feat: 添加 CLAUDE.md 文件以提供项目开发指导

- 新增 CLAUDE.md 文件，包含项目概述、开发环境管理、项目架构、开发规范、特色功能模块及调试和故障排除指南。
- 详细描述了使用 Docker Compose 管理开发环境的步骤和常用命令。
- 介绍了项目的技术栈、核心目录结构及主要服务，确保开发者能够快速上手。

CLAUDE.md

@@ -1 +1,159 @@
+# CLAUDE.md
+
+This file provides guidance to Claude Code (claude.ai/code) when working with code in this repository.
+
+## 项目概述
+
+Yuxi-Know 是一个基于大模型的智能知识库与知识图谱智能体开发平台，融合了 RAG 技术与知识图谱技术，基于 LangGraph v1 + Vue.js + FastAPI + LightRAG 架构构建。项目完全通过 Docker Compose 进行管理，支持热重载开发。
+
+## 开发环境管理
+
+### 核心原则
+- 所有开发调试都应在运行的 Docker 容器环境中进行
+- 使用 `docker compose up -d` 启动完整开发环境
+- api-dev 和 web-dev 服务均配置热重载，本地修改代码后无需重启容器
+- 先检查 `docker ps` 确认服务状态，使用 `docker logs api-dev --tail 100` 查看日志
+
+### 常用命令
+
+#### 项目启动和停止
+```bash
+# 启动所有服务
+make start
+# 或
+docker compose up -d
+
+# 停止所有服务
+make stop
+# 或
+docker compose down
+
+# 查看日志
+make logs
+# 或
+docker logs --tail=50 api-dev
+```
+
+#### 后端开发（在 Docker 容器内）
+```bash
+# 代码检查和格式化
+make lint          # 检查代码规范
+make format        # 格式化代码
+make format_diff   # 查看格式化差异
+
+# 运行测试
+make router-tests  # 运行 API 路由测试
+
+# 直接在容器内执行命令
+docker compose exec api uv run python your_script.py
+```
+
+#### 前端开发
+```bash
+# 在 web 目录下执行
+pnpm run dev        # 开发模式（已通过 Docker 配置）
+pnpm run build      # 构建生产版本
+pnpm run lint       # ESLint 检查
+pnpm run format     # Prettier 格式化
+```
+
+#### 文档开发
+```bash
+# 在 docs 目录下执行
+pnpm run docs:dev   # 开发文档
+pnpm run docs:build # 构建文档
+```
+
+## 项目架构
+
+### 技术栈
+- **后端**: FastAPI + Python 3.11+，使用 uv 管理依赖
+- **前端**: Vue 3.5 + Vite 7 + Ant Design Vue + Pinia
+- **AI框架**: LangChain v1 + LangGraph v1 + LightRAG
+- **数据库**: Neo4j (图数据库) + Milvus (向量数据库) + MinIO (对象存储)
+- **容器化**: Docker Compose 多服务编排
+
+### 核心目录结构
+```
+├── server/          # FastAPI 后端服务
+├── web/             # Vue.js 前端应用
+├── src/             # 核心业务逻辑代码
+├── docs/            # 文档中心 (VitePress)
+├── test/            # 测试代码
+├── docker/          # Docker 配置文件
+├── scripts/         # 脚本工具
+├── saves/           # 数据保存目录
+├── models/          # 模型文件目录
+└── docker-compose.yml
+```
+
+### 主要服务
+- `api-dev`: FastAPI 后端服务 (端口 5050)
+- `web-dev`: Vue.js 前端服务 (端口 5173)
+- `graph`: Neo4j 图数据库 (端口 7474, 7687)
+- `milvus`: Milvus 向量数据库 (端口 19530)
+- `minio`: MinIO 对象存储 (端口 9000, 9001)
+- `mineru`: MinerU 文档解析服务 (可选)
+- `paddlex`: PaddleX OCR 服务 (可选)
+
+## 开发规范
+
+### 前端开发规范
+- **API 接口**: 所有 API 接口定义在 `web/src/apis` 下，继承自 `apiGet/apiPost/apiRequest`
+- **图标**: 从 `@ant-design/icons-vue` 或 `lucide-vue-next` 选取
+- **样式**: 使用 Less，优先采用 `web/src/assets/css/base.css` 中的颜色
+- **UI风格**: 简洁一致，避免悬停位移、过度阴影和渐变色
+- **组件库**: 基于 Ant Design Vue，保持组件一致性
+
+### 后端开发规范
+- **包管理**: 使用 uv 管理依赖，调试时使用 `uv run`
+- **代码规范**: 符合 Pythonic 风格，支持 Python 3.12+ 语法
+- **代码质量**: 使用 `make lint` 检查，`make format` 格式化
+- **API设计**: 遵循 RESTful 规范，使用 Pydantic 进行数据验证
+
+### 通用开发规范
+- **文档更新**: 代码更新后同步更新 `docs/latest` 中的相关文档
+- **测试**: 测试脚本放在 `test/` 目录，从 Docker 容器中运行
+- **环境变量**: 配置通过 `.env` 文件管理
+- **数据安全**: 敏感数据不提交到版本控制
+
+## 特色功能模块
+
+### 智能体系统
+- 基于 LangGraph v1 的智能体框架
+- 支持多代理协作和工具调用
+- 提供完整的智能体开发套件
+
+### 知识管理
+- 多模态文档解析 (PDF、Word、图片等)
+- 知识图谱自动构建和可视化
+- 向量化存储和检索
+
+### 数据处理
+- MinerU 文档解析集成
+- PaddleX OCR 文字识别
+- 支持多种模型提供商 (OpenAI、DeepSeek、阿里云等)
+
+## 调试和故障排除
+
+### 常见问题排查
+1. **服务启动失败**: 检查端口占用和 Docker 服务状态
+2. **API 连接问题**: 确认 `VITE_API_URL` 环境变量配置
+3. **模型加载问题**: 检查 `models/` 目录和权限设置
+4. **数据库连接**: 确认 Neo4j 和 Milvus 服务健康状态
+
+### 日志查看
+```bash
+# 查看各服务日志
+docker logs api-dev --tail 100
+docker logs web-dev --tail 50
+docker logs graph --tail 50
+docker logs milvus --tail 50
+```
+
+### 性能监控
+- 使用健康检查端点 `/api/system/health`
+- 监控 GPU 使用情况 (如果使用 GPU 服务)
+- 检查内存和磁盘使用情况
+
 You MUST read `./AGENTS.md`

