| export default { | |
| translation: { | |
| common: { | |
| delete: '删除', | |
| deleteModalTitle: '确定删除吗?', | |
| ok: '是', | |
| cancel: '否', | |
| total: '总共', | |
| rename: '重命名', | |
| name: '名称', | |
| save: '保存', | |
| namePlaceholder: '请输入名称', | |
| next: '下一步', | |
| create: '创建', | |
| edit: '编辑', | |
| upload: '上传', | |
| english: '英文', | |
| chinese: '简体中文', | |
| traditionalChinese: '繁体中文', | |
| language: '语言', | |
| languageMessage: '请输入语言', | |
| languagePlaceholder: '请选择语言', | |
| copy: '复制', | |
| copied: '复制成功', | |
| comingSoon: '即将推出', | |
| download: '下载', | |
| close: '关闭', | |
| preview: '预览', | |
| }, | |
| login: { | |
| login: '登录', | |
| signUp: '注册', | |
| loginDescription: '很高兴再次见到您！', | |
| registerDescription: '很高兴您加入！', | |
| emailLabel: '邮箱', | |
| emailPlaceholder: '请输入邮箱地址', | |
| passwordLabel: '密码', | |
| passwordPlaceholder: '请输入密码', | |
| rememberMe: '记住我', | |
| signInTip: '没有帐户？', | |
| signUpTip: '已经有帐户？', | |
| nicknameLabel: '名称', | |
| nicknamePlaceholder: '请输入名称', | |
| register: '创建账户', | |
| continue: '继续', | |
| title: '开始构建您的智能助手', | |
| description: | |
| '免费注册以探索顶级 RAG 技术。 创建知识库和人工智能来增强您的业务', | |
| review: '来自 500 多条评论', | |
| }, | |
| header: { | |
| knowledgeBase: '知识库', | |
| chat: '聊天', | |
| register: '注册', | |
| signin: '登录', | |
| home: '首页', | |
| setting: '用户设置', | |
| logout: '登出', | |
| fileManager: '文件管理', | |
| }, | |
| knowledgeList: { | |
| welcome: '欢迎回来', | |
| description: '今天我们要使用哪个知识库？', | |
| createKnowledgeBase: '创建知识库', | |
| name: '名称', | |
| namePlaceholder: '请输入名称', | |
| doc: '文档', | |
| searchKnowledgePlaceholder: '搜索', | |
| }, | |
| knowledgeDetails: { | |
| dataset: '数据集', | |
| testing: '检索测试', | |
| configuration: '配置', | |
| files: '文件', | |
| name: '名称', | |
| namePlaceholder: '请输入名称', | |
| doc: '文档', | |
| datasetDescription: '😉 解析成功后才能问答哦。', | |
| addFile: '新增文件', | |
| searchFiles: '搜索文件', | |
| localFiles: '本地文件', | |
| emptyFiles: '新建空文件', | |
| webCrawl: '网页抓取', | |
| chunkNumber: '分块数', | |
| uploadDate: '上传日期', | |
| chunkMethod: '解析方法', | |
| enabled: '启用', | |
| disabled: '禁用', | |
| action: '动作', | |
| parsingStatus: '解析状态', | |
| processBeginAt: '流程开始于', | |
| processDuration: '过程持续时间', | |
| progressMsg: '进度消息', | |
| testingDescription: '最后一步！ 成功后，剩下的就交给Infiniflow AI吧。', | |
| similarityThreshold: '相似度阈值', | |
| similarityThresholdTip: | |
| '我们使用混合相似度得分来评估两行文本之间的距离。 它是加权关键词相似度和向量余弦相似度。 如果查询和块之间的相似度小于此阈值，则该块将被过滤掉。', | |
| vectorSimilarityWeight: '关键字相似度权重', | |
| vectorSimilarityWeightTip: | |
| '我们使用混合相似性评分来评估两行文本之间的距离。它是加权关键字相似性和矢量余弦相似性或rerank得分（0〜1）。两个权重的总和为1.0。', | |
