diff --git a/README.md b/README.md
index 02242e1a..448ce1b2 100644
--- a/README.md
+++ b/README.md
@@ -1,8 +1,8 @@
-<h1 align="center">语析 （基于大模型的知识库+知识图谱问答平台）</h1>
+<h1 align="center">语析 - 基于大模型的知识库与知识图谱问答平台</h1>
 <div align="center">
 
 ![](https://img.shields.io/badge/Docker-2496ED?style=flat&logo=docker&logoColor=ffffff)
-![Vue.js](https://img.shields.io/badge/vuejs-%2335495e.svg?style=flat&logo=vuedotjs&logoColor=%234FC08D) 
+![Vue.js](https://img.shields.io/badge/vuejs-%2335495e.svg?style=flat&logo=vuedotjs&logoColor=%234FC08D)
 ![FastAPI](https://img.shields.io/badge/FastAPI-005571?style=flat&logo=fastapi)
 ![](https://img.shields.io/github/issues/xerrors/Yuxi-Know?color=F48D73)
 ![](https://img.shields.io/github/license/bitcookies/winrar-keygen.svg?logo=github)
@@ -10,52 +10,61 @@
 
 </div>
 
-## 概述
+## 📝 项目概述
 
-基于大模型 RAG 知识库与知识图谱的问答平台。Llamaindex + VueJS + Flask + Neo4j。大模型适配 OpenAI、国内主流大模型平台的模型调用、本地 vllm 部署。只需要配置对应服务平台的 `API_KEY` 即可使用。
+语析是一个强大的问答平台，结合了大模型 RAG 知识库与知识图谱技术，基于 Llamaindex + VueJS + FastAPI + Neo4j 构建。
 
-![image](https://github.com/user-attachments/assets/75010511-4ac5-4924-8268-fea9a589839c)
+**核心特点：**
 
-> [!NOTE]
-> 当前项目还处于开发的早期，还存在一些 BUG，有问题随时提 issue。
+- 🤖 多模型支持：适配 OpenAI、各大国内主流大模型平台，以及本地 vllm 部署
+- 📚 灵活知识库：支持 PDF、TXT、MD 等多种格式文档
+- 🕸️ 知识图谱集成：基于 Neo4j 的知识图谱问答能力
+- 🚀 简单配置：只需配置对应服务平台的 `API_KEY` 即可使用
 
-代办清单
+![系统界面预览](https://github.com/user-attachments/assets/75010511-4ac5-4924-8268-fea9a589839c)
 
-- [ ] Ollma Embedding 支持（Open-like Embedding 支持）
-- [ ] embedding 过程添加进度显示
-- [X] 知识图谱索引支持自定义 Embedding 模型
-- [X] DeepSeek-R1 支持
+## 📋 更新日志
 
-## 更新日志
+- **2025.02.24** - 新增网页检索以及内容展示，需配置 `TAVILY_API_KEY`，感谢 [littlewwwhite](https://github.com/littlewwwhite)
+- **2025.02.23** - SiliconFlow 的 Rerank 和 Embedding model 支持，现默认使用 SiliconFlow
+- **2025.02.20** - DeepSeek-R1 支持，需配置 `DEEPSEEK_API_KEY` 或 `SILICONFLOW_API_KEY`
+- **2024.10.12** - 后端修改为 [FastAPI](https://github.com/fastapi)，添加 [Milvus-Standalone](https://github.com/milvus-io) 独立部署
 
-- 2025.02.24 新增网页检索以及内容展示，需要配置 `TAVILY_API_KEY`, 感谢 [littlewwwhite](https://github.com/littlewwwhite)。
-- 2025.02.23 SiliconFlow 的 Rerank 和 Embedding model 支持。现在默认使用 SiliconFlow。
-- 2025.02.20 DeepSeek-R1 支持，需配置 `DEEPSEEK_API_KEY` 或者 `SILICONFLOW_API_KEY` 使用
-- 2024.10.12 后端修改为 [FastAPI](https://github.com/fastapi)，并添加了 [Milvus-Standalone](https://github.com/milvus-io) 的独立部署。
+![功能展示](https://github.com/user-attachments/assets/8416a933-cc43-45d0-bf06-00df0ba6c4fb)
 