server/routers/chat_router.py

@@ -180,31 +180,41 @@ def _serialize_attachment(record: dict) -> dict:
     }
 
 
-async def save_partial_message(conv_mgr, thread_id, full_msg, error_type="interrupted"):
+async def save_partial_message(conv_mgr, thread_id, full_msg=None, error_message=None, error_type="interrupted"):
     """
-    保存部分生成的AI消息到数据库
+    统一保存AI消息到数据库的函数
-    当streaming被中断时，用于保存已生成的部分内容
-    """
-    if not full_msg:
-        return None
 
+    Args:
+        conv_mgr: 对话管理器
+        thread_id: 线程ID
+        full_msg: 完整的AI消息对象（可选）
+        error_message: 纯错误消息文本（当full_msg为空时使用）
+        error_type: 错误类型标识
+    """
     try:
+        if full_msg:
+            # 保存部分生成的AI消息
             msg_dict = full_msg.model_dump() if hasattr(full_msg, "model_dump") else {}
             content = full_msg.content if hasattr(full_msg, "content") else str(full_msg)
+            extra_metadata = msg_dict | {"error_type": error_type}
+        else:
+            # 保存纯错误消息
+            content = error_message or f"发生错误: {error_type}"
+            extra_metadata = {"error_type": error_type, "is_error": True}
 
         saved_msg = conv_mgr.add_message_by_thread_id(
             thread_id=thread_id,
             role="assistant",
             content=content,
             message_type="text",
-            extra_metadata=msg_dict | {"error_type": error_type},
+            extra_metadata=extra_metadata,
         )
 
-        logger.info(f"Saved partial message due to {error_type}: {saved_msg.id}")
+        logger.info(f"Saved message due to {error_type}: {saved_msg.id}")
         return saved_msg
 
     except Exception as e:
-        logger.error(f"Error saving partial message: {e}")
+        logger.error(f"Error saving message: {e}")
         logger.error(traceback.format_exc())
         return None
 
@@ -367,7 +377,7 @@ async def get_agent(current_user: User = Depends(get_required_user)):
             "examples": agent_info.get("examples", []),
             "configurable_items": agent_info.get("configurable_items", []),
             "has_checkpointer": agent_info.get("has_checkpointer", False),
-            "capabilities": agent_info.get("capabilities", [])  # 智能体能力列表
+            "capabilities": agent_info.get("capabilities", []),  # 智能体能力列表
         }
         for agent_info in agents_info
     ]
@@ -513,14 +523,17 @@ async def chat_agent(
             # 客户端主动中断连接，检查中断并保存已生成的部分内容
             logger.warning(f"Client disconnected, cancelling stream: {e}")
 
