Source Link
\n \n\n {fetchingStatus === \"CHUNKS\" && \"Retrieving...\"}\n {fetchingStatus === \"RESPONSE\" && \"Generating...\"}\n
\n```\n\n资料来源：[frontend/app/components/Chat/ChatInterface.tsx](https://github.com/weaviate/Verba/blob/main/frontend/app/components/Chat/ChatInterface.tsx)\n\n### 取消操作\n\n用户可以随时取消正在进行的检索或生成操作：\n\n```typescript\n\n {chunkScores ? \"Chunk \" : \"Page \"} {page}\n
\nEmbedder
\n \n\n Chunk {chunks[currentChunkIndex].chunk_id}\n
\n\n {fetchingStatus === \"CHUNKS\" && \"Retrieving...\"}\n {fetchingStatus === \"RESPONSE\" && \"Generating...\"}\n
\n```\n\n## 生成流程详解\n\n### 上下文增强的生成\n\n检索到的文档块（Chunks）与用户问题一起作为上下文传递给 Generator 组件：\n\n```mermaid\ngraph TD\n A[用户问题] --> E\n B[检索到的 Chunks] --> E\n E[上下文组装] --> F[Prompt 构建]\n F --> G[LLM 生成]\n G --> H[返回答案]\n```\n\nGenerator 组件支持多种大语言模型提供者，包括：\n\n- **OpenAI**（支持动态模型名称获取）\n- **Ollama**（支持 `OLLAMA_MODEL` 和 `OLLAMA_EMBED_MODEL` 环境变量配置）\n- **Novita**\n- **Upstage**\n- **Groq**\n- **Anthropic**（通过 Ollama 或 LLM 提供商）\n\n资料来源：[CHANGELOG.md:6-15]()\n\n### 响应状态管理\n\n生成过程中的状态通过 `fetchingStatus` 状态机管理：\n\n| 状态值 | 含义 | UI 显示 |\n|-------|------|--------|\n| `IDLE` | 空闲状态 | 正常输入框 |\n| `CHUNKS` | 正在检索文档块 | \"Retrieving...\" |\n| `RESPONSE` | 正在生成响应 | \"Generating...\" |\n| `DONE` | 完成 | 显示结果 |\n\n用户可以通过取消按钮随时终止检索或生成过程：\n\n```tsx\n\n {chunkScores ? \"Chunk \" : \"Page \"} {page}\n
\nEmbedder
\n \nDebug
\n\n Connected to\n
\n{credentials.url}
\n\n Deployment\n
\n{credentials.deployment}
\n{nodePayload.weaviate_version}
\n) : (\n \n)}\n```\n\n## 依赖管理\n\n### Python 依赖\n\nVerba 后端依赖以下核心包实现模型集成：\n\n| 包名 | 版本 | 用途 |\n|------|------|------|\n| `weaviate-client` | 4.9.6 | 向量数据库客户端 |\n| `fastapi` | 0.111.1 | API 服务框架 |\n| `uvicorn` | 0.29.0 | ASGI 服务器 |\n| `openai` | - | OpenAI API 接口 |\n\n资料来源：[setup.py:15-25]()\n\n## 版本更新记录\n\n| 版本 | 更新内容 |\n|------|----------|\n| 2.1.3 | 添加 OLLAMA_MODEL 和 OLLAMA_EMBED_MODEL 环境变量支持 |\n| 2.1.2 | 添加 Novita Generator，修复 spaCy 语言问题 |\n| 2.1.1 | 动态模型名称获取（基于 OpenAI URL 和 API Key） |\n| 2.1.0 | 添加 Upstage、Groq 支持，添加 AssemblyAI Reader |\n\n资料来源：[CHANGELOG.md:1-20]()\n\n## 最佳实践\n\n### 模型选择建议\n\n1. **嵌入模型选择**：根据向量数据库和语料特性选择合适的嵌入维度\n2. **生成模型选择**：考虑延迟、成本和能力平衡\n3. **检索器选择**：混合检索（Hybrid）通常效果最佳\n\n### 配置管理\n\n- 使用环境变量管理敏感凭证\n- 在非 Demo 模式下保存配置以实现持久化\n- 定期检查 CHANGELOG 获取最新支持的功能\n\n---\n\n\n\n## 部署方式\n\n### 相关页面\n\n相关主题：[环境变量与配置](#page-configuration), [Verba 简介](#page-introduction)\n\nSource Link