-![image](https://github.com/user-attachments/assets/8416a933-cc43-45d0-bf06-00df0ba6c4fb)
+## 🚀 快速上手
 
-## 快速上手
+### 环境配置
 
-在启动之前，提供 API 服务商的 API_KEY，并放置在 `src/.env` 文件中。默认使用的是硅基流动。因此务必需要配置 `SILICONFLOW_API_KEY=<SILICONFLOW_API_KEY>`。其余模型的配置可以参考 [src/static/models.yaml](src/static/models.yaml) 中的 env。
+在启动前，您需要提供 API 服务商的 API_KEY，并放置在 `src/.env` 文件中。
+
+默认使用硅基流动的服务，因此**必须**配置：
 
 ```
 SILICONFLOW_API_KEY=sk-270ea********8bfa97.e3XOMd****Q1Sk
 ```
 
-本项目的基础对话服务可以在不含显卡的设备上运行，大模型使用在线服务商的接口。如果需要指定本地模型（如 Embedding、Rerank 模型）所在路径，需要配置 `MODEL_DIR` 参数。并在 Docker Compose 中启用映射。
+> 本项目的基础对话服务可在不含显卡的设备上运行，大模型使用在线服务商的接口。
 
-**提醒**：下面的脚本会启动开发版本，源代码的修改会自动更新（含前端和后端）。如果生产环境部署，请使用 `docker/docker-compose.yml` 启动。
+### 启动服务
+
+**开发环境启动**（源代码修改会自动更新）：
 
 ```bash
 docker compose -f docker/docker-compose.dev.yml --env-file src/.env up --build
 ```
 
-**也可以加上 `-d` 参数，后台运行。*
+> 添加 `-d` 参数可在后台运行
 
-下面的这些容器都会启动：
+**生产环境部署**请使用：
 
 ```bash
+docker compose -f docker/docker-compose.yml --env-file src/.env up --build -d
+```
+
+成功启动后，会看到以下容器：
+
+```
 [+] Running 7/7
  ✔ Network docker_app-network       Created
  ✔ Container graph-dev              Started
@@ -66,37 +75,31 @@ docker compose -f docker/docker-compose.dev.yml --env-file src/.env up --build
  ✔ Container web-dev                Started
 ```
 
-然后打开 [http://localhost:5173/](http://localhost:5173/) 就可以看到结果了。
+访问 [http://localhost:5173/](http://localhost:5173/) 即可使用系统。
 
-**预览**
+### 系统预览
 
-![DEMO.GIF](./images/demo.gif)
+![系统演示](./images/demo.gif)
 
-关闭 docker 服务：
+### 服务管理
+
+**关闭服务**：
 
 ```bash
 docker compose -f docker/docker-compose.dev.yml --env-file src/.env down
 ```
 
-查看日志：
+**查看日志**：
 
 ```bash
-docker logs <CONTAINER_NAME>  # 例如：docker logs api-dev
+docker logs <容器名称>  # 例如：docker logs api-dev
 ```
 
-**生产环境部署**：本项目同时支持使用 Docker 部署生产环境，只需要更换 `docker-compose` 文件就可以了。
+## 💻 模型支持
 
-```bash
-docker compose -f docker/docker-compose.yml --env-file src/.env up --build
-```
+### 1. 对话模型
 
