| 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', | |
| }, | |
| 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', | |
| }, | |
| 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。`, | |
| }, | |
| 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</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>`, | |
| 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。', | |
| }, | |
| 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', | |
| }, | |
| chat: { | |
| 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 文件', | |
| 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', | |
| }, | |
| 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!', | |
| 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。', | |
| 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', | |
| 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}}', | |
| volcModelNameMessage: '請輸入模型名稱！格式：{"模型名稱":"EndpointID"}', | |
| addVolcEngineAK: '火山 ACCESS_KEY', | |
| volcAKMessage: '請輸入VOLC_ACCESS_KEY', | |
| addVolcEngineSK: '火山 SECRET_KEY', | |
| volcSKMessage: '請輸入VOLC_SECRET_KEY', | |
| }, | |
| 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', | |
| }, | |
| footer: { | |
| profile: '“保留所有權利 @ react”', | |
| }, | |
| layout: { | |
| file: '文件', | |
| knowledge: '知識', | |
| chat: '聊天', | |
| }, | |
| }, | |
| }; | |