| testText: '测试文本', | |
| testTextPlaceholder: '请输入您的问题！', | |
| testingLabel: '测试', | |
| similarity: '混合相似度', | |
| termSimilarity: '关键词相似度', | |
| vectorSimilarity: '向量相似度', | |
| hits: '命中数', | |
| view: '看法', | |
| filesSelected: '选定的文件', | |
| upload: '上传', | |
| run: '启动', | |
| runningStatus0: '未启动', | |
| runningStatus1: '解析中', | |
| runningStatus2: '取消', | |
| runningStatus3: '成功', | |
| runningStatus4: '失败', | |
| pageRanges: '页码范围', | |
| pageRangesTip: | |
| '页码范围：定义需要解析的页面范围。 不包含在这些范围内的页面将被忽略。', | |
| fromPlaceholder: '从', | |
| fromMessage: '缺少起始页码', | |
| toPlaceholder: '到', | |
| toMessage: '缺少结束页码（不包含）', | |
| layoutRecognize: '布局识别', | |
| layoutRecognizeTip: | |
| '使用视觉模型进行布局分析，以更好地识别文档结构，找到标题、文本块、图像和表格的位置。 如果没有此功能，则只能获取 PDF 的纯文本。', | |
| taskPageSize: '任务页面大小', | |
| taskPageSizeMessage: '请输入您的任务页面大小！', | |
| taskPageSizeTip: `如果使用布局识别，PDF 文件将被分成连续的组。 布局分析将在组之间并行执行，以提高处理速度。 “任务页面大小”决定组的大小。 页面大小越大，将页面之间的连续文本分割成不同块的机会就越低。`, | |
| addPage: '新增页面', | |
| greaterThan: '当前值必须大于起始值！', | |
| greaterThanPrevious: '当前值必须大于之前的值！', | |
| selectFiles: '选择文件', | |
| changeSpecificCategory: '更改特定类别', | |
| uploadTitle: '点击或拖拽文件至此区域即可上传', | |
| uploadDescription: | |
| '支持单次或批量上传。 严禁上传公司数据或其他违禁文件。', | |
| chunk: '解析块', | |
| bulk: '批量', | |
| cancel: '取消', | |
| rerankModel: 'Rerank模型', | |
| rerankPlaceholder: '请选择', | |
| rerankTip: `如果是空的。它使用查询和块的嵌入来构成矢量余弦相似性。否则，它使用rerank评分代替矢量余弦相似性。`, | |
| topK: 'Top-K', | |
| topKTip: `K块将被送入Rerank型号。`, | |
| }, | |
| knowledgeConfiguration: { | |
| titleDescription: '在这里更新您的知识库详细信息，尤其是解析方法。', | |
| name: '知识库名称', | |
| photo: '知识库图片', | |
| description: '描述', | |
| language: '语言', | |
| languageMessage: '请输入语言', | |
| languagePlaceholder: '请输入语言', | |
| permissions: '权限', | |
| embeddingModel: '嵌入模型', | |
| chunkTokenNumber: '块Token数', | |
| chunkTokenNumberMessage: '块Token数是必填项', | |
| embeddingModelTip: | |
| '用于嵌入块的嵌入模型。 一旦知识库有了块，它就无法更改。 如果你想改变它，你需要删除所有的块。', | |
| permissionsTip: '如果权限是“团队”，则所有团队成员都可以操作知识库。', | |
| chunkTokenNumberTip: '它大致确定了一个块的Token数量。', | |
| chunkMethod: '解析方法', | |
| chunkMethodTip: '说明位于右侧。', | |
| upload: '上传', | |
| english: '英文', | |
| chinese: '中文', | |
| embeddingModelPlaceholder: '请选择嵌入模型', | |
| chunkMethodPlaceholder: '请选择分块方法', | |
| save: '保存', | |
| me: '只有我', | |
| team: '团队', | |
| cancel: '取消', | |
| methodTitle: '分块方法说明', | |
| methodExamples: '示例', | |
| methodExamplesDescription: '提出以下屏幕截图以促进理解。', | |
| dialogueExamplesTitle: '对话示例', | |
| methodEmpty: '这将显示知识库类别的可视化解释', | |
| book: `<p>支持的文件格式为<b>DOCX</b>、<b>PDF</b>、<b>TXT</b>。</p><p> | |
