labring · c121914yu · Aug 5, 2025 · Aug 5, 2025
diff --git a/document/components/docs/not-found.tsx b/document/components/docs/not-found.tsx
@@ -29,16 +29,16 @@ export default function NotFound() {
   const router = useRouter();
 
   useEffect(() => {
-    const tryRedirect = async () => {
+    (async () => {
       if (exactMap[pathname]) {
-        router.replace(exactMap[pathname]);
+        window.location.replace(exactMap[pathname]);
         return;
       }
 
       for (const [oldPrefix, newPrefix] of Object.entries(prefixMap)) {
         if (pathname.startsWith(oldPrefix)) {
           const rest = pathname.slice(oldPrefix.length);
-          router.replace(newPrefix + rest);
+          window.location.replace(newPrefix + rest);
           return;
         }
       }
@@ -54,17 +54,15 @@ export default function NotFound() {
 
         if (validPage) {
           console.log('validPage', validPage);
-          router.replace(validPage);
+          window.location.replace(validPage);
           return;
         }
       } catch (e) {
         console.warn('meta.json fallback failed:', e);
       }
 
-      router.replace(fallbackRedirect);
-    };
-
-    tryRedirect();
+      window.location.replace(fallbackRedirect);
+    })();
   }, [pathname, router]);
 
   return null;

diff --git a/document/content/docs/introduction/development/configuration.mdx b/document/content/docs/introduction/development/configuration.mdx
@@ -3,7 +3,7 @@ title: 配置文件介绍
 description: FastGPT 配置参数介绍
 ---
 
-由于环境变量不利于配置复杂的内容，新版 FastGPT 采用了 ConfigMap 的形式挂载配置文件，你可以在 `projects/app/data/config.json` 看到默认的配置文件。可以参考 [docker-compose 快速部署](/docs/development/docker/) 来挂载配置文件。
+由于环境变量不利于配置复杂的内容，新版 FastGPT 采用了 ConfigMap 的形式挂载配置文件，你可以在 `projects/app/data/config.json` 看到默认的配置文件。可以参考 [docker-compose 快速部署](/docs/introduction/development/docker/) 来挂载配置文件。
 
 **开发环境下**，你需要将示例配置文件 `config.json` 复制成 `config.local.json` 文件才会生效。
 
@@ -70,4 +70,4 @@ description: FastGPT 配置参数介绍
 
 ### 使用 Marker 解析 PDF 文件
 
-[点击查看 Marker 接入教程](/docs/development/custom-models/marker)
+[点击查看 Marker 接入教程](/docs/introduction/development/custom-models/marker)
diff --git a/document/content/docs/introduction/development/custom-models/chatglm2-m3e.mdx b/document/content/docs/introduction/development/custom-models/chatglm2-m3e.mdx
@@ -9,9 +9,9 @@ FastGPT 默认使用了 OpenAI 的 LLM 模型和向量模型，如果想要私
 
 ## 部署镜像
 
-+ 镜像名: `stawky/chatglm2-m3e:latest`  
-+ 国内镜像名: `registry.cn-hangzhou.aliyuncs.com/fastgpt_docker/chatglm2-m3e:latest`
-+ 端口号: 6006
+- 镜像名: `stawky/chatglm2-m3e:latest`
+- 国内镜像名: `registry.cn-hangzhou.aliyuncs.com/fastgpt_docker/chatglm2-m3e:latest`
+- 端口号: 6006
 
 ```
 # 设置安全凭证（即oneapi中的渠道密钥）
@@ -21,7 +21,7 @@ FastGPT 默认使用了 OpenAI 的 LLM 模型和向量模型，如果想要私
 
 ## 接入 OneAPI
 
-文档链接：[One API](/docs/development/modelconfig/one-api/)
+文档链接：[One API](/docs/introduction/development/modelconfig/one-api/)
 
 为 chatglm2 和 m3e-large 各添加一个渠道，参数如下：
 
@@ -97,7 +97,7 @@ 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
@@ -108,7 +108,7 @@ M3E 模型的使用方法如下：
 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：

diff --git a/document/content/docs/introduction/development/custom-models/ollama.mdx b/document/content/docs/introduction/development/custom-models/ollama.mdx
@@ -7,14 +7,14 @@ description: ' 采用 Ollama 部署自己的模型'
 
 ## 安装 Ollama
 
-Ollama 本身支持多种安装方式，但是推荐使用 Docker 拉取镜像部署。如果是个人设备上安装了 Ollama 后续需要解决如何让 Docker 中 FastGPT 容器访问宿主机 Ollama的问题，较为麻烦。 
+Ollama 本身支持多种安装方式，但是推荐使用 Docker 拉取镜像部署。如果是个人设备上安装了 Ollama 后续需要解决如何让 Docker 中 FastGPT 容器访问宿主机 Ollama的问题，较为麻烦。
 
 ### Docker 安装（推荐）
 
 你可以使用 Ollama 官方的 Docker 镜像来一键安装和启动 Ollama 服务（确保你的机器上已经安装了 Docker），命令如下：
 
