私有化模型对接oneapi教程+镜像更新 (#237)

* chatglm2-m3e对接教程

* chatglm2docker部署+对接Oneapi

* Update m3e.md

docSite/content/docs/custom-models/chatglm2-m3e.md

@@ -0,0 +1,110 @@
+---
+title: '接入 ChatGLM2-m3e 模型'
+description: ' 将 FastGPT 接入私有化模型 ChatGLM2和m3e-large'
+icon: 'model_training'
+draft: false
+toc: true
+weight: 100
+---
+
+## 前言
+
+FastGPT 默认使用了 openai 的 LLM模型和向量模型，如果想要私有化部署的话，可以使用 ChatGLM2 和 m3e-large 模型。以下是由用户@不做了睡大觉 提供的接入方法。
+
+## 部署镜像
+
+镜像名: `stawky/chatglm2-m3e:latest`  
+国内镜像名: `registry.cn-hangzhou.aliyuncs.com/fastgpt/chatglm2-m3e:latest`
+端口号: 6006
+镜像默认sk-key: `sk-aaabbbcccdddeeefffggghhhiiijjjkkk`
+
+## 接入 OneAPI
+
+为chatglm2和m3e-large各添加一个渠道，参数如下：
+
+![](/imgs/model-m3e1.png)
+
+这里我填入m3e作为向量模型，chatglm2作为语言模型
+## 测试
+
+curl 例子：
+
+```bash
+curl --location --request POST 'https://domain/v1/embeddings' \
+--header 'Authorization: Bearer sk-aaabbbcccdddeeefffggghhhiiijjjkkk' \
+--header 'Content-Type: application/json' \
+--data-raw '{
+  "model": "m3e",
+  "input": ["laf是什么"]
+}'
+```
+
+```bash
+curl --location --request POST 'https://domain/v1/chat/completions' \
+--header 'Authorization: Bearer sk-aaabbbcccdddeeefffggghhhiiijjjkkk' \
+--header 'Content-Type: application/json' \
+--data-raw '{
+  "model": "chatglm2",
+  "messages": [{"role": "user", "content": "Hello!"}]
+}'
+```
+
+Authorization 为 sk-aaabbbcccdddeeefffggghhhiiijjjkkk。model 为刚刚在 OneAPI 填写的自定义模型。
+
+## 接入 FastGPT
+
+修改 config.json 配置文件，在 VectorModels 中加入 chatglm2和M3E 模型：
+
+```json
+  "ChatModels": [
+    //已有模型
+    {
+      "model": "chatglm2",
+      "name": "chatglm2",
+      "contextMaxToken": 8000,
+      "quoteMaxToken": 4000,
+      "maxTemperature": 1.2,
+      "price": 0,
+      "defaultSystem": ""
+    }
+  ],
+
+"VectorModels": [
+    {
+      "model": "text-embedding-ada-002",
+      "name": "Embedding-2",
+      "price": 0.2,
+      "defaultToken": 500,
+      "maxToken": 3000
+    },
+    {
+      "model": "m3e",
+      "name": "M3E（测试使用）",
+      "price": 0.1,
+      "defaultToken": 500,
+      "maxToken": 1800
+    }
+],
+```
+
+## 测试使用
+M3E 模型的使用方法如下：
+1. 创建知识库时候选择 M3E 模型。
+
+注意，一旦选择后，知识库将无法修改向量模型。
+
+![](/imgs/model-m3e2.png)
+
+2. 导入数据
+3. 搜索测试
+
+![](/imgs/model-m3e3.png)
+
+4. 应用绑定知识库
+
+注意，应用只能绑定同一个向量模型的知识库，不能跨模型绑定。并且，需要注意调整相似度，不同向量模型的相似度（距离）会有所区别，需要自行测试实验。
+
+![](/imgs/model-m3e4.png)
+
+chatglm2 模型的使用方法如下：
+模型选择chatglm2即可

docSite/content/docs/custom-models/chatglm2.md

@@ -66,6 +66,59 @@ CHAT_API_KEY=sk-aaabbbcccdddeeefffggghhhiiijjjkkk # 这里是你在代码中配
 
 这样就成功接入 ChatGLM2-6B 了。
 
-## 注意
+## docker 部署
+
+## 部署镜像
+
+镜像名: `stawky/chatglm2:latest`  
+国内镜像名: `registry.cn-hangzhou.aliyuncs.com/fastgpt/chatglm2:latest`
+端口号: 6006
+镜像默认sk-key: `sk-aaabbbcccdddeeefffggghhhiiijjjkkk`
+
+## 接入 OneAPI
+
+为chatglm2添加一个渠道，参数如下：
+
+![](/imgs/model-m3e1.png)
+
+这里我填入chatglm2作为语言模型
+## 测试
+
+curl 例子：
+
+```bash
+curl --location --request POST 'https://domain/v1/chat/completions' \
+--header 'Authorization: Bearer sk-aaabbbcccdddeeefffggghhhiiijjjkkk' \
+--header 'Content-Type: application/json' \
+--data-raw '{
+  "model": "chatglm2",
+  "messages": [{"role": "user", "content": "Hello!"}]
+}'
+```
+
+Authorization 为 sk-aaabbbcccdddeeefffggghhhiiijjjkkk。model 为刚刚在 OneAPI 填写的自定义模型。
+
+## 接入 FastGPT
+
+修改 config.json 配置文件，在 VectorModels 中加入 chatglm2和M3E 模型：
+
+```json
+  "ChatModels": [
+    //已有模型
+    {
+      "model": "chatglm2",
+      "name": "chatglm2",
+      "contextMaxToken": 8000,
+      "quoteMaxToken": 4000,
+      "maxTemperature": 1.2,
+      "price": 0,
+      "defaultSystem": ""
+    }
+  ],
+```
+
+## 测试使用
+
+chatglm2 模型的使用方法如下：
+模型选择chatglm2即可
 
-1. docker 部署时，给的推荐配置是组网模型，无法连接到本地的网络，以为这无法请求 0.0.0.0:6006。可以使用 host 模式，或者将模型发布到服务器上，并通过 oneapi 引入该模型。

docSite/content/docs/custom-models/m3e.md

@@ -14,6 +14,7 @@ FastGPT 默认使用了 openai 的 embedding 向量模型，如果你想私有
 ## 部署镜像
 
 镜像名: `stawky/m3e-large-api:latest`  
+国内镜像： `registry.cn-guangzhou.aliyuncs.com/kbgpt/m3e-large-api:latest`
 端口号: 6008
 
 ## 接入 OneAPI