| 由于一本书很长，并不是所有部分都有用，如果是 PDF， | |
| 请为每本书设置<i>页面范围</i>，以消除负面影响并节省分析计算时间。</p>`, | |
| laws: `<p>支持的文件格式为<b>DOCX</b>、<b>PDF</b>、<b>TXT</b>。</p><p> | |
| 法律文件有非常严格的书写格式。 我们使用文本特征来检测分割点。 | |
| </p><p> | |
| chunk的粒度与'ARTICLE'一致，所有上层文本都会包含在chunk中。 | |
| </p>`, | |
| manual: `<p>仅支持<b>PDF</b>。</p><p> | |
| 我们假设手册具有分层部分结构。 我们使用最低的部分标题作为对文档进行切片的枢轴。 | |
| 因此，同一部分中的图和表不会被分割，并且块大小可能会很大。 | |
| </p>`, | |
| naive: `<p>支持的文件格式为<b>DOCX、EXCEL、PPT、IMAGE、PDF、TXT</b>。</p> | |
| <p>此方法将简单的方法应用于块文件：</p> | |
| <p> | |
| <li>系统将使用视觉检测模型将连续文本分割成多个片段。</li> | |
| <li>接下来，这些连续的片段被合并成Token数不超过“Token数”的块。</li></p>`, | |
| paper: `<p>仅支持<b>PDF</b>文件。</p><p> | |
| 如果我们的模型运行良好，论文将按其部分进行切片，例如<i>摘要、1.1、1.2</i>等。</p><p> | |
| 这样做的好处是LLM可以更好的概括论文中相关章节的内容， | |
| 产生更全面的答案，帮助读者更好地理解论文。 | |
| 缺点是它增加了 LLM 对话的背景并增加了计算成本， | |
| 所以在对话过程中，你可以考虑减少‘<b>topN</b>’的设置。</p>`, | |
| presentation: `<p>支持的文件格式为<b>PDF</b>、<b>PPTX</b>。</p><p> | |
| 每个页面都将被视为一个块。 并且每个页面的缩略图都会被存储。</p><p> | |
| <i>您上传的所有PPT文件都会使用此方法自动分块，无需为每个PPT文件进行设置。</i></p>`, | |
| qa: ` <p> | |
| 此块方法支持<b> excel </b>和<b> csv/txt </b>文件格式。 | |
| </p> | |
| <li> | |
| 如果文件以<b> excel </b>格式，则应由两个列组成 | |
| 没有标题：一个提出问题，另一个用于答案， | |
| 答案列之前的问题列。多张纸是 | |
| 只要列正确结构，就可以接受。 | |
| </li> | |
| <li> | |
| 如果文件以<b> csv/txt </b>格式为 | |
| 用作分开问题和答案的定界符。 | |
| </li> | |
| <p> | |
| <i> | |
| 未能遵循上述规则的文本行将被忽略，并且 | |
| 每个问答对将被认为是一个独特的部分。 | |
| </i> | |
| </p>`, | |
| resume: `<p>支持的文件格式为<b>DOCX</b>、<b>PDF</b>、<b>TXT</b>。 | |
| </p><p> | |
| 简历有多种格式，就像一个人的个性一样，但我们经常必须将它们组织成结构化数据，以便于搜索。 | |
| </p><p> | |
| 我们不是将简历分块，而是将简历解析为结构化数据。 作为HR，你可以扔掉所有的简历， | |
| 您只需与<i>'RAGFlow'</i>交谈即可列出所有符合资格的候选人。 | |
| </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，以便我们的大语言模型能够理解。 | |
| 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>'gender/sex(male,female)'</i>.<p> | |
| 以下是标题的一些示例：<ol> | |
| <li>供应商/供货商<b>'TAB'</b>颜色（黄色、红色、棕色）<b>'TAB'</b>性别（男、女）<b>'TAB'</ b>尺码（M、L、XL、XXL）</li> | |
| <li>姓名/名字<b>'TAB'</b>电话/手机/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>支持图像文件。 视频即将推出。</p><p> | |
| 如果图片中有文字，则应用 OCR 提取文字作为其文字描述。 | |
| </p><p> | |
| 如果OCR提取的文本不够，可以使用视觉LLM来获取描述。 | |
| </p>`, | |
| one: ` | |
| <p>支持的文件格式为<b>DOCX、EXCEL、PDF、TXT</b>。 | |
| </p><p> | |
| 对于一个文档，它将被视为一个完整的块，根本不会被分割。 | |
| </p><p> | |
| 如果你要总结的东西需要一篇文章的全部上下文，并且所选LLM的上下文长度覆盖了文档长度，你可以尝试这种方法。 | |
| </p>`, | |
| useRaptor: '使用召回增强RAPTOR策略', | |
| useRaptorTip: '请参考 https://huggingface.co/papers/2401.18059', | |
| prompt: '提示词', | |
| promptMessage: '提示词是必填项', | |
| promptText: `请总结以下段落。 小心数字，不要编造。 段落如下： | |
| {cluster_content} | |
| 以上就是你需要总结的内容。`, | |
| maxToken: '最大token数', | |
