export default {
translation: {
common: {
delete: '刪除',
deleteModalTitle: '確定刪除嗎?',
ok: '是',
cancel: '否',
total: '總共',
rename: '重命名',
name: '名稱',
save: '保持',
namePlaceholder: '請輸入名稱',
next: '下一步',
create: '創建',
edit: '編輯',
upload: '上傳',
english: '英語',
chinese: '簡體中文',
traditionalChinese: '繁體中文',
language: '語言',
languageMessage: '請輸入語言',
languagePlaceholder: '請選擇語言',
copy: '複製',
copied: '複製成功',
comingSoon: '即將推出',
download: '下載',
close: '關閉',
preview: '預覽',
move: '移動',
warn: '提醒',
},
login: {
login: '登入',
signUp: '註冊',
loginDescription: '很高興再次見到您！',
registerDescription: '很高興您加入！',
emailLabel: '郵箱',
emailPlaceholder: '請輸入郵箱地址',
passwordLabel: '密碼',
passwordPlaceholder: '請輸入密碼',
rememberMe: '記住我',
signInTip: '沒有帳戶？',
signUpTip: '已經有帳戶？',
nicknameLabel: '名稱',
nicknamePlaceholder: '請輸入名稱',
register: '創建賬戶',
continue: '繼續',
title: '開始構建您的智能助手',
description:
'免費註冊以探索頂級 RAG 技術。創建知識庫和人工智能來增強您的業務',
review: '來自 500 多條評論',
},
header: {
knowledgeBase: '知識庫',
chat: '聊天',
register: '註冊',
signin: '登入',
home: '首頁',
setting: '用戶設置',
logout: '登出',
fileManager: '文件管理',
flow: 'Agent',
search: '搜尋',
},
knowledgeList: {
welcome: '歡迎回來',
description: '今天我們要使用哪個知識庫？',
createKnowledgeBase: '創建知識庫',
name: '名稱',
namePlaceholder: '請輸入名稱',
doc: '文件',
searchKnowledgePlaceholder: '搜索',
},
knowledgeDetails: {
dataset: '數據集',
testing: '檢索測試',
configuration: '配置',
files: '文件',
name: '名稱',
namePlaceholder: '請輸入名稱',
doc: '文件',
datasetDescription: '😉 解析成功後才能問答哦。',
addFile: '新增文件',
searchFiles: '搜索文件',
localFiles: '本地文件',
emptyFiles: '新建空文件',
webCrawl: '網頁抓取',
chunkNumber: '分塊數',
uploadDate: '上傳日期',
chunkMethod: '解析方法',
enabled: '啟用',
disabled: '禁用',
action: '動作',
parsingStatus: '解析狀態',
processBeginAt: '流程開始於',
processDuration: '過程持續時間',
progressMsg: '進度消息',
testingDescription: '最後一步！成功後，剩下的就交給Infiniflow AI吧。',
similarityThreshold: '相似度閾值',
similarityThresholdTip:
'我們使用混合相似度得分來評估兩行文本之間的距離。它是加權關鍵詞相似度和向量餘弦相似度。如果查詢和塊之間的相似度小於此閾值，則該塊將被過濾掉。',
vectorSimilarityWeight: '關鍵字相似度權重',
vectorSimilarityWeightTip:
'我們使用混合相似性評分來評估兩行文本之間的距離。它是加權關鍵字相似性和矢量餘弦相似性或rerank得分（0〜1）。兩個權重的總和為1.0。',
testText: '測試文本',
testTextPlaceholder: '請輸入您的問題！',
testingLabel: '測試',
similarity: '混合相似度',
termSimilarity: '關鍵詞相似度',
vectorSimilarity: '向量相似度',
hits: '命中次數',
view: '看法',
filesSelected: '選定的文件',
upload: '上傳',
run: '啟動',
runningStatus0: '未啟動',
runningStatus1: '解析中',
runningStatus2: '取消',
runningStatus3: '成功',
runningStatus4: '失敗',
pageRanges: '頁碼範圍',
pageRangesTip:
'頁碼範圍：定義需要解析的頁面範圍。不包含在這些範圍內的頁面將被忽略。',
fromPlaceholder: '從',
fromMessage: '缺少起始頁碼',
toPlaceholder: '到',
toMessage: '缺少結束頁碼（不包含）',
layoutRecognize: '佈局識別',
layoutRecognizeTip:
'使用視覺模型進行佈局分析，以更好地識別文檔結構，找到標題、文本塊、圖像和表格的位置。如果沒有此功能，則只能獲取 PDF 的純文本。',
taskPageSize: '任務頁面大小',
taskPageSizeMessage: '請輸入您的任務頁面大小！',