-
+            # 保存中断消息到数据库
-            # 如果有手动维护的 full_msg，直接保存到数据库
-            if full_msg:
-                # 创建新的 db session，因为原 session 可能已关闭
             new_db = db_manager.get_session()
             try:
                 new_conv_manager = ConversationManager(new_db)
-                    await save_partial_message(new_conv_manager, thread_id, full_msg, "interrupted")
+                await save_partial_message(
+                    new_conv_manager,
+                    thread_id,
+                    full_msg=full_msg,
+                    error_message="对话已中断" if not full_msg else None,
+                    error_type="interrupted",
+                )
             finally:
                 new_db.close()
 
@@ -530,14 +543,17 @@ async def chat_agent(
         except Exception as e:
             logger.error(f"Error streaming messages: {e}, {traceback.format_exc()}")
 
-
+            # 保存错误消息到数据库
-            # 如果有手动维护的 full_msg，直接保存到数据库
-            if full_msg:
-                # 创建新的 db session，因为原 session 可能已关闭
             new_db = db_manager.get_session()
             try:
                 new_conv_manager = ConversationManager(new_db)
-                    await save_partial_message(new_conv_manager, thread_id, full_msg, "unexpected_error")
+                await save_partial_message(
+                    new_conv_manager,
+                    thread_id,
+                    full_msg=full_msg,
+                    error_message=f"Error streaming messages: {e}" if not full_msg else None,
+                    error_type="unexpected_error",
+                )
             finally:
                 new_db.close()
 
@@ -644,6 +660,7 @@ async def resume_agent_chat(
             resume_command, context=context, config={"configurable": input_context}, stream_mode="messages"
         )
 
+        try:
             async for msg, metadata in stream_source:
                 # 确保msg有正确的ID结构
                 msg_dict = msg.model_dump()
@@ -667,6 +684,38 @@ async def resume_agent_chat(
                 config_dict=langgraph_config,
             )
 
+        except (asyncio.CancelledError, ConnectionError) as e:
+            # 客户端主动中断连接
+            logger.warning(f"Client disconnected during resume: {e}")
+
+            # 保存中断消息到数据库
+            new_db = db_manager.get_session()
+            try:
+                new_conv_manager = ConversationManager(new_db)
+                await save_partial_message(
+                    new_conv_manager, thread_id, error_message="对话恢复已中断", error_type="resume_interrupted"
+                )
+            finally:
+                new_db.close()
+
+            yield make_resume_chunk(status="interrupted", message="对话恢复已中断", meta=meta)
+
+        except Exception as e:
+            # 处理其他异常
+            logger.error(f"Error during resume: {e}, {traceback.format_exc()}")
+
+            # 保存错误消息到数据库
+            new_db = db_manager.get_session()
+            try:
+                new_conv_manager = ConversationManager(new_db)
+                await save_partial_message(
+                    new_conv_manager, thread_id, error_message=f"Error during resume: {e}", error_type="resume_error"
+                )
+            finally:
+                new_db.close()
+
+            yield make_resume_chunk(message=f"Error during resume: {e}", status="error")
+
     return StreamingResponse(stream_resume(), media_type="application/json")
 
 

server/routers/knowledge_router.py

@@ -247,12 +247,14 @@ async def add_documents(
                     error_type = "timeout" if isinstance(doc_error, TimeoutError) else "processing_error"
                     error_msg = "处理超时" if isinstance(doc_error, TimeoutError) else "处理失败"
 
-                    processed_items.append({
+                    processed_items.append(
+                        {
                             "item": item,
                             "status": "failed",
                             "error": f"{error_msg}: {str(doc_error)}",
-                        "error_type": error_type
+                            "error_type": error_type,
-                    })
+                        }
+                    )
 
         except asyncio.CancelledError:
             await context.set_progress(100.0, "任务已取消")
@@ -262,13 +264,15 @@ async def add_documents(
             logger.exception(f"Task processing failed: {task_error}")
             await context.set_progress(100.0, f"任务处理失败: {str(task_error)}")
             # 将所有未处理的文档标记为失败
-            for item in items[len(processed_items):]:
+            for item in items[len(processed_items) :]:
-                processed_items.append({
+                processed_items.append(
+                    {
                         "item": item,
                         "status": "failed",
                         "error": f"任务失败: {str(task_error)}",
-                    "error_type": "task_failed"
+                        "error_type": "task_failed",
-                })
+                    }
+                )
             raise
 
