Paperless-AI v2.2.0 版本发布：动态上下文优化与日志增强

Paperless-AI 是一个基于人工智能的文档管理系统，旨在帮助用户高效地处理、组织和检索各类文档。通过集成先进的自然语言处理技术，该项目能够实现智能化的文档分类、内容提取和问答功能。

浏览器兼容性改进

本次发布的 v2.2.0 版本首先解决了 Firefox 浏览器中的聊天功能问题。开发团队识别并修复了表单提交方式不兼容的问题，移除了已被废弃的 submit form 方法实现。这一改进确保了跨浏览器的一致性体验，使 Firefox 用户能够与其他浏览器用户一样顺畅地使用聊天功能。

动态上下文大小管理

针对大模型上下文窗口的优化是本版本最重要的技术升级之一：

1. 智能上下文计算：系统现在能够动态计算所需的上下文大小，最大支持 100,000 个 tokens 的上下文窗口。这一数值已经远超大多数实际应用场景的需求。

2. 量化考量：在计算过程中，系统基于 Q4_0 量化模型的大小来估算 prompt 所需的 tokens 数量，确保计算结果的准确性。

3. 响应缓冲：系统会自动为 JSON 格式的响应预留 1,024 个 tokens 的缓冲空间，这个设计既保证了响应完整性，又避免了资源浪费。

4. 自适应传输：最终计算得出的 num_ctx 参数会被动态传递给 Ollama API，实现了资源的最优分配。

调试与日志增强

为方便开发者调试和优化 prompt 工程：

1. 完整日志记录：系统现在会在 /app/logs/prompt.txt 文件中记录完整的 prompt 内容和模型响应。

2. 调试友好：这一功能使得开发者能够全面审查模型输入输出，便于进行效果分析和 prompt 优化。

技术实现细节

在底层实现上，开发团队采用了以下关键技术方案：

1. Token 估算算法：基于量化模型特性的精确 token 计数方法，确保上下文窗口大小的计算既充足又高效。

2. 资源管理策略：通过动态调整上下文窗口，系统能够在不同硬件配置上实现最佳性能表现。

3. 错误预防机制：响应缓冲区的设计有效防止了因输出截断导致的功能异常。

这一系列改进使 Paperless-AI 在处理大规模文档时的稳定性和效率都得到了显著提升，特别是对于需要处理长文档或复杂查询的专业用户来说，这些优化将带来明显更好的使用体验。