taskPageSizeTip: `如果使用佈局識別，PDF 文件將被分成連續的組。佈局分析將在組之間並行執行，以提高處理速度。“任務頁面大小”決定組的大小。頁面大小越大，將頁面之間的連續文本分割成不同塊的機會就越低。`,
addPage: '新增頁面',
greaterThan: '當前值必須大於起始值！',
greaterThanPrevious: '當前值必須大於之前的值！',
selectFiles: '選擇文件',
changeSpecificCategory: '更改特定類別',
uploadTitle: '點擊或拖拽文件至此區域即可上傳',
uploadDescription: '支持單次或批量上傳。嚴禁上傳公司數據或其他違禁文件。',
chunk: '解析塊',
bulk: '批量',
cancel: '取消',
rerankModel: 'rerank模型',
rerankPlaceholder: '請選擇',
rerankTip: `如果是空的。它使用查詢和塊的嵌入來構成矢量餘弦相似性。否則，它使用rerank評分代替矢量餘弦相似性。`,
topK: 'Top-K',
topKTip: `K塊將被送入Rerank型號。`,
delimiter: `分段標識符`,
html4excel: '表格轉HTML',
html4excelTip: `Excel 是否會被解析為 HTML 表格。如果為 FALSE，Excel 中的每一行都會形成一個區塊。`,
},
knowledgeConfiguration: {
titleDescription: '在這裡更新您的知識庫詳細信息，尤其是解析方法。',
name: '知識庫名稱',
photo: '知識庫圖片',
description: '描述',
language: '語言',
languageMessage: '請輸入語言',
languagePlaceholder: '請輸入語言',
permissions: '權限',
embeddingModel: '嵌入模型',
chunkTokenNumber: '塊Token數',
chunkTokenNumberMessage: '塊Token數是必填項',
embeddingModelTip:
'用於嵌入塊的嵌入模型。一旦知識庫有了塊，它就無法更改。如果你想改變它，你需要刪除所有的塊。',
permissionsTip: '如果權限是“團隊”，則所有團隊成員都可以操作知識庫。',
chunkTokenNumberTip: '它大致確定了一個塊的Token數量。',
chunkMethod: '解析方法',
chunkMethodTip: '說明位於右側。',
upload: '上傳',
english: '英語',
chinese: '中文',
embeddingModelPlaceholder: '請選擇嵌入模型',
chunkMethodPlaceholder: '請選擇分塊方法',
save: '保持',
me: '只有我',
team: '團隊',
cancel: '取消',
methodTitle: '分塊方法說明',
methodExamples: '示例',
methodExamplesDescription: '提出以下屏幕截圖以促進理解。',
dialogueExamplesTitle: '對話示例',
methodEmpty: '這將顯示知識庫類別的可視化解釋',
book: `<p>支持的文件格式為<b>DOCX</b>、<b>PDF</b>、<b>TXT</b>。</p><p>
由於一本書很長，並不是所有部分都有用，如果是 PDF，
請為每本書設置<i>頁面範圍</i>，以消除負面影響並節省分析計算時間。</p>`,
laws: `<p>支持的文件格式為<b>DOCX</b>、<b>PDF</b>、<b>TXT</b>。</p><p>
法律文件有非常嚴格的書寫格式。我們使用文本特徵來檢測分割點。
</p><p>
chunk的粒度與'文章'一致，所有上層文本都會包含在chunk中。
</p>`,
manual: `<p>僅支持<b>PDF</b>。</p><p>
我們假設手冊具有分層部分結構。我們使用最低的部分標題作為對文檔進行切片的樞軸。
因此，同一部分中的圖和表不會被分割，並且塊大小可能會很大。
</p>`,
naive: `<p>支持的文件格式為<b>DOCX、EXCEL、PPT、IMAGE、PDF、TXT、MD、JSON、EML、HTML</b>。</p>
<p>此方法將簡單的方法應用於塊文件：</p>
<p>
<li>系統將使用視覺檢測模型將連續文本分割成多個片段。</li>
<li>接下來，這些連續的片段被合併成Token數不超過“Token數”的塊。</li></p>`,
paper: `<p>僅支持<b>PDF</b>文件。</p><p>
如果我們的模型運行良好，論文將按其部分進行切片，例如<i>摘要、1.1、1.2</i>等。</p><p>
這樣做的好處是LLM可以更好的概括論文中相關章節的內容，
產生更全面的答案，幫助讀者更好地理解論文。
缺點是它增加了 LLM 對話的背景並增加了計算成本，
所以在對話過程中，你可以考慮減少‘<b>topN</b>’的設置。</p>`,
presentation: `<p>支持的文件格式為<b>PDF</b>、<b>PPTX</b>。</p><p>
每個頁面都將被視為一個塊。並且每個頁面的縮略圖都會被存儲。</p><p>
<i>您上傳的所有PPT文件都會使用此方法自動分塊，無需為每個PPT文件進行設置。</i></p>`,
qa: `<p>
此塊方法支持<b> excel </b>和<b> csv/txt </b>文件格式。
</p>
<li>
如果文件以<b> excel </b>格式，則應由兩個列組成
沒有標題：一個提出問題，另一個用於答案，
答案列之前的問題列。多張紙是
只要列正確結構，就可以接受。
</li>
<li>
如果文件以<b> csv/txt </b>格式為
用作分開問題和答案的定界符。
</li>
<p>
<i>
未能遵循上述規則的文本行將被忽略，並且
每個問答對將被認為是一個獨特的部分。
</i>`,
resume: `<p>支持的文件格式為<b>DOCX</b>、<b>PDF</b>、<b>TXT</b>。
</p><p>
簡歷有多種格式，就像一個人的個性一樣，但我們經常必須將它們組織成結構化數據，以便於搜索。
</p><p>
我們不是將簡歷分塊，而是將簡歷解析為結構化數據。作為HR，你可以扔掉所有的簡歷，
