Aleph项目文档更新:移除废弃的convert-document服务说明
在Aleph项目的技术文档维护过程中,我们发现技术FAQ部分仍保留着对已废弃convert-document服务的引用。作为开源情报分析平台,Aleph的文档准确性直接影响用户的使用体验和系统部署效率。
convert-document服务原本负责文档格式转换功能,但在项目演进过程中已被移除。当前版本中,相关功能已整合至ingest-file服务中。文档中过时的内容会导致用户在配置系统时产生困惑,特别是在以下三个关键方面:
首先,关于系统资源分配的建议需要更新。原文档建议在8核系统中配置8个ingest-file容器、4个convert-document容器和2个worker容器。现在应当调整为仅配置ingest-file和worker两种容器类型。根据最新实践,建议按照1:1的比例配置worker容器与CPU核心数,而ingest-file容器数量可适当减少。
其次,文档中关于"文档转换服务启动崩溃"的故障排除章节需要重写。虽然故障现象和解决方案的核心逻辑仍然适用,但需要将convert-document服务的具体说明替换为ingest-file服务的相关描述。特别是关于禁用线程的配置建议,现在应该针对ingest-file服务进行调整。
最后,关于系统性能调优的建议也需要同步更新。禁用线程的配置方式虽然能提供更可预测的性能表现,但会降低整体吞吐量。在最新版本中,用户可以根据实际需求选择是否禁用线程:对于需要稳定性的场景建议禁用线程并增加容器数量;对于追求高吞吐量的场景则建议启用线程并减少容器数量。
这些文档更新工作确保了用户能够基于最新版本的Aleph系统获得准确的配置指导,避免因文档滞后导致的部署问题。作为开源情报分析领域的重要工具,Aleph的文档维护与其功能开发同等重要,都需要社区成员的持续关注和贡献。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00