         item_type = "URL" if content_type == "url" else "文件"
@@ -600,8 +604,7 @@ async def get_knowledge_base_query_params(db_id: str, current_user: User = Depen
                         "type": "select",
                         "default": reranker_config.get("model", ""),
                         "options": [
-                            {"label": info.name, "value": model_id}
+                            {"label": info.name, "value": model_id} for model_id, info in config.reranker_names.items()
-                            for model_id, info in config.reranker_names.items()
                         ],
                         "description": "覆盖默认配置，选择用于本次查询的重排序模型",
                     }
@@ -675,8 +678,7 @@ async def get_knowledge_base_query_params(db_id: str, current_user: User = Depen
                         "type": "select",
                         "default": reranker_config.get("model", ""),
                         "options": [
-                            {"label": info.name, "value": model_id}
+                            {"label": info.name, "value": model_id} for model_id, info in config.reranker_names.items()
-                            for model_id, info in config.reranker_names.items()
                         ],
                         "description": "覆盖默认配置，选择用于本次查询的重排序模型",
                     }

server/routers/system_router.py

@@ -51,8 +51,6 @@ async def update_config_batch(items: dict = Body(...), current_user: User = Depe
     return config.dump_config()
 
 
-
-
 @system.get("/logs")
 def get_system_logs(current_user: User = Depends(get_admin_user)):
     """获取系统日志"""

src/agents/common/base.py

@@ -2,6 +2,7 @@ from __future__ import annotations
 
 import importlib.util
 import os
+import tomllib as tomli
 from abc import abstractmethod
 from pathlib import Path
 
@@ -9,8 +10,6 @@ from langgraph.checkpoint.memory import InMemorySaver
 from langgraph.checkpoint.sqlite.aio import AsyncSqliteSaver, aiosqlite
 from langgraph.graph.state import CompiledStateGraph
 
-import tomllib as tomli
-
 from src import config as sys_config
 from src.agents.common.context import BaseContext
 from src.utils import logger
@@ -163,7 +162,6 @@ class BaseAgent:
         """获取异步存储实例"""
         return AsyncSqliteSaver(await self.get_async_conn())
 
-
     def load_metadata(self) -> dict:
         """Load metadata from metadata.toml file in the agent's source directory."""
         if self._metadata_cache is not None:

src/agents/common/middlewares/__init__.py

@@ -1,6 +1,6 @@
+from .attachment_middleware import inject_attachment_context
 from .context_middlewares import context_aware_prompt, context_based_model
 from .dynamic_tool_middleware import DynamicToolMiddleware
-from .attachment_middleware import inject_attachment_context
 
 __all__ = [
     "DynamicToolMiddleware",

src/agents/common/middlewares/attachment_middleware.py

@@ -40,8 +40,7 @@ def _build_attachment_prompt(attachments: Sequence[dict]) -> str | None:
         return None
 
     instructions = (
-        "以下为用户提供的附件内容，请综合这些文件与用户的新问题进行回答。"
+        "以下为用户提供的附件内容，请综合这些文件与用户的新问题进行回答。如附件与问题无关，可忽略附件内容：\n\n"
-        "如附件与问题无关，可忽略附件内容：\n\n"
     )
     return instructions + "\n\n".join(chunks)
 

src/agents/common/middlewares/context_middlewares.py

@@ -14,9 +14,7 @@ def context_aware_prompt(request: ModelRequest) -> str:
 
 
 @wrap_model_call
-async def context_based_model(
+async def context_based_model(request: ModelRequest, handler: Callable[[ModelRequest], ModelResponse]) -> ModelResponse:
-    request: ModelRequest, handler: Callable[[ModelRequest], ModelResponse]
-) -> ModelResponse:
     """从 runtime context 动态选择模型"""
     model_spec = request.runtime.context.model
     model = load_chat_model(model_spec)

src/agents/common/subagents/calc_agent.py

@@ -11,6 +11,7 @@ calc_agent = create_agent(
     system_prompt="你可以使用计算器工具，处理各种数学计算任务。",
 )
 
