docs(models): 更新默认模型和文档说明

- 将默认模型从 Qwen/Qwen3-32B 更新为 zai-org/GLM-4.5
- 移除 DeepSeek 相关模型配置
- 更新 README 中的模型推荐和文档说明
- 调整 LightRAG 默认配置为 siliconflow/Qwen3-30B-A3B-Instruct-2507

Author: xerrors

README.md

@@ -54,7 +54,7 @@ https://github.com/user-attachments/assets/15f7f315-003d-4e41-a260-739c2529f824
    SILICONFLOW_API_KEY=sk-270ea********8bfa97.e3XOMd****Q1Sk
    ```
    > 💡 [免费获取 SiliconFlow API Key](https://cloud.siliconflow.cn/i/Eo5yTHGJ)（注册即送 14 元额度）
-   > 💡 [免费获取 智谱 API Key](https://www.bigmodel.cn/invite?icode=6BruxYJDdROL5pQX%2FOeYvA%3D%3D)（注册即送 2000 万Tokens）
+   > 💡 [免费获取 智谱 API Key](https://www.bigmodel.cn/invite?icode=6BruxYJDdROL5pQX%2FOeYvA%3D%3D)（注册即送 2000 万Tokens，限 GLM-4.5-air）
 
 3. **启动服务**
    ```bash
@@ -117,15 +117,14 @@ ENV HTTP_PROXY=http://IP:PORT \
 ### 对话模型
 
 支持多种 API 服务商，配置对应的 `API_KEY` 即可使用：
-
-| 服务商 | 推荐模型 | 环境变量 | 备注 |
-|--------|---------|----------|------|
-| 硅基流动 | `Qwen2.5-7B-Instruct` | `SILICONFLOW_API_KEY` | 🆓 免费，默认 |
-| OpenAI | `gpt-4o` | `OPENAI_API_KEY` | |
-| DeepSeek | `deepseek-chat` | `DEEPSEEK_API_KEY` | |
-| OpenRouter | `openrouter` | `OPENROUTER_API_KEY` | |
-| 智谱清言 | `glm-4-flash` | `ZHIPUAI_API_KEY` | |
-| 阿里云百炼 | `qwen-max-latest` | `DASHSCOPE_API_KEY` | |
+| 服务商 | 环境变量 | 备注 |
+|--------|----------|------|
+| 硅基流动 | `SILICONFLOW_API_KEY` | 🆓 免费，默认 |
+| OpenAI | `OPENAI_API_KEY` | |
+| DeepSeek | `DEEPSEEK_API_KEY` | |
+| OpenRouter | `OPENROUTER_API_KEY` | |
+| 智谱清言 | `ZHIPUAI_API_KEY` | |
+| 阿里云百炼 | `DASHSCOPE_API_KEY` | |
 
 <details>
   <summary>自定义模型供应商</summary>
@@ -151,12 +150,6 @@ custom-provider-name-here:
 项目理论上兼容任何 OpenAI 兼容的模型，包括但不限于 vLLM、Ollama 或者其他 API 中转或者代理服务。在 Web 界面的"设置"中添加本地模型地址。
 
 
-<!-- |模型选择|自定义模型地址|
-|--|--|
-|![知识库可视化](./docs/images/select_model.png)|![本地模型配置](./docs/images/add_custom_model.png)| -->
-
-
-
 ## 📚 功能详解
 
 ### 知识库管理
@@ -169,12 +162,15 @@ custom-provider-name-here:
 
 在 v0.2 版本中，项目支持了基于 [LightRAG](https://github.com/HKUDS/LightRAG) 的知识图谱构建方法。需要在知识库中创建一个基于 LightRAG 的知识库，然后上传文档。构建的知识图谱会自动导入到 Neo4j 中，并使用不同的 label 做区分。需要说明的是，基于 LightRAG 的知识库，可以在知识库详情中可视化，但是不能在侧边栏的图谱中检索，知识图谱检索工具也不支持基于 LightRAG 的知识库进行检索。基于 LightRAG 方法构建的图谱的查询，需要使用对应的知识库作为查询工具。
 