-注：如果想要在本地使用 PyCharm 等 IDE 加断点调试，可以使用 Docker 运行除 API 以外的容器，然后本地运行 main.py，但是需要注意将对应的环境变量添加到 .env 文件中
-
-## 模型支持
-
-### 1. 对话模型支持
-
-模型仅支持通过API调用的模型，如果是需要运行本地模型，则建议使用 vllm 转成 API 服务之后使用。使用前请在 `.env` 配置 APIKEY 后使用，配置项目参考：[src/static/models.yaml](src/static/models.yaml)
+本项目支持通过 API 调用的模型，本地模型需使用 vllm、ollama 转成 API 服务后使用。
 
 | 模型供应商             | 默认模型                            | 配置项目                                       |
 | :--------------------- | :---------------------------------- | :--------------------------------------------- |
@@ -108,62 +111,89 @@ docker compose -f docker/docker-compose.yml --env-file src/.env up --build
 | `dashscope`（阿里）  | `qwen-max-latest`                 | `DASHSCOPE_API_KEY`                          |
 | `qianfan`（百度）    | `ernie_speed`                     | `QIANFAN_ACCESS_KEY`, `QIANFAN_SECRET_KEY` |
 
-此外，如果想要添加供应商的模型，确认知识 OpenAI 调用的方法之后，只需要在 [src/static/models.yaml](src/static/models.yaml) 中添加对应的模型配置即可。配置示例如下：
+#### 添加新模型供应商
+
+如需添加供应商模型，了解 OpenAI 调用方法后，只需在 [src/static/models.yaml](src/static/models.yaml) 中添加对应配置：
 
 ```yaml
-  ark:
-    name: 豆包（Ark）
-    url: https://console.volcengine.com/ark/region:ark+cn-beijing/model # 模型列表
-    default: doubao-1-5-pro-32k-250115 # 默认模型
-    base_url: https://ark.cn-beijing.volces.com/api/v3
-    env:  # 需要配置的环境变量，仅限API key
-      - ARK_API_KEY
-    models:
-      - doubao-1-5-pro-32k-250115
-      - doubao-1-5-lite-32k-250115
-      - deepseek-r1-250120
+ark:
+  name: 豆包（Ark）
+  url: https://console.volcengine.com/ark/region:ark+cn-beijing/model # 模型列表
+  default: doubao-1-5-pro-32k-250115 # 默认模型
+  base_url: https://ark.cn-beijing.volces.com/api/v3
+  env:  # 需要配置的环境变量，仅限API key
+    - ARK_API_KEY
+  models:
+    - doubao-1-5-pro-32k-250115
+    - doubao-1-5-lite-32k-250115
+    - deepseek-r1-250120
 ```
 
-同样支持添加以 OpenAI 的兼容模式运行的单个模型，可以直接在 Web 设置里面添加。比如使用 vllm 和 Ollama 运行本地模型时。
+#### 本地模型部署
 
-![](./images/custom_models.png)
+支持添加以 OpenAI 兼容模式运行的本地模型，可在 Web 设置中直接添加（适用于 vllm 和 Ollama 等）。
 
-### 2. 向量模型支持和重排序模型支持
+> [!注意]
+> 使用 docker 运行此项目时，ollama 或 vllm 需监听 `0.0.0.0`
 
-建议直接使用硅基流动部署的 bge-m3，这样不需要做任何修改，且免费。其余模型参考：[src/static/models.yaml](src/static/models.yaml)
+![本地模型配置](./images/custom_models.png)
 
-> [!Warning]
-> 需要注意，由于知识库和图数据库的构建都依赖于向量模型，如果中途更改向量模型，会导致知识库不可用。此外，知识图谱的向量索引的建立默认使用 embedding-3 构建，因此检索的时候必须使用 embedding-3（现阶段还不支持修改）
+### 2. 向量模型与重排序模型
 
-对于**语言模型**，并不支持直接运行本地语言模型，请使用 vllm 或者 ollama 转成 API 服务之后使用。
+建议使用硅基流动部署的 bge-m3（免费且无需修改）。其他模型配置参考 [src/static/models.yaml](src/static/models.yaml)。
 