+
 @tool(name_or_callable="calc_agent_tool", description="进行计算任务，输入是数学表达式或描述，输出计算结果。")
 async def calc_agent_tool(description: str) -> str:
     """CalcAgent 工具 - 使用子智能体 CalcAgent 进行计算任务"""

src/agents/common/toolkits/mysql/tools.py

@@ -88,7 +88,7 @@ def mysql_list_tables() -> str:
 
             all_table_names = "\n".join(table_names)
             result = f"数据库中的表:\n{all_table_names}"
-            if db_note := conn_manager.config.get('description'):
+            if db_note := conn_manager.config.get("description"):
                 result = f"数据库说明: {db_note}\n\n" + result
             logger.info(f"Retrieved {len(table_names)} tables from database")
             return result

src/agents/common/tools.py

@@ -11,10 +11,10 @@ from pydantic import BaseModel, Field
 from src import config, graph_base, knowledge_base
 from src.utils import logger
 
-
 search = TavilySearch(max_results=10)
 search.metadata = {"name": "Tavily 网页搜索"}
 
+
 @tool(name_or_callable="计算器", description="可以对给定的2个数字选择进行 add, subtract, multiply, divide 运算")
 def calculator(a: float, b: float, operation: str) -> float:
     try:
@@ -38,7 +38,7 @@ def calculator(a: float, b: float, operation: str) -> float:
 @tool(name_or_callable="人工审批工具(Debug)", description="请求人工审批工具，用于在执行重要操作前获得人类确认。")
 def get_approved_user_goal(
     operation_description: str,
-)->dict:
+) -> dict:
     """
     请求人工审批，在执行重要操作前获得人类确认。
 
@@ -78,6 +78,7 @@ KG_QUERY_DESCRIPTION = """
 关键词（query），使用可能帮助回答这个问题的关键词进行查询，不要直接使用用户的原始输入去查询。
 """
 
+
 @tool(name_or_callable="查询知识图谱", description=KG_QUERY_DESCRIPTION)
 def query_knowledge_graph(query: Annotated[str, "The keyword to query knowledge graph."]) -> Any:
     """使用这个工具可以查询知识图谱中包含的三元组信息。关键词（query），使用可能帮助回答这个问题的关键词进行查询，不要直接使用用户的原始输入去查询。"""

src/agents/deep_agent/context.py

@@ -4,7 +4,6 @@ from dataclasses import field
 
 from src.agents.common.context import BaseContext
 
-
 DEEP_PROMPT = """你是一个能够处理复杂、多步骤任务的深度分析代理。
 
 你拥有以下资源：

src/agents/deep_agent/graph.py

@@ -1,17 +1,20 @@
 """Deep Agent - 基于create_deep_agent的深度分析智能体"""
+
 import os
 from typing import Literal
+
 from deepagents import create_deep_agent
+from tavily import TavilyClient
 
 from src.agents.common import BaseAgent, load_chat_model
-from src.agents.common.tools import search
 from src.agents.common.middlewares import (
     context_aware_prompt,
     context_based_model,
     inject_attachment_context,
 )
+from src.agents.common.tools import search
+
 from .context import DeepContext
-from tavily import TavilyClient
 
 # 最佳实践是初始化客户端一次并复用它。
 tavily_client = TavilyClient(api_key=os.environ["TAVILY_API_KEY"])
@@ -169,8 +172,8 @@ research_instructions = """你是一位专家级研究员。你的工作是进
 使用此工具对给定的查询进行网络搜索。你可以指定结果数量、主题以及是否包含原始内容。
 """
 
-class DeepAgent(BaseAgent):
 
+class DeepAgent(BaseAgent):
     name = "深度分析智能体"
     description = "具备规划、深度分析和子智能体协作能力的智能体，可以处理复杂的多步骤任务"
     context_schema = DeepContext

src/agents/reporter/graph.py

@@ -1,4 +1,3 @@
-
 from langchain.agents import create_agent
 
 from src import config

src/knowledge/implementations/chroma.py

@@ -323,9 +323,7 @@ class ChromaKB(KnowledgeBase):
                         try:
                             rerank_start = time.time()
                             documents_text = [chunk["content"] for chunk in retrieved_chunks]
-                            rerank_scores = await reranker.acompute_score(
+                            rerank_scores = await reranker.acompute_score([query_text, documents_text], normalize=True)
-                                [query_text, documents_text], normalize=True
-                            )
 