| maxTokenMessage: '最大token数是必填项', | |
| threshold: '阈值', | |
| thresholdMessage: '阈值是必填项', | |
| maxCluster: '最大聚类数', | |
| maxClusterMessage: '最大聚类数是必填项', | |
| randomSeed: '随机种子', | |
| randomSeedMessage: '随机种子是必填项', | |
| promptTip: 'LLM提示用于总结。', | |
| maxTokenTip: '用于汇总的最大token数。', | |
| thresholdTip: '阈值越大，聚类越少。', | |
| maxClusterTip: '最大聚类数。', | |
| }, | |
| chunk: { | |
| chunk: '解析块', | |
| bulk: '批量', | |
| selectAll: '选择所有', | |
| enabledSelected: '启用选定的', | |
| disabledSelected: '禁用选定的', | |
| deleteSelected: '删除选定的', | |
| search: '搜索', | |
| all: '所有', | |
| enabled: '启用', | |
| disabled: '禁用的', | |
| keyword: '关键词', | |
| function: '函数', | |
| chunkMessage: '请输入值！', | |
| full: '全文', | |
| ellipse: '省略', | |
| }, | |
| chat: { | |
| createAssistant: '新建助理', | |
| assistantSetting: '助理设置', | |
| promptEngine: '提示引擎', | |
| modelSetting: '模型设置', | |
| chat: '聊天', | |
| newChat: '新建聊天', | |
| send: '发送', | |
| sendPlaceholder: '消息概要助手...', | |
| chatConfiguration: '聊天配置', | |
| chatConfigurationDescription: '在这里，为你的专业知识库装扮专属助手！ 💕', | |
| assistantName: '助理姓名', | |
| assistantNameMessage: '助理姓名是必填项', | |
| namePlaceholder: '例如 贾维斯简历', | |
| assistantAvatar: '助理头像', | |
| language: '语言', | |
| emptyResponse: '空回复', | |
| emptyResponseTip: `如果在知识库中没有检索到用户的问题，它将使用它作为答案。 如果您希望 LLM 在未检索到任何内容时提出自己的意见，请将此留空。`, | |
| setAnOpener: '设置开场白', | |
| setAnOpenerInitial: `你好！ 我是你的助理，有什么可以帮到你的吗？`, | |
| setAnOpenerTip: '您想如何欢迎您的客户？', | |
| knowledgeBases: '知识库', | |
| knowledgeBasesMessage: '请选择', | |
| knowledgeBasesTip: '选择关联的知识库。', | |
| system: '系统', | |
| systemInitialValue: `你是一个智能助手，请总结知识库的内容来回答问题，请列举知识库中的数据详细回答。当所有知识库内容都与问题无关时，你的回答必须包括“知识库中未找到您要的答案！”这句话。回答需要考虑聊天历史。 | |
| 以下是知识库： | |
| {knowledge} | |
| 以上是知识库。`, | |
| systemMessage: '请输入', | |
| systemTip: | |
| '当LLM回答问题时，你需要LLM遵循的说明，比如角色设计、答案长度和答案语言等。', | |
| topN: 'Top N', | |
| topNTip: `并非所有相似度得分高于“相似度阈值”的块都会被提供给大语言模型。 LLM 只能看到这些“Top N”块。`, | |
| variable: '变量', | |
| 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: '关键字', | |
| optional: '可选的', | |
| operation: '操作', | |
| model: '模型', | |
| modelTip: '大语言聊天模型', | |
| modelMessage: '请选择', | |
| freedom: '自由', | |
| improvise: '即兴创作', | |
| precise: '精确', | |
| balance: '平衡', | |
| freedomTip: `“精确”意味着大语言模型会保守并谨慎地回答你的问题。 “即兴发挥”意味着你希望大语言模型能够自由地畅所欲言。 “平衡”是谨慎与自由之间的平衡。`, | |
| temperature: '温度', | |
| temperatureMessage: '温度是必填项', | |
| temperatureTip: | |
| '该参数控制模型预测的随机性。 较低的温度使模型对其响应更有信心，而较高的温度则使其更具创造性和多样性。', | |
| topP: 'Top P', | |
| topPMessage: 'Top P 是必填项', | |
| topPTip: | |
| '该参数也称为“核心采样”，它设置一个阈值来选择较小的单词集进行采样。 它专注于最可能的单词，剔除不太可能的单词。', | |