您只需與<i>'ragflow'</i>交談即可列出所有符合資格的候選人。
</p>
`,
table: `支持<p><b>excel</b>和<b>csv/txt</b>格式文件。</p><p>以下是一些提示： <ul> <li>对于Csv或Txt文件，列之间的分隔符为 <em><b>tab</b></em>。</li> <li>第一行必须是列标题。</li> <li>列标题必须是有意义的术语，以便我们的大語言模型能够理解。列举一些同义词时最好使用斜杠<i>'/'</i>来分隔，甚至更好使用方括号枚举值，例如 <i>“性別/性別（男性，女性）”</i>.<p>以下是标题的一些示例：<ol> <li>供应商/供货商<b>'tab'</b>顏色（黃色、紅色、棕色）<b>'tab'</b>性別（男、女）<b>'tab'</B>尺码（m、l、xl、xxl）</li> <li>姓名/名字<b>'tab'</b>電話/手機/微信<b>'tab'</b>最高学历（高中，职高，硕士，本科，博士，初中，中技，中专，专科，专升本，mpa，mba，emba）</li> </ol> </p> </li> <li>表中的每一行都将被视为一个块。</li> </ul>`,
picture: `
<p>支持圖像文件。視頻即將推出。</p><p>
如果圖片中有文字，則應用 OCR 提取文字作為其文字描述。
</p><p>
如果OCR提取的文本不夠，可以使用視覺LLM來獲取描述。
</p>`,
one: `
<p>支持的文件格式為<b>DOCX、EXCEL、PDF、TXT</b>。
</p><p>
對於一個文檔，它將被視為一個完整的塊，根本不會被分割。
</p><p>
如果你要總結的東西需要一篇文章的全部上下文，並且所選LLM的上下文長度覆蓋了文檔長度，你可以嘗試這種方法。
</p>`,
knowledgeGraph: `<p>支援的檔案格式為<b>DOCX、EXCEL、PPT、IMAGE、PDF、TXT、MD、JSON、EML</b>
<p>文件分塊後，使用分塊擷取整個文件的知識圖譜和心智圖。此方法將簡單的方法應用於區塊檔案：
連續的文字將被分割成多個片段，每個片段大約有 512 個令牌數。
<p>接下來，區塊將傳送到LLM以提取知識圖譜和思維導圖的節點和關係。
<p>請注意您需要指定的條目類型。</p></p>`,
useRaptor: '使用RAPTOR文件增強策略',
useRaptorTip: '請參考 https://huggingface.co/papers/2401.18059',
prompt: '提示詞',
promptMessage: '提示詞是必填項',
promptText: `请請總結以下段落。 小心數字，不要編造。 段落如下：
{cluster_content}
以上就是你需要總結的內容。`,
maxToken: '最大token數',
maxTokenMessage: '最大token數是必填項',
threshold: '閾值',
thresholdMessage: '閾值是必填項',
maxCluster: '最大聚類數',
maxClusterMessage: '最大聚類數是必填項',
randomSeed: '隨機種子',
randomSeedMessage: '隨機種子是必填項',
promptTip: 'LLM提示用於總結。',
maxTokenTip: '用於匯總的最大token數。',
thresholdTip: '閾值越大，聚類越少。',
maxClusterTip: '最大聚類數。',
entityTypes: '實體類型',
},
chunk: {
chunk: '解析塊',
bulk: '批量',
selectAll: '選擇所有',
enabledSelected: '啟用選定的',
disabledSelected: '禁用選定的',
deleteSelected: '刪除選定的',
search: '搜尋',
all: '所有',
enabled: '啟用',
disabled: '禁用的',
keyword: '關鍵詞',
function: '函數',
chunkMessage: '請輸入值！',
full: '全文',
ellipse: '省略',
graph: '知識圖譜',
mind: '心智圖',
},
chat: {
newConversation: '新會話',
createAssistant: '新建助理',
assistantSetting: '助理設置',
promptEngine: '提示引擎',
modelSetting: '模型設置',
chat: '聊天',
newChat: '新建聊天',
send: '發送',
sendPlaceholder: '消息概要助手...',
chatConfiguration: '聊天配置',
chatConfigurationDescription: '在這裡，為你的專業知識庫裝扮專屬助手！💕',
assistantName: '助理姓名',
assistantNameMessage: '助理姓名是必填項',
namePlaceholder: '例如 賈維斯簡歷',
assistantAvatar: '助理頭像',
language: '語言',
emptyResponse: '空回复',
emptyResponseTip: `如果在知識庫中沒有檢索到用戶的問題，它將使用它作為答案。如果您希望 LLM 在未檢索到任何內容時提出自己的意見，請將此留空。`,
setAnOpener: '設置開場白',
setAnOpenerInitial: `你好！我是你的助理，有什麼可以幫到你的嗎？`,
setAnOpenerTip: '您想如何歡迎您的客戶？',
knowledgeBases: '知識庫',
knowledgeBasesMessage: '請選擇',
knowledgeBasesTip: '選擇關聯的知識庫。',
system: '系統',
systemInitialValue: `你是一個智能助手，請總結知識庫的內容來回答問題，請列舉知識庫中的數據詳細回答。當所有知識庫內容都與問題無關時，你的回答必須包括“知識庫中未找到您要的答案！”這句話。回答需要考慮聊天歷史。
以下是知識庫：
{knowledge}
以上是知識庫。`,
systemMessage: '請輸入',
systemTip:
'當LLM回答問題時，你需要LLM遵循的說明，比如角色設計、答案長度和答案語言等。',