                             for chunk, rerank_score in zip(retrieved_chunks, rerank_scores):
                                 chunk["rerank_score"] = float(rerank_score)

src/knowledge/implementations/milvus.py

@@ -369,9 +369,7 @@ class MilvusKB(KnowledgeBase):
                         try:
                             rerank_start = time.time()
                             documents_text = [chunk["content"] for chunk in retrieved_chunks]
-                            rerank_scores = await reranker.acompute_score(
+                            rerank_scores = await reranker.acompute_score([query_text, documents_text], normalize=True)
-                                [query_text, documents_text], normalize=True
-                            )
 
                             for chunk, rerank_score in zip(retrieved_chunks, rerank_scores):
                                 chunk["rerank_score"] = float(rerank_score)

test/api/test_knowledge_router.py

@@ -85,9 +85,7 @@ async def test_admin_can_create_vector_db_with_reranker(test_client, admin_heade
         assert reranker_config.get("enabled") is True
         assert reranker_config.get("model") == "siliconflow/BAAI/bge-reranker-v2-m3"
 
-        params_response = await test_client.get(
+        params_response = await test_client.get(f"/api/knowledge/databases/{db_id}/query-params", headers=admin_headers)
-            f"/api/knowledge/databases/{db_id}/query-params", headers=admin_headers
-        )
         assert params_response.status_code == 200, params_response.text
 
         params_payload = params_response.json()

test/api/test_settings_router.py

@@ -13,9 +13,7 @@ async def test_reranker_list_requires_admin(test_client, standard_user):
     public_response = await test_client.get("/api/settings/rerankers")
     assert public_response.status_code == 401
 
-    forbidden_response = await test_client.get(
+    forbidden_response = await test_client.get("/api/settings/rerankers", headers=standard_user["headers"])
-        "/api/settings/rerankers", headers=standard_user["headers"]
-    )
     assert forbidden_response.status_code == 403
 
 

web/src/components/AgentChatComponent.vue

@@ -436,6 +436,7 @@ const cleanupThreadState = (threadId) => {
 
 // ==================== STREAM HANDLING LOGIC ====================
 const resetOnGoingConv = (threadId = null, preserveMessages = false) => {
+  console.log('🔄 [RESET] Resetting on going conversation:', threadId, preserveMessages);
   if (threadId) {
     // 清理指定线程的状态
     const threadState = getThreadState(threadId);
@@ -646,11 +647,17 @@ const updateThread = async (threadId, title) => {
 };
 
 // 获取线程消息
-const fetchThreadMessages = async ({ agentId, threadId }) => {
+const fetchThreadMessages = async ({ agentId, threadId, delay = 0 }) => {
   if (!threadId || !agentId) return;
 
+  // 如果指定了延迟，等待指定时间（用于确保后端数据库事务提交）
+  if (delay > 0) {
+    await new Promise(resolve => setTimeout(resolve, delay));
+  }
+
   try {
     const response = await agentApi.getAgentHistory(agentId, threadId);
+    console.log('🔄 [FETCH] Thread messages:', response);
     threadMessages.value[threadId] = response.history || [];
   } catch (error) {
     handleChatError(error, 'load');
@@ -963,7 +970,7 @@ const handleSendOrStop = async () => {
 
     // 中断后刷新消息历史，确保显示最新的状态
     try {
-      await fetchThreadMessages({ agentId: currentAgentId.value, threadId: threadId });
+      await fetchThreadMessages({ agentId: currentAgentId.value, threadId: threadId, delay: 100 });
       message.info('已中断对话生成');
     } catch (error) {
       console.error('刷新消息历史失败:', error);

web/src/components/ModelProvidersComponent.vue

@@ -118,8 +118,11 @@
           <div v-if="providerConfig.allModels.length === 0" class="modal-no-models">
             <a-alert v-if="!modelStatus[providerConfig.provider]" type="warning" message="请在 .env 中配置对应的 APIKEY，并重新启动服务" />
             <div v-else>
-              <a-alert type="warning" message="该提供商暂未适配获取模型列表的方法，如需添加模型，请编辑 src/config/static/models.py 。" />
+              <a-alert type="warning" message="该提供商暂未适配获取模型列表的方法，如需添加模型，请编辑 src/config/static/models.py 。">
-              <img src="@/assets/pics/guides/how-to-add-models.png" alt="添加模型指引" style="width: 100%; height: 100%; margin-top: 16px;">
+                <template #description>
+                  <a href="https://xerrors.github.io/Yuxi-Know/latest/intro/model-config.html" target="_blank">模型配置</a>
+                </template>
+              </a-alert>
             </div>
           </div>
         </div>