| presencePenalty: '出席处罚', | |
| presencePenaltyMessage: '出席处罚是必填项', | |
| presencePenaltyTip: | |
| '这会通过惩罚对话中已经出现的单词来阻止模型重复相同的信息。', | |
| frequencyPenalty: '频率惩罚', | |
| frequencyPenaltyMessage: '频率惩罚是必填项', | |
| frequencyPenaltyTip: | |
| '与存在惩罚类似，这减少了模型频繁重复相同单词的倾向。', | |
| maxTokens: '最大token数', | |
| maxTokensMessage: '最大token数是必填项', | |
| maxTokensTip: | |
| '这设置了模型输出的最大长度，以标记（单词或单词片段）的数量来衡量。', | |
| quote: '显示引文', | |
| quoteTip: '是否应该显示原文出处？', | |
| selfRag: 'Self-RAG', | |
| selfRagTip: '请参考: https://huggingface.co/papers/2310.11511', | |
| overview: '聊天 API', | |
| pv: '消息数', | |
| uv: '活跃用户数', | |
| speed: 'Token 输出速度', | |
| tokens: '消耗Token数', | |
| round: '会话互动数', | |
| thumbUp: '用户满意度', | |
| preview: '预览', | |
| embedded: '嵌入', | |
| serviceApiEndpoint: '服务API端点', | |
| apiKey: 'API 键', | |
| apiReference: 'API 文档', | |
| dateRange: '日期范围：', | |
| backendServiceApi: '后端服务 API', | |
| createNewKey: '创建新密钥', | |
| created: '创建于', | |
| action: '操作', | |
| embedModalTitle: '嵌入网站', | |
| comingSoon: '即将推出', | |
| fullScreenTitle: '全屏嵌入', | |
| fullScreenDescription: '将以下iframe嵌入您的网站处于所需位置', | |
| partialTitle: '部分嵌入', | |
| extensionTitle: 'Chrome 插件', | |
| tokenError: '请先创建 Api Token!', | |
| searching: '搜索中', | |
| }, | |
| setting: { | |
| profile: '概要', | |
| profileDescription: '在此更新您的照片和个人详细信息。', | |
| password: '密码', | |
| passwordDescription: '请输入您当前的密码以更改您的密码。', | |
| model: '模型提供商', | |
| modelDescription: '在此设置模型参数和 API Key。', | |
| team: '团队', | |
| system: '系统', | |
| logout: '登出', | |
| username: '用户名', | |
| usernameMessage: '请输入用户名', | |
| photo: '头像', | |
| photoDescription: '这将显示在您的个人资料上。', | |
| colorSchema: '主题', | |
| colorSchemaMessage: '请选择您的主题！', | |
| colorSchemaPlaceholder: '请选择您的主题！', | |
| bright: '明亮', | |
| dark: '暗色', | |
| timezone: '时区', | |
| timezoneMessage: '请选择时区', | |
| timezonePlaceholder: '请选择时区', | |
| email: '邮箱地址', | |
| emailDescription: '一旦注册，电子邮件将无法更改。', | |
| currentPassword: '当前密码', | |
| currentPasswordMessage: '请输入当前密码', | |
| newPassword: '新密码', | |
| newPasswordMessage: '请输入新密码', | |
| newPasswordDescription: '您的新密码必须超过 8 个字符。', | |
| confirmPassword: '确认新密码', | |
| confirmPasswordMessage: '请确认新密码', | |
| confirmPasswordNonMatchMessage: '您输入的新密码不匹配！', | |
| 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: '请输入 api key!', | |
| apiKeyTip: 'API key可以通过注册相应的LLM供应商来获取。', | |
| showMoreModels: '展示更多模型', | |
| baseUrl: 'Base-Url', | |
| baseUrlTip: | |
| '如果您的 API 密钥来自 OpenAI，请忽略它。 任何其他中间提供商都会提供带有 API 密钥的基本 URL。', | |
| modify: '修改', | |
| systemModelSettings: '系统模型设置', | |