topN: 'Top N',
topNTip: `並非所有相似度得分高於“相似度閾值”的塊都會被提供給法學碩士。LLM 只能看到這些“Top N”塊。`,
variable: '變量',
variableTip: `如果您使用对话 API，变量可能会帮助您使用不同的策略与客户聊天。
这些变量用于填写提示中的“系统”部分，以便给LLM一个提示。
“知识”是一个非常特殊的变量，它将用检索到的块填充。
“System”中的所有变量都应该用大括号括起来。`,
add: '新增',
key: '關鍵字',
optional: '可選的',
operation: '操作',
model: '模型',
modelTip: '大語言聊天模型',
modelMessage: '請選擇',
freedom: '自由',
improvise: '即興創作',
precise: '精確',
balance: '平衡',
freedomTip: `“精確”意味著法學碩士會保守並謹慎地回答你的問題。“即興發揮”意味著你希望法學碩士能夠自由地暢所欲言。“平衡”是謹慎與自由之間的平衡。`,
temperature: '溫度',
temperatureMessage: '溫度是必填項',
temperatureTip:
'該參數控制模型預測的隨機性。較低的溫度使模型對其響應更有信心，而較高的溫度則使其更具創造性和多樣性。',
topP: '頂級P',
topPMessage: 'Top P 是必填項',
topPTip:
'該參數也稱為“核心採樣”，它設置一個閾值來選擇較小的單詞集進行採樣。它專注於最可能的單詞，剔除不太可能的單詞。',
presencePenalty: '出席處罰',
presencePenaltyMessage: '出席處罰是必填項',
presencePenaltyTip:
'這會通過懲罰對話中已經出現的單詞來阻止模型重複相同的信息。',
frequencyPenalty: '頻率懲罰',
frequencyPenaltyMessage: '頻率懲罰是必填項',
frequencyPenaltyTip:
'與存在懲罰類似，這減少了模型頻繁重複相同單詞的傾向。',
maxTokens: '最大token數',
maxTokensMessage: '最大token數是必填項',
maxTokensTip:
'這設置了模型輸出的最大長度，以標記（單詞或單詞片段）的數量來衡量。',
quote: '顯示引文',
quoteTip: '是否應該顯示原文出處？',
selfRag: 'Self-RAG',
selfRagTip: '請參考: https://huggingface.co/papers/2310.11511',
overview: '聊天 API',
pv: '消息數',
uv: '活躍用戶數',
speed: 'Token 輸出速度',
tokens: '消耗Token數',
round: '會話互動數',
thumbUp: '用戶滿意度',
preview: '預覽',
embedded: '嵌入',
serviceApiEndpoint: '服務 API 端點',
apiKey: 'API 鍵',
apiReference: 'API 文檔',
dateRange: '日期範圍：',
backendServiceApi: '後端服務 API',
createNewKey: '創建新密鑰',
created: '創建於',
action: '操作',
embedModalTitle: '嵌入網站',
comingSoon: '即將推出',
fullScreenTitle: '全屏嵌入',
fullScreenDescription: '將以下iframe嵌入您的網站處於所需位置',
partialTitle: '部分嵌入',
extensionTitle: 'Chrome 插件',
tokenError: '請先創建 API Token!',
searching: '搜索中',
parsing: '解析中',
uploading: '上傳中',
uploadFailed: '上傳失敗',
regenerate: '重新生成',
read: '朗讀內容',
tts: '文字轉語音',
ttsTip: '是否用語音轉換播放語音，請先在設定裡面選擇TTS（語音轉換模型）。',
relatedQuestion: '相關問題',
answerTitle: '智慧回答',
multiTurn: '多輪對話優化',
multiTurnTip:
'在多輪對話的中，對去知識庫查詢的問題進行最佳化。會呼叫大模型額外消耗token。',
},
setting: {
profile: '概述',
profileDescription: '在此更新您的照片和個人詳細信息。',
password: '密碼',
passwordDescription: '請輸入您當前的密碼以更改您的密碼。',
model: '模型提供商',
modelDescription: '在此設置模型參數和 API Key。',
team: '團隊',
logout: '登出',
system: '系統',
username: '使用者名稱',
usernameMessage: '請輸入用戶名',
photo: '頭像',
photoDescription: '這將顯示在您的個人資料上。',
colorSchema: '主題',
colorSchemaMessage: '請選擇您的主題！',
colorSchemaPlaceholder: '請選擇您的主題！',
bright: '明亮',
dark: '暗色',
timezone: '時區',
timezoneMessage: '請選擇時區',
timezonePlaceholder: '請選擇時區',
email: '郵箱地址',
emailDescription: '一旦註冊，電子郵件將無法更改。',
currentPassword: '當前密碼',
currentPasswordMessage: '請輸入當前密碼',
newPassword: '新密碼',
newPasswordMessage: '請輸入新密碼',
newPasswordDescription: '您的新密碼必須超過 8 個字符。',
confirmPassword: '確認新密碼',
confirmPasswordMessage: '請確認新密碼',