 ```bash
-docker pull ollama/ollama 
+docker pull ollama/ollama
 docker run --rm -d --name ollama -p 11434:11434 ollama/ollama
 ```
 
@@ -81,7 +81,6 @@ ollama pull [模型名]
 
 ![](/imgs/Ollama-pull.png)
 
-
 ### 测试通信
 
 在安装完成后，需要进行检测测试，首先进入 FastGPT 所在的容器，尝试访问自己的 Ollama ，命令如下：
@@ -108,15 +107,15 @@ ollama ls
 
 ### 2. AI Proxy 接入
 
-如果你采用的是 FastGPT 中的默认配置文件部署[这里](/docs/development/docker.md)，即默认采用 AI Proxy 进行启动。
+如果你采用的是 FastGPT 中的默认配置文件部署[这里](/docs/introduction/development/docker.md)，即默认采用 AI Proxy 进行启动。
 
 ![](/imgs/Ollama-aiproxy1.png)
 
 以及在确保你的 FastGPT 可以直接访问 Ollama 容器的情况下，无法访问，参考上文[点此跳转](#安装-ollama)的安装过程，检测是不是主机不能监测0.0.0.0，或者容器不在同一个网络。
 
 ![](/imgs/Ollama-aiproxy2.png)
 
-在 FastGPT 中点击账号->模型提供商->模型配置->新增模型，添加自己的模型即可，添加模型时需要保证模型ID和 OneAPI 中的模型名称一致。详细参考[这里](/docs/development/modelConfig/intro.md)
+在 FastGPT 中点击账号->模型提供商->模型配置->新增模型，添加自己的模型即可，添加模型时需要保证模型ID和 OneAPI 中的模型名称一致。详细参考[这里](/docs/introduction/development/modelConfig/intro.md)
 
 ![](/imgs/Ollama-models2.png)
 
@@ -177,4 +176,5 @@ docker run -it --network [ FastGPT 网络 ] --name 容器名 intel/oneapi-hpckit
 ![](/imgs/Ollama-models4.png)
 
 ### 6. 补充
+
 上述接入 Ollama 的代理地址中，主机安装 Ollama 的地址为“http://[主机IP]:[端口]”，容器部署 Ollama 地址为“http://[容器名]:[端口]”
diff --git a/document/content/docs/introduction/development/custom-models/xinference.mdx b/document/content/docs/introduction/development/custom-models/xinference.mdx
@@ -13,8 +13,8 @@ Xinference 支持多种推理引擎作为后端，以满足不同场景下部署
 
 如果你的目标是在一台 Linux 或者 Window 服务器上部署大模型，可以选择 Transformers 或 vLLM 作为 Xinference 的推理后端：
 
-+ [Transformers](https://huggingface.co/docs/transformers/index)：通过集成 Huggingface 的 Transformers 库作为后端，Xinference 可以最快地 集成当今自然语言处理（NLP）领域的最前沿模型（自然也包括 LLM）。
-+ [vLLM](https://vllm.ai/): vLLM 是由加州大学伯克利分校开发的一个开源库，专为高效服务大型语言模型（LLM）而设计。它引入了 PagedAttention 算法， 通过有效管理注意力键和值来改善内存管理，吞吐量能够达到 Transformers 的 24 倍，因此 vLLM 适合在生产环境中使用，应对高并发的用户访问。
+- [Transformers](https://huggingface.co/docs/transformers/index)：通过集成 Huggingface 的 Transformers 库作为后端，Xinference 可以最快地 集成当今自然语言处理（NLP）领域的最前沿模型（自然也包括 LLM）。
+- [vLLM](https://vllm.ai/): vLLM 是由加州大学伯克利分校开发的一个开源库，专为高效服务大型语言模型（LLM）而设计。它引入了 PagedAttention 算法， 通过有效管理注意力键和值来改善内存管理，吞吐量能够达到 Transformers 的 24 倍，因此 vLLM 适合在生产环境中使用，应对高并发的用户访问。
 
 假设你服务器配备 NVIDIA 显卡，可以参考[这篇文章中的指令来安装 CUDA](https://xorbits.cn/blogs/langchain-streamlit-doc-chat)，从而让 Xinference 最大限度地利用显卡的加速功能。
 
@@ -98,7 +98,7 @@ xinference launch -n qwen-chat -s 14 -f pytorch
 
 ## 将本地模型接入 One API
 
-One API 的部署和接入请参考[这里](/docs/development/modelconfig/one-api/)。
+One API 的部署和接入请参考[这里](/docs/introduction/development/modelconfig/one-api/)。
 
 为 qwen1.5-chat 添加一个渠道，这里的 Base URL 需要填 Xinference 服务的端点，并且注册 qwen-chat (模型的 UID) 。
 
@@ -153,9 +153,6 @@ curl --location --request POST 'https://[oneapi_url]/v1/chat/completions' \
 
 然后重启 FastGPT 就可以在应用配置中选择 Qwen 模型进行对话：
 
-![](/imgs/fastgpt-list-models.png)
----
-
-+ 参考：[FastGPT + Xinference：一站式本地 LLM 私有化部署和应用开发](https://xorbits.cn/blogs/fastgpt-weather-chat)
-
+## ![](/imgs/fastgpt-list-models.png)
 
+- 参考：[FastGPT + Xinference：一站式本地 LLM 私有化部署和应用开发](https://xorbits.cn/blogs/fastgpt-weather-chat)
diff --git a/document/content/docs/introduction/development/docker.mdx b/document/content/docs/introduction/development/docker.mdx
@@ -58,7 +58,7 @@ Zilliz Cloud 由 Milvus 原厂打造，是全托管的 SaaS 向量数据库服
 