| chatModel: '聊天模型', | |
| chatModelTip: '所有新创建的知识库都会使用默认的聊天LLM。', | |
| embeddingModel: '嵌入模型', | |
| embeddingModelTip: '所有新创建的知识库都将使用的默认嵌入模型。', | |
| img2txtModel: 'Img2txt模型', | |
| img2txtModelTip: | |
| '所有新创建的知识库都将使用默认的多模块模型。 它可以描述图片或视频。', | |
| sequence2txtModel: 'Sequence2txt模型', | |
| sequence2txtModelTip: | |
| '所有新创建的知识库都将使用默认的 ASR 模型。 使用此模型将语音翻译为相应的文本。', | |
| rerankModel: 'Rerank模型', | |
| rerankModelTip: `默认的重读模型用于用户问题检索到重读块。`, | |
| workspace: '工作空间', | |
| upgrade: '升级', | |
| addLlmTitle: '添加 LLM', | |
| modelName: '模型名称', | |
| modelUid: '模型UID', | |
| modelType: '模型类型', | |
| addLlmBaseUrl: '基础 Url', | |
| vision: '是否支持 Vision', | |
| modelNameMessage: '请输入模型名称！', | |
| modelTypeMessage: '请输入模型类型！', | |
| baseUrlNameMessage: '请输入基础 Url！', | |
| ollamaLink: '如何集成 {{name}}', | |
| volcModelNameMessage: '请输入模型名称！格式：{"模型名称":"EndpointID"}', | |
| addVolcEngineAK: '火山 ACCESS_KEY', | |
| volcAKMessage: '请输入VOLC_ACCESS_KEY', | |
| addVolcEngineSK: '火山 SECRET_KEY', | |
| volcSKMessage: '请输入VOLC_SECRET_KEY', | |
| }, | |
| message: { | |
| registered: '注册成功', | |
| logout: '登出成功', | |
| logged: '登录成功', | |
| pleaseSelectChunk: '请选择解析块', | |
| modified: '更新成功', | |
| created: '创建成功', | |
| deleted: '删除成功', | |
| renamed: '重命名成功', | |
| operated: '操作成功', | |
| updated: '更新成功', | |
| uploaded: '上传成功', | |
| 200: '服务器成功返回请求的数据。', | |
| 201: '新建或修改数据成功。', | |
| 202: '一个请求已经进入后台排队（异步任务）。', | |
| 204: '删除数据成功。', | |
| 400: '发出的请求有错误，服务器没有进行新建或修改数据的操作。', | |
| 401: '用户没有权限（Token、用户名、密码错误）。', | |
| 403: '用户得到授权，但是访问是被禁止的。', | |
| 404: '发出的请求针对的是不存在的记录，服务器没有进行操作。', | |
| 406: '请求的格式不可得。', | |
| 410: '请求的资源被永久删除，且不会再得到的。', | |
| 422: '当创建一个对象时，发生一个验证错误。', | |
| 500: '服务器发生错误，请检查服务器。', | |
| 502: '网关错误。', | |
| 503: '服务不可用，服务器暂时过载或维护。', | |
| 504: '网关超时。', | |
| requestError: '请求错误', | |
| networkAnomalyDescription: '您的网络发生异常，无法连接服务器', | |
| networkAnomaly: '网络异常', | |
| hint: '提示', | |
| }, | |
| fileManager: { | |
| name: '名称', | |
| uploadDate: '上传日期', | |
| knowledgeBase: '知识库', | |
| size: '大小', | |
| action: '操作', | |
| addToKnowledge: '链接知识库', | |
| pleaseSelect: '请选择', | |
| newFolder: '新建文件夹', | |
| uploadFile: '上传文件', | |
| uploadTitle: '点击或拖拽文件至此区域即可上传', | |
| uploadDescription: | |
| '支持单次或批量上传。 严禁上传公司数据或其他违禁文件。', | |
| file: '文件', | |
| directory: '文件夹', | |
| local: '本地上传', | |
| s3: 'S3 上传', | |
| preview: '预览', | |
| fileError: '文件错误', | |
| }, | |
| footer: { | |
| profile: 'All rights reserved @ React', | |
| }, | |
| layout: { | |
| file: 'file', | |
| knowledge: 'knowledge', | |
| chat: 'chat', | |
| }, | |
| }, | |
| }; | |