confirmPasswordNonMatchMessage: '您輸入的新密碼不匹配！',
cancel: '取消',
addedModels: '添加了的模型',
modelsToBeAdded: '待添加的模型',
addTheModel: '添加模型',
apiKey: 'api-key',
apiKeyMessage: '請輸入api key（如果是本地部署的模型，請忽略它）',
apiKeyTip: 'API key可以通過註冊相應的LLM供應商來獲取。',
showMoreModels: '展示更多模型',
baseUrl: 'base-url',
baseUrlTip:
'如果您的 API 密鑰來自 OpenAI，請忽略它。任何其他中間提供商都會提供帶有 API 密鑰的基本 URL。',
modify: '修改',
systemModelSettings: '系統模型設置',
chatModel: '聊天模型',
chatModelTip: '所有新創建的知識庫都會使用默認的聊天LLM。',
ttsModel: '語音合成模型',
ttsModelTip: '默認的tts模型會被用於在對話過程中請求語音生成時使用。',
embeddingModel: '嵌入模型',
embeddingModelTip: '所有新創建的知識庫都將使用的默認嵌入模型。',
img2txtModel: 'img2Txt模型',
img2txtModelTip:
'所有新創建的知識庫都將使用默認的多模塊模型。它可以描述圖片或視頻。',
sequence2txtModel: 'sequence2Txt模型',
sequence2txtModelTip:
'所有新創建的知識庫都將使用默認的 ASR 模型。使用此模型將語音翻譯為相應的文本。',
rerankModel: 'rerank模型',
rerankModelTip: `默認的重讀模型用於用戶問題檢索到重讀塊。`,
workspace: '工作空間',
upgrade: '升級',
addLlmTitle: '添加Llm',
modelName: '模型名稱',
modelID: '模型ID',
modelUid: '模型uid',
modelType: '模型類型',
addLlmBaseUrl: '基礎 Url',
vision: '是否支持Vision',
modelNameMessage: '請輸入模型名稱！',
modelTypeMessage: '請輸入模型類型！',
baseUrlNameMessage: '請輸入基礎 Url！',
ollamaLink: '如何集成 {{name}}',
FishAudioLink: '如何使用Fish Audio',
TencentCloudLink: '如何使用騰訊雲語音識別',
volcModelNameMessage: '請輸入模型名稱！',
addEndpointID: '模型 EndpointID',
endpointIDMessage: '請輸入模型對應的EndpointID',
addArkApiKey: '火山 ARK_API_KEY',
ArkApiKeyMessage: '請輸入火山創建的ARK_API_KEY',
bedrockModelNameMessage: '請輸入名稱！',
addBedrockEngineAK: 'ACCESS KEY',
bedrockAKMessage: '請輸入 ACCESS KEY',
addBedrockSK: 'SECRET KEY',
bedrockSKMessage: '請輸入 SECRET KEY',
bedrockRegion: 'AWS Region',
bedrockRegionMessage: '請選擇！',
'us-east-1': '美國東部 (維吉尼亞北部)',
'us-west-2': '美國西部 (俄勒岡州)',
'ap-southeast-1': '亞太地區 (新加坡)',
'ap-northeast-1': '亞太地區 (東京)',
'eu-central-1': '歐洲 (法蘭克福)',
'us-gov-west-1': 'AWS GovCloud (US-West)',
'ap-southeast-2': '亞太地區 (雪梨)',
addHunyuanSID: '混元 Secret ID',
HunyuanSIDMessage: '請輸入 Secret ID',
addHunyuanSK: '混元 Secret Key',
HunyuanSKMessage: '請輸入 Secret Key',
addTencentCloudSID: '騰訊雲 Secret ID',
TencentCloudSIDMessage: '請輸入 Secret ID',
addTencentCloudSK: '騰訊雲 Secret Key',
TencentCloudSKMessage: '請輸入 Secret Key',
SparkModelNameMessage: '請選擇星火模型!',
addSparkAPIPassword: '星火 APIPassword',
SparkAPIPasswordMessage: '請輸入 APIPassword',
addSparkAPPID: '星火 APPID',
SparkAPPIDMessage: '請輸入 APPID',
addSparkAPISecret: '星火 APISecret',
SparkAPISecretMessage: '請輸入 APISecret',
addSparkAPIKey: '星火 APIKey',
SparkAPIKeyMessage: '請輸入 APIKey',
yiyanModelNameMessage: '輸入模型名稱',
addyiyanAK: '一言 API KEY',
yiyanAKMessage: '請輸入 API KEY',
addyiyanSK: '一言 Secret KEY',
yiyanSKMessage: '請輸入 Secret KEY',
FishAudioModelNameMessage: '請為你的TTS模型起名',
addFishAudioAK: 'Fish Audio API KEY',
addFishAudioAKMessage: '請輸入 API KEY',
addFishAudioRefID: 'FishAudio Refrence ID',
addFishAudioRefIDMessage: '請輸入引用模型的ID（留空表示使用默認模型）',