 ### 1. 确保网络环境
 
-如果使用`OpenAI`等国外模型接口，请确保可以正常访问，否则会报错：`Connection error` 等。 方案可以参考：[代理方案](/docs/development/proxy/)
+如果使用`OpenAI`等国外模型接口，请确保可以正常访问，否则会报错：`Connection error` 等。 方案可以参考：[代理方案](/docs/introduction/development/proxy/nginx)
 
 ### 2. 准备 Docker 环境
 
@@ -181,7 +181,7 @@ docker-compose up -d
 ### 6. 配置模型
 
 - 首次登录FastGPT后，系统会提示未配置`语言模型`和`索引模型`，并自动跳转模型配置页面。系统必须至少有这两类模型才能正常使用。
-- 如果系统未正常跳转，可以在`账号-模型提供商`页面，进行模型配置。[点击查看相关教程](/docs/development/modelconfig/ai-proxy)
+- 如果系统未正常跳转，可以在`账号-模型提供商`页面，进行模型配置。[点击查看相关教程](/docs/introduction/development/modelConfig/ai-proxy)
 - 目前已知可能问题：首次进入系统后，整个浏览器 tab 无法响应。此时需要删除该tab，重新打开一次即可。
 
 ## FAQ
@@ -271,7 +271,7 @@ docker-compose up -d
 
 ### 如何更新版本？
 
-1. 查看[更新文档](/docs/development/upgrading/index/)，确认要升级的版本，避免跨版本升级。
+1. 查看[更新文档](/docs/upgrading)，确认要升级的版本，避免跨版本升级。
 2. 修改镜像 tag 到指定版本
 3. 执行下面命令会自动拉取镜像：
 
@@ -284,7 +284,7 @@ docker-compose up -d
 
 ### 如何自定义配置文件？
 
-修改`config.json`文件，并执行`docker-compose down`再执行`docker-compose up -d`重起容器。具体配置，参考[配置详解](/docs/development/configuration)。
+修改`config.json`文件，并执行`docker-compose down`再执行`docker-compose up -d`重起容器。具体配置，参考[配置详解](/docs/introduction/development/configuration)。
 
 ### 如何检查自定义配置文件是否挂载
 

diff --git a/document/content/docs/introduction/development/faq.mdx b/document/content/docs/introduction/development/faq.mdx
@@ -18,7 +18,7 @@ description: FastGPT 私有部署常见问题
 
 ### OneAPI 错误
 
-带有`requestId`的，都是 OneAPI 提示错误，大部分都是因为模型接口报错。可以参考 [OneAPI 常见错误](/docs/development/faq/#三常见的-oneapi-错误)
+带有`requestId`的，都是 OneAPI 提示错误，大部分都是因为模型接口报错。可以参考 [OneAPI 常见错误](/docs/introduction/development/faq/#三常见的-oneapi-错误)
 
 ## 二、通用问题
 
@@ -59,13 +59,15 @@ description: FastGPT 私有部署常见问题
 
 1. 看日志。如果提示 JSON invalid，not support tool 之类的，说明该模型不支持工具调用或函数调用，需要设置`toolChoice=false`和`functionCall=false`，就会默认走提示词模式。目前内置提示词仅针对了商业模型API进行测试。问题分类基本可用，内容提取不太行。
 2. 如果已经配置正常，并且没有错误日志，则说明可能提示词不太适合该模型，可以通过修改`customCQPrompt`来自定义提示词。
-   
+
 ### 页面崩溃
 
 1. 关闭翻译
 2. 检查配置文件是否正常加载，如果没有正常加载会导致缺失系统信息，在某些操作下会导致空指针。
-  * 95%情况是配置文件不对。会提示 xxx undefined
-  * 提示`URI malformed`，请 Issue 反馈具体操作和页面，这是由于特殊字符串编码解析报错。
+
+- 95%情况是配置文件不对。会提示 xxx undefined
+- 提示`URI malformed`，请 Issue 反馈具体操作和页面，这是由于特殊字符串编码解析报错。
+
 3. 某些api不兼容问题（较少）
 
 ### 开启内容补全后，响应速度变慢
@@ -102,7 +104,7 @@ description: FastGPT 私有部署常见问题
 
 带有 requestId 的都是 OneAPI 的报错。
 
-### insufficient_user_quota user quota is not enough 
+### insufficient_user_quota user quota is not enough
 
 OneAPI 账号的余额不足，默认 root 用户只有 200 刀，可以手动修改。
 
@@ -120,7 +122,8 @@ FastGPT 模型配置文件中的 model 必须与 OneAPI 渠道中的模型对应
 
 ### 点击模型测试失败
 
-OneAPI 只会测试渠道的第一个模型，并且只会测试对话模型，向量模型无法自动测试，需要手动发起请求进行测试。[查看测试模型命令示例](/docs/development/faq/#如何检查模型问题)
+OneAPI 只会测试渠道的第一个模型，并且只会测试对话模型，向量模型无法自动测试，需要手动发起请求进行测试。[查看测试模型命令示例](/docs/introduction/development/faq/#如何检查模型问题)
+
 ### get request url failed: Post `"https://xxx"` dial tcp: xxxx
 
 OneAPI 与模型网络不通，需要检查网络配置。
@@ -137,7 +140,6 @@ OneAPI 的 API Key 配置错误，需要修改`OPENAI_API_KEY`环境变量，并
 2. 模型接口参数异常（温度、max token等可能不适配）
 3. ....
 
-
 ### Tiktoken 下载失败
 
 由于 OneAPI 会在启动时从网络下载一个 tiktoken 的依赖，如果网络异常，就会导致启动失败。可以参考[OneAPI 离线部署](https://blog.csdn.net/wanh/article/details/139039216)解决。
@@ -304,35 +306,35 @@ curl --location --request POST 'https://oneapi.xxx/v1/chat/completions' \
 
