我把嵌入式向量模型从默认的shibing624_text2vec-base-chinese，换成了m3e-large了，config.yaml 配置正确。也重启docker了， 但是问答时候报错different vector dimensions 768 and 1024 。换回text2vec就没事。 应该是maxkb支持的向量维度不一致， m3e的超过1024了。 需要更改maxkb里面的配置， 请问这个应该去哪里改哪个文件？
需要把历史数据清空重新存入,embedding表
您好，我这个报错不是在上传文档里出的问题， 是用llama3 大语言直接问答出的问题， 用text2vec就正常，用m3e 就提示different vector dimensions 768 and 1024
因为知识库里面的分段内容你是用 text2vec模型向量化的， 然后提问的时候你换成了m3e 向量模型召回，两个向量模型的维度不同，所以召回报错。
你要把知识库的内容清除，重新导入文档使用m3e进行向量化。然后在提问的时候使用m3e模型进行向量召回就不会报错。
已解决，感谢
问一下 m3e-large效果怎么样？？
您好，目前还碰到两个问题没解决，解决好就能测试了。 一个是问答回话总是给回英文，这个怎么能转变成中文。
二是，我之前用过langchain，上传文档后会自动识别，从文档回答问题。 咱们这个知识库上传文档后我看还需要自己设置问题？ 根据设置的问题选择分段。如果我不设置问题选择段落的话，命中测试几率是0，是需要提前全部自己预设么？
另外还有请问可以在问答时候设置只从知识库回答不？ 不从LLM回答
提示词可以尝试写：请只从已知信息当中查找答案。
但是估计效果不好
官方说后面版本可能会考虑不走LLM只走知识库。
您好，目前还碰到两个问题没解决， 一个是问答回话总是给回英文，这个怎么能转变成中文。
二是，我之前用过langchain，上传文档后会自动识别，从文档回答问题。 咱们这个知识库上传文档后我看还需要自己设置问题？ 根据设置的问题选择分段。如果我不设置问题选择段落的话，命中测试几率是0，是需要提前全部自己预设么？
1、国外的模型你要在提示词加上：请使用中文回答用户问题。
2、 文档上传后会自动分段，分段关联的问题 提问的时候命中率会提高，如果不关联问题，只能在分段内容中找与问题相似的分段，分段内容多相似度就会低。
人工干预添加问题能提高命中率。