GoogleModelIDMessage: '請輸入 model ID!',
addGoogleProjectID: 'Project ID',
GoogleProjectIDMessage: '請輸入 Project ID',
addGoogleServiceAccountKey:
'Service Account Key(Leave blank if you use Application Default Credentials)',
GoogleServiceAccountKeyMessage:
'請輸入 Google Cloud Service Account Key in base64 format',
addGoogleRegion: 'Google Cloud 區域',
GoogleRegionMessage: '請輸入 Google Cloud 區域',
modelProvidersWarn:
'請先在 <b>「設定」>「模型提供者」</b> 中新增嵌入模型和LLM。',
},
message: {
registered: '註冊成功',
logout: '登出成功',
logged: '登錄成功',
pleaseSelectChunk: '請選擇解析塊',
modified: '更新成功',
created: '創建成功',
deleted: '刪除成功',
renamed: '重命名成功',
operated: '操作成功',
updated: '更新成功',
uploaded: '上傳成功',
200: '服務器成功返回請求的數據。',
201: '新建或修改數據成功。',
202: '一個請求已經進入後台排隊（異步任務）。',
204: '刪除數據成功。',
400: '發出的請求有錯誤，服務器沒有進行新建或修改數據的操作。',
401: '用戶沒有權限（Token、用戶名、密碼錯誤）。',
403: '用戶得到授權，但是訪問是被禁止的。',
404: '發出的請求針對的是不存在的記錄，服務器沒有進行操作。',
406: '請求的格式不可得。',
410: '請求的資源被永久刪除，且不會再得到的。',
422: '當創建一個對象時，發生一個驗證錯誤。',
500: '服務器發生錯誤，請檢查服務器。',
502: '網關錯誤。',
503: '服務不可用，服務器暫時過載或維護。',
504: '網關超時。',
requestError: '請求錯誤',
networkAnomalyDescription: '您的網絡發生異常，無法連接服務器',
networkAnomaly: '網絡異常',
hint: '提示',
},
fileManager: {
name: '名稱',
uploadDate: '上傳日期',
knowledgeBase: '知識庫',
size: '大小',
action: '操作',
addToKnowledge: '鏈接知識庫',
pleaseSelect: '請選擇',
newFolder: '新建文件夾',
uploadFile: '上傳文件',
uploadTitle: '點擊或拖拽文件至此區域即可上傳',
uploadDescription: '支持單次或批量上傳。嚴禁上傳公司數據或其他違禁文件。',
file: '文件',
directory: '文件夾',
local: '本地上傳',
s3: 'S3 上傳',
preview: '預覽',
fileError: '文件錯誤',
uploadLimit: '文件大小不能超過10M，文件總數不超過128個',
destinationFolder: '目標資料夾',
},
flow: {
cite: '引用',
citeTip: 'citeTip',
name: '名稱',
nameMessage: '請輸入名稱',
description: '描述',
examples: '範例',
to: '下一步',
msg: '訊息',
messagePlaceholder: '訊息',
messageMsg: '請輸入訊息或刪除此欄位。',
addField: '新增字段',
addMessage: '新增訊息',
loop: '循環上限',
loopTip:
'loop為目前元件循環次數上限，當循環次數超過loop的值時，表示元件無法完成目前任務，請重新最佳化agent',
yes: '是',
no: '否',
key: 'key',
componentId: '組件ID',
add: '新增',
operation: '操作',
run: '運行',
save: '儲存',
title: 'ID：',
beginDescription: '這是流程開始的地方',
answerDescription: `該組件用作機器人與人類之間的介面。它接收使用者的輸入並顯示機器人的計算結果。`,
retrievalDescription: `此元件用於從知識庫中檢索相關資訊。選擇知識庫。如果沒有檢索到任何內容，將傳回「空響應」。`,
generateDescription: `此元件用於呼叫LLM生成文本，請注意提示的設定。`,
categorizeDescription: `此組件用於對文字進行分類。請指定類別的名稱、描述和範例。每個類別都指向不同的下游組件。`,
relevantDescription: `此元件用來判斷upstream的輸出是否與使用者最新的問題相關，『是』代表相關，『否』代表不相關。`,
rewriteQuestionDescription: `此元件用於細化使用者的提問。通常，當使用者的原始提問無法從知識庫中檢索相關資訊時，此元件可協助您將問題變更為更符合知識庫表達方式的適當問題。只有「檢索」可作為其下游。`,
messageDescription:
'此元件用於向使用者發送靜態訊息。您可以準備幾條訊息，這些訊息將隨機選擇。',
keywordDescription: `該組件用於從用戶的問題中提取關鍵字。 Top N指定需要提取的關鍵字數量。`,
switchDescription: `該組件用於根據前面組件的輸出評估條件，並相應地引導執行流程。通過定義各種情況並指定操作，或在不滿足條件時採取默認操作，實現複雜的分支邏輯。`,
wikipediaDescription: `此元件用於從 https://www.wikipedia.org/ 取得搜尋結果。通常，它作為知識庫的補充。 Top N 指定您需要調整的搜尋結果數。`,