 ```json
 {
-    "id": "chatcmpl-A7kwo1rZ3OHYSeIFgfWYxu8X2koN3",
-    "object": "chat.completion.chunk",
-    "created": 1726412126,
-    "model": "gpt-4o-mini-2024-07-18",
-    "system_fingerprint": "fp_483d39d857",
-    "choices": [
-        {
+  "id": "chatcmpl-A7kwo1rZ3OHYSeIFgfWYxu8X2koN3",
+  "object": "chat.completion.chunk",
+  "created": 1726412126,
+  "model": "gpt-4o-mini-2024-07-18",
+  "system_fingerprint": "fp_483d39d857",
+  "choices": [
+    {
+      "index": 0,
+      "delta": {
+        "role": "assistant",
+        "content": null,
+        "tool_calls": [
+          {
             "index": 0,
-            "delta": {
-                "role": "assistant",
-                "content": null,
-                "tool_calls": [
-                    {
-                        "index": 0,
-                        "id": "call_0n24eiFk8OUyIyrdEbLdirU7",
-                        "type": "function",
-                        "function": {
-                            "name": "mEYIcFl84rYC",
-                            "arguments": ""
-                        }
-                    }
-                ],
-                "refusal": null
-            },
-            "logprobs": null,
-            "finish_reason": null
-        }
-    ],
-    "usage": null
+            "id": "call_0n24eiFk8OUyIyrdEbLdirU7",
+            "type": "function",
+            "function": {
+              "name": "mEYIcFl84rYC",
+              "arguments": ""
+            }
+          }
+        ],
+        "refusal": null
+      },
+      "logprobs": null,
+      "finish_reason": null
+    }
+  ],
+  "usage": null
 }
 ```