: yws3

下载“9.0SP1-0122版本S1增量补丁包”，使用S1进行补丁打包。

# 修改OA配置文件

编辑OA配置文件：base/conf/plugin.properties，添加以下配置

aicoreshell.ai.assistant.enabled # true表示开启
aicoreshell.ai.service.python.url # ai算法服务地址即aiapp服务地址，格式：http://ip:port，端口默认5556
aicoreshell.oa.host.ip # oa服务的ip和端口，格式: ip:port

以上配置完成之后，请重启OA并参考产品使用手册（商务公布的安装程序下载地址-文档-操作手册-V9.0sp1 新特性手册），完成智能助理配置后才能正常使用(启用智能助理、授权单位等)

手册参考位置如图：

1742969817077.png

# 四、全文检索配置

如需问答助手、办公助手（部分功能）可用，则需致远全文检索服务参与工作，全文检索服务需要在基础配置上增加AI特性配置

全文检索服务需要配置AI算法服务（aiapp服务）IP和端口， 全文检索配置文件：Searchservice/config/application.properties

1740040605798.png

ai.server.url=        # 配置成aiapp服务的地址。(格式：http://ip:port，端口默认5556)
ai.server.full.url=   # 配置成aiapp服务的地址。（格式：http://ip:port，端口默认5556)
ai.server.ssh.url=   # 保持默认即可。
ai.index.sync.mode=   # 配置为0。
ai.index.sync.datas.sizes=  # 保持默认即可。(可以根据AI服务器的性能适当调高。只有全量同步时会使用到)。
ai.index.sync.thread.size=  # 保持默认即可。(可以根据AI服务器的性能适当调高。只有全量同步时会使用到)。
ai.index.again.sync=         #  保持默认即可。
ai.index.again.sync.from.id=  # 保持默认即可。
ai.isSyncNode=              # 注释放开，设置为true（如果全文检索为集群部署，该配置保持默认即可）
ai.OCRUrl=   # 配置成OCR服务的地址。（格式：http://ip:port，端口默认12841）

配置完成后重启全文检索服务，OA已配全文检索的前提下，无需重启OA

在【系统管理员】-【全文检索服务配置】中，可检查全文检索是否成功配置连接aiapp

# 五、日常运维

# 问题排查

# 服务启停

# 日志管理

# 卸载与重装

# 六、常见问题

# 向量数据库(qdrant)

# 数据备份

  • qdrant备份 需要停止qdrant服务和OA服务

  • 备份频率： 1-2周备份一次

  • 备份方式： 停服后直接拷贝qdrant_storage整个路径

# 服务器其他相关设置

# 服务器编码设置

请保障 1、OA服务；2、AIAPP服务；统一编码格式为UTF-8

# 该命令查看编码设置
locale
# 或者
echo $LANG
# 查看LANG属性是否为LANG=zh_CN.UTF-8
编撰人：wangyxyf、het、hufei

快速跳转

← 内容审校配置手册 →