+默认使用的图谱构建模式是 `siliconflow` 的 `Qwen/Qwen3-30B-A3B-Instruct-2507`，可以使用 `LIGHTRAG_LLM_PROVIDER` 和 `LIGHTRAG_LLM_NAME` 覆盖。
+
 |知识库可视化|Neo4J管理端|
 |--|--|
 |![知识库可视化](./docs/images/lightrag_kb.png)|![Neo4J管理端](./docs/images/neo4j_browser.png)|
 
 除此之外，也支持将已有的知识图谱按照下面的格式导入 Neo4j 中，上传后，节点会自动添加 `Upload`、`Entity` 标签，关系会自动添加 `Relation` 标签。可以通过 `name` 属性访问实体的名称，使用 `type` 属性访问边的名称。默认账户密码是`neo4j` / `0123456789`。
 
+
 **数据格式**：支持 JSONL 格式导入
 ```jsonl
 {"h": "北京", "t": "中国", "r": "首都"}
@@ -183,6 +179,7 @@ custom-provider-name-here:
 
 此外，也可以通过修改 `docker-compose.yml` 中的 `NEO4J_URI` 配置来接入已有的 Neo4j 实例，但是最好确保每个节点都有 Entity 标签，否则会影响到图的检索与构建。
 
+注：在“图谱”页面，只能看到上传的节点和边，基于 LightRAG 构建的图谱不会展示在里面，完整的图谱可以去 Neo4j 管理页面查看。
 
 ## 🔧 高级配置
 

src/config/__init__.py

@@ -55,7 +55,7 @@ def __init__(self):
         ## 注意这里是模型名，而不是具体的模型路径，默认使用 HuggingFace 的路径
         ## 如果需要自定义本地模型路径，则在 src/.env 中配置 MODEL_DIR
         self.add_item("model_provider", default="siliconflow", des="模型提供商", choices=list(self.model_names.keys()))
-        self.add_item("model_name", default="Qwen/Qwen3-32B", des="模型名称")
+        self.add_item("model_name", default="zai-org/GLM-4.5", des="模型名称")
 
         self.add_item("embed_model", default="siliconflow/BAAI/bge-m3", des="Embedding 模型", choices=list(self.embed_model_names.keys()))
         self.add_item("reranker", default="siliconflow/BAAI/bge-reranker-v2-m3", des="Re-Ranker 模型", choices=list(self.reranker_names.keys()))  # noqa: E501

src/knowledge/lightrag_kb.py

@@ -16,8 +16,8 @@
 from src.utils import logger, hashstr, get_docker_safe_url
 
 
-LIGHTRAG_LLM_PROVIDER = os.getenv("LIGHTRAG_LLM_PROVIDER", "openai")
-LIGHTRAG_LLM_NAME = os.getenv("LIGHTRAG_LLM_NAME", "gpt-4.1-mini")
+LIGHTRAG_LLM_PROVIDER = os.getenv("LIGHTRAG_LLM_PROVIDER", "siliconflow")
+LIGHTRAG_LLM_NAME = os.getenv("LIGHTRAG_LLM_NAME", "Qwen/Qwen3-30B-A3B-Instruct-2507")
 
 
 class LightRagKB(KnowledgeBase):
@@ -120,7 +120,6 @@ async def llm_model_func(prompt, system_prompt=None, history_messages=[], **kwar
                 history_messages=history_messages,
                 api_key=model.api_key,
                 base_url=model.base_url,
-                # extra_body={"enable_thinking": False},
                 **kwargs,
             )
         return llm_model_func

src/static/models.yaml

@@ -46,12 +46,10 @@ MODEL_NAMES:
     name: SiliconFlow
     url: https://cloud.siliconflow.cn/models
     base_url: https://api.siliconflow.cn/v1
-    default: Qwen/Qwen3-8B
+    default: zai-org/GLM-4.5
     env:
       - SILICONFLOW_API_KEY
     models:
-      - Pro/deepseek-ai/DeepSeek-R1
-      - Pro/deepseek-ai/DeepSeek-V3
       - Qwen/Qwen3-235B-A22B-Thinking-2507
       - Qwen/Qwen3-235B-A22B-Instruct-2507
       - moonshotai/Kimi-K2-Instruct