You cannot select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
This file contains ambiguous Unicode characters that may be confused with others in your current locale. If your use case is intentional and legitimate, you can safely ignore this warning. Use the Escape button to highlight these characters.
---
title: LobeChat 知识库 / 文件上传
description: 了解 LobeChat 的文件上传和知识库管理核心组件，助力成功部署。
tags:
- LobeChat
- 文件上传
- 知识库管理
- PostgreSQL
- OpenAI
---
# 知识库 / 文件上传
LobeChat 支持文件上传 / 知识库管理。该功能依赖于以下核心技术组件，了解这些组件将有助于你成功部署和维护知识库系统。
## 核心组件
### 1. PostgreSQL 与 PGVector
PostgreSQL 是一个强大的开源关系型数据库系统，而 PGVector 是其扩展，为向量操作提供支持。
- **用途**：存储结构化数据和向量索引
- **部署建议**：使用官方 Docker 镜像可以快速部署 PostgreSQL 和 PGVector
示例部署脚本：
```
```
- **注意事项**：确保分配足够的资源以处理向量操作
### 2. S3 兼容的对象存储
S3（
- **用途**：存储原始文件
- **选项**：可以使用 AWS S3、MinIO 或其他兼容 S3 协议的存储服务
- **注意事项**：配置适当的访问权限和安全策略
### 3. OpenAI Embedding
OpenAI 的嵌入（ ）
< Callout type = {'info'} >
LobeChat 当前默认使用 OpenAI `text-embedding-3-small` 模型，请确保你的 API Key 可以访问该模型。
</ Callout >
- **用途**：生成文本的向量表示，用于语义搜索
- **注意事项**：
- 需要有效的 OpenAI API 密钥
- 实施适当的 API 调用限制和错误处理机制
### 4. Unstructured.io（ ）
Unstructured.io 是一个强大的文档处理工具。
- **用途**：处理复杂的文档格式，提取结构化信息
- **应用场景**：处理 PDF、Word 等非纯文本格式的文档
- **注意事项**：评估处理需求，根据文档复杂度决定是否部署
通过正确配置和集成这些核心组件，您可以为 LobeChat 构建一个强大、高效的知识库系统。每个组件都在整体架构中扮演着关键角色，共同支持高级的文档管理和智能检索功能。
### 5. 自定义 Embedding（ ）
- **用途**: 使用不同的嵌入模型（ ） ，
- **选项**: 支持的模型提供商:zhipu/github/openai/bedrock/ollama
- **部署建议**: 使用环境变量配置默认嵌入模型
```
```