promptText: `請總結以下段落。注意數字，不要胡編亂造。段落如下：
{input}
以上就是你需要總結的內容。`,
createGraph: '建立 Agent',
createFromTemplates: '從模板創建',
retrieval: '知識檢索',
generate: '生成回答',
answer: '人機交互',
categorize: '問題分類',
relevant: '是否相關',
rewriteQuestion: '問題最佳化',
begin: '開始',
message: '靜態訊息',
blank: '空',
createFromNothing: '從無到有',
addItem: '新增',
addSubItem: '新增子項',
nameRequiredMsg: '名稱不能為空',
nameRepeatedMsg: '名稱不能重複',
keywordExtract: '關鍵字',
keywordExtractDescription: `該組件用於從用戶的問題中提取關鍵字。 Top N指定需要提取的關鍵字數量。`,
baidu: '百度',
baiduDescription: `此組件用於取得www.baidu.com的搜尋結果，一般作為知識庫的補充，Top N指定需要採納的搜尋結果數。`,
duckDuckGo: 'DuckDuckGo',
duckDuckGoDescription:
'此元件用於從 www.duckduckgo.com 取得搜尋結果。通常，它作為知識庫的補充。 Top N 指定您需要採用的搜尋結果數。',
channel: '頻道',
channelTip: '針對該組件的輸入進行文字搜尋或新聞搜索',
text: '文字',
news: '新聞',
messageHistoryWindowSize: '歷史訊息視窗大小',
messageHistoryWindowSizeTip:
'LLM需要查看的對話記錄的視窗大小。越大越好。但要注意LLM的最大內容長度。',
wikipedia: '維基百科',
email: '信箱',
emailTip:
'此元件用於從 https://pubmed.ncbi.nlm.nih.gov/ 取得搜尋結果。通常，它充當知識庫的補充。 Top N 指定您需要適應的搜尋結果的數量。電子郵件是必填欄位。',
arXiv: 'ArXiv',
arXivTip:
'此元件用於從 https://arxiv.org/ 取得搜尋結果。通常，它充當知識庫的補充。 Top N 指定您需要適應的搜尋結果的數量。',
sortBy: '排序方式',
submittedDate: '提交日期',
lastUpdatedDate: '最後更新日期',
relevance: '關聯',
google: 'Google',
googleTip:
'此元件用於從https://www.google.com/取得搜尋結果。通常，它作為知識庫的補充。 Top N 和 SerpApi API 金鑰指定您需要調整的搜尋結果數量。',
bing: 'Bing',
bingTip:
'此元件用於從 https://www.bing.com/ 取得搜尋結果。通常，它充當知識庫的補充。 Top N 和 Bing Subscription-Key 指定您需要適配的搜尋結果數量。',
apiKey: 'API Key',
country: '國家',
language: '語言',
googleScholar: '谷歌學術',
googleScholarDescription: `該元件用於從 https://scholar.google.com/ 取得搜尋結果。通常，它充當知識庫的補充。 Top N 指定您需要調整的搜尋結果的數量。`,
yearLow: '開始年份',
yearHigh: '結束年份',
patents: '專利',
data: '數據',
deepL: 'DeepL',
deepLDescription:
'此元件用於從 https://www.deepl.com/ 取得翻譯。通常，它提供更專業的翻譯結果。',
authKey: '授權鍵',
sourceLang: '原始語言',
targetLang: '目標語言',
gitHub: 'GitHub',
gitHubDescription:
'此元件用於從 https://github.com/ 搜尋儲存庫。 Top N 指定要調整的搜尋結果的數量。',
baiduFanyi: '百度翻譯',
baiduFanyiDescription:
'此組件用於從https://fanyi.baidu.com/取得翻譯。通常，它提供更專業的翻譯結果',
appid: 'App id',
secretKey: '秘鑰',
domain: '領域',
transType: '翻譯類型',
baiduSecretKeyOptions: {
translate: '一般翻譯',
fieldtranslate: '領域翻譯',
},
baiduDomainOptions: {
it: '資訊科技領域',
finance: '金融財經領域',
machinery: '機械製造領域',
senimed: '生物醫藥領域',
novel: '網路文學領域',
academic: '學術論文領域',
aerospace: '航空航太領域',
wiki: '人文社科領域',
news: '新聞資訊領域',
law: '法律法規領域',
contract: '合約領域',
},
baiduSourceLangOptions: {
auto: '自動偵測',
zh: '中文',
en: '英語',
yue: '粵語',
wyw: '文言文',
jp: '日文',
kor: '韓文',
fra: '法文',
spa: '西班牙文',
th: '泰語',
ara: '阿拉伯語',
ru: '俄文',
pt: '葡萄牙語',
de: '德語',
it: '義大利語',
el: '希臘文',
nl: '荷蘭語',
pl: '波蘭語',
bul: '保加利亞語',
est: '愛沙尼亞語',
dan: '丹麥語',
fin: '芬蘭語',
cs: '捷克語',
rom: '羅馬尼亞語',
slo: '斯洛維尼亞語',
swe: '瑞典語',
hu: '匈牙利語',
cht: '繁體中文',
vie: '越南語',
},
qWeather: '和風天氣',