\n \n\n {fetchingStatus === \"CHUNKS\" && \"Retrieving...\"}\n {fetchingStatus === \"RESPONSE\" && \"Generating...\"}\n
\n```\n\n资料来源：[frontend/app/components/Chat/ChatInterface.tsx](https://github.com/weaviate/Verba/blob/main/frontend/app/components/Chat/ChatInterface.tsx)\n\n### 取消操作\n\n用户可以随时取消正在进行的检索或生成操作：\n\n```typescript\n\n {chunkScores ? \"Chunk \" : \"Page \"} {page}\n
\nEmbedder
\n \n\n Chunk {chunks[currentChunkIndex].chunk_id}\n
\n\n {fetchingStatus === \"CHUNKS\" && \"Retrieving...\"}\n {fetchingStatus === \"RESPONSE\" && \"Generating...\"}\n
\n```\n\n## 生成流程详解\n\n### 上下文增强的生成\n\n检索到的文档块（Chunks）与用户问题一起作为上下文传递给 Generator 组件：\n\n```mermaid\ngraph TD\n A[用户问题] --> E\n B[检索到的 Chunks] --> E\n E[上下文组装] --> F[Prompt 构建]\n F --> G[LLM 生成]\n G --> H[返回答案]\n```\n\nGenerator 组件支持多种大语言模型提供者，包括：\n\n- **OpenAI**（支持动态模型名称获取）\n- **Ollama**（支持 `OLLAMA_MODEL` 和 `OLLAMA_EMBED_MODEL` 环境变量配置）\n- **Novita**\n- **Upstage**\n- **Groq**\n- **Anthropic**（通过 Ollama 或 LLM 提供商）\n\n资料来源：[CHANGELOG.md:6-15]()\n\n### 响应状态管理\n\n生成过程中的状态通过 `fetchingStatus` 状态机管理：\n\n| 状态值 | 含义 | UI 显示 |\n|-------|------|--------|\n| `IDLE` | 空闲状态 | 正常输入框 |\n| `CHUNKS` | 正在检索文档块 | \"Retrieving...\" |\n| `RESPONSE` | 正在生成响应 | \"Generating...\" |\n| `DONE` | 完成 | 显示结果 |\n\n用户可以通过取消按钮随时终止检索或生成过程：\n\n```tsx\n\n {chunkScores ? \"Chunk \" : \"Page \"} {page}\n
\nEmbedder
\n \nDebug
\n\n Connected to\n
\n{credentials.url}
\n\n Deployment\n
\n{credentials.deployment}
\n{nodePayload.weaviate_version}
\n) : (\n \n)}\n```\n\n## 依赖管理\n\n### Python 依赖\n\nVerba 后端依赖以下核心包实现模型集成：\n\n| 包名 | 版本 | 用途 |\n|------|------|------|\n| `weaviate-client` | 4.9.6 | 向量数据库客户端 |\n| `fastapi` | 0.111.1 | API 服务框架 |\n| `uvicorn` | 0.29.0 | ASGI 服务器 |\n| `openai` | - | OpenAI API 接口 |\n\n资料来源：[setup.py:15-25]()\n\n## 版本更新记录\n\n| 版本 | 更新内容 |\n|------|----------|\n| 2.1.3 | 添加 OLLAMA_MODEL 和 OLLAMA_EMBED_MODEL 环境变量支持 |\n| 2.1.2 | 添加 Novita Generator，修复 spaCy 语言问题 |\n| 2.1.1 | 动态模型名称获取（基于 OpenAI URL 和 API Key） |\n| 2.1.0 | 添加 Upstage、Groq 支持，添加 AssemblyAI Reader |\n\n资料来源：[CHANGELOG.md:1-20]()\n\n## 最佳实践\n\n### 模型选择建议\n\n1. **嵌入模型选择**：根据向量数据库和语料特性选择合适的嵌入维度\n2. **生成模型选择**：考虑延迟、成本和能力平衡\n3. **检索器选择**：混合检索（Hybrid）通常效果最佳\n\n### 配置管理\n\n- 使用环境变量管理敏感凭证\n- 在非 Demo 模式下保存配置以实现持久化\n- 定期检查 CHANGELOG 获取最新支持的功能\n\n---\n\n\n\n## 部署方式\n\n### 相关页面\n\n相关主题：[环境变量与配置](#page-configuration), [Verba 简介](#page-introduction)\n\n