qWeatherDescription:
'此元件用於從 https://www.qweather.com/ 取得天氣相關資訊。您可以獲得天氣、指數、空氣品質。',
lang: '語言',
type: '類型',
webApiKey: 'Web API 密鑰',
userType: '使用者類型',
timePeriod: '時間段',
qWeatherLangOptions: {
zh: '簡體中文',
'zh-hant': '繁體中文',
en: '英文',
de: '德語',
es: '西班牙語',
fr: '法文',
it: '義大利語',
ja: '日文',
ko: '韓語',
ru: '俄文',
hi: '印地語',
th: '泰語',
ar: '阿拉伯語',
pt: '葡萄牙語',
bn: '孟加拉語',
ms: '馬來語',
nl: '荷蘭語',
el: '希臘文',
la: '拉丁文',
sv: '瑞典語',
id: '印尼語',
pl: '波蘭語',
tr: '土耳其語',
cs: '捷克語',
et: '愛沙尼亞語',
vi: '越南語',
fil: '菲律賓語',
fi: '芬蘭語',
he: '希伯來文',
is: '冰島語',
nb: '挪威語',
},
qWeatherTypeOptions: {
weather: '天氣預報',
indices: '天氣生活指數',
airquality: '空氣品質',
},
qWeatherUserTypeOptions: {
free: '免費訂閱用戶',
paid: '付費訂閱用戶',
},
qWeatherTimePeriodOptions: {
now: '現在',
'3d': '3天',
'7d': '7天',
'10d': '10天',
'15d': '12天',
'30d': '30天',
},
publish: 'API',
exeSQL: 'ExeSQL',
exeSQLDescription:
'此元件透過SQL語句從對應的關聯式資料庫中查詢結果。支援 MySQL、PostgreSQL、MariaDB。 ',
dbType: '資料庫類型',
database: '資料庫',
username: '使用者名稱',
host: '主機',
port: '端口',
password: '密碼',
switch: '條件',
logicalOperator: '操作符',
switchOperatorOptions: {
equal: '等於',
notEqual: '不等於',
gt: '大於',
ge: '大於等於',
lt: '小於',
le: '小於等於',
contains: '包含',
notContains: '不包含',
startWith: '開始是',
endWith: '結束是',
empty: '為空',
notEmpty: '不為空',
},
switchLogicOperatorOptions: {
and: '與',
or: '或',
},
operator: '操作符',
value: '值',
useTemplate: '使用該模板',
wenCai: '問財',
queryType: '查詢類型',
wenCaiDescription:
'該組件可用於獲取廣泛的金融領域的o息，包括但不限於股票、基金等...',
wenCaiQueryTypeOptions: {
stock: '股票',
zhishu: '指數',
fund: '基金',
hkstock: '港股',
usstock: '美股',
threeboard: '新三板',
conbond: '可轉債',
insurance: '保險',
futures: '期貨',
lccp: '理財',
foreign_exchange: '外匯',
},
akShare: 'AkShare',
akShareDescription: '此組件可用於從東方財富網取得對應股票的新聞資訊。',
yahooFinance: '雅虎財經',
yahooFinanceDescription: '該組件根據提供的股票代碼查詢有關公司的資訊。',
info: '訊息',
history: '歷史',
financials: '財務',
balanceSheet: '資產負債表',
cashFlowStatement: '現金流量表',
jin10: '金十',
jin10Description:
'此組件可用於從金十開放平台獲取金融領域的信息，包括快訊、日曆、行情、參考。 ',
flashType: '閃光類型',
filter: '篩選',
contain: '包含',
calendarType: '日曆類型',
calendarDatashape: '日曆資料形狀',
symbolsDatatype: '符號資料型別',
symbolsType: '符號類型',
jin10TypeOptions: {
flash: '快訊',
calendar: '日曆',
symbols: '行情',
news: '參考',
},
jin10FlashTypeOptions: {
'1': '市場快訊',
'2': '期貨快訊',
'3': '美港快訊',
'4': 'A股快訊',
'5': '商品外匯快訊',
},
jin10CalendarTypeOptions: {
cj: '宏觀資料日曆',
qh: '期貨日曆',
hk: '港股日曆',
us: '美股日曆',
},
jin10CalendarDatashapeOptions: {
data: '資料',
event: ' 事件',
holiday: '假期',
},
jin10SymbolsTypeOptions: {
GOODS: '商品行情',
FOREX: '外匯行情',
FUTURE: '國際行情',
CRYPTO: '加密貨幣行情',
},
jin10SymbolsDatatypeOptions: {
symbols: '品種列表',
quotes: '最新行情',
},
concentrator: '集線器',
concentratorDescription:
'此組件可用於連接多個下游組件。它接收來自上游組件的輸入並將其傳遞給每個下游組件。 ',
},
footer: {
profile: '“保留所有權利 @ react”',
},
layout: {
file: '文件',
knowledge: '知識',
chat: '聊天',
},
},
};