-对于**向量模型**和**重排序模型**，选择以 `local` 前缀开头的模型，可以不做修改会自动下载模型，如果下载过程中出现问题，请参考 [HF-Mirror](https://hf-mirror.com/) 配置相关内容。（但请注意，如果是 Docker 运行，模型仅会缓存到 Docker 里面）
+对于**向量模型**和**重排序模型**，选择 `local` 前缀的模型会自动下载。如遇下载问题，请参考 [HF-Mirror](https://hf-mirror.com/) 配置。
 
-如果想要使用本地已经下载好的模型，可以在网页的 settings 里面做映射。或者修改 `saves/config/base.yaml` 来配置映射关系。但请记得，本地模型的路径要在 docker-compose 的文件中映射 volumes。
+要使用已下载的本地模型，可在网页设置中映射，或修改 `saves/config/base.yaml`。记得在 docker-compose 中映射相应的 volumes。
 
-## 知识库支持
+## 📚 知识库支持
 
-本项目支持多种格式的知识库，目前支持的格式有：pdf、txt、md。文件上传后，会首先转换为纯文本，然后使用向量模型将文本转换为向量，然后存储到向量数据库中。这个过程可能会花费不少时间。
+本项目支持多种格式的知识库文件：
 
-## 知识图谱支持
+- PDF
+- Txt
+- Markdown
+- Docx
 
-> [!NOTE]
-> 现阶段项目所使用的 OneKE 自动创建知识图谱的效果并不是很好，暂时移除了，建议在项目外创建知识图谱**
+文件上传后，系统会：
 
-本项目支持 Neo4j 作为知识图谱的存储。需要将图谱整理成 jsonl 的格式，每一行都是 {"h": "北京", "t": "中国", "r": "首都"} 这样的格式，然后在网页的图谱管理里面添加这个文件。
+1. 将文件转换为纯文本
+2. 使用向量模型将文本转换为向量
+3. 存储到向量数据库中
 
-项目启动后会自动启动 neo4j 服务，可以直接使用 [http://localhost:7474/](http://localhost:7474/) 去访问和管理图数据库，初始默认的账户密码是 `neo4j` 和 `0123456789`。可以在 `docker/docker-compose.yml` 和 `docker\docker-compose.dev.yml` 中修改（注：`api.environment` 和 `graph.environment` 都需要修改）。
+> 此过程可能需要一定时间，请耐心等待。
 
-目前项目中暂不支持同时查询多个知识图谱，短期内也没有计划支持。不过倒是可以通过配置不同的 `NEO4J_URI` 服务来切换知识图谱。如果已经有了基于 neo4j 的知识图谱，可以将 `docker-compose.yml` 中的 `graph` 配置项删除，并将 `api.environment` 中的 `NEO4J_URI` 配置项修改为 neo4j 的服务地址。
+## 🕸️ 知识图谱支持
 
-## 相关问题
+本项目使用 Neo4j 作为知识图谱存储。您需要将图谱整理成 jsonl 格式，每行格式为：
+
+```
+{"h": "北京", "t": "中国", "r": "首都"}
+```
+
+然后在网页的图谱管理中添加此文件。
+
+> [!说明]
+> 现阶段项目使用的 OneKE 自动创建知识图谱效果不佳，已暂时移除，建议在项目外创建知识图谱
+
+系统启动后会自动启动 neo4j 服务：
+
+- 访问地址：[http://localhost:7474/](http://localhost:7474/)
+- 默认账户：`neo4j`
+- 默认密码：`0123456789`
+
+可在 `docker/docker-compose.yml` 和 `docker/docker-compose.dev.yml` 中修改配置（注意同时修改 `api.environment` 和 `graph.environment`）。
+
+目前项目暂不支持同时查询多个知识图谱。如已有基于 neo4j 的知识图谱，可删除 `docker-compose.yml` 中的 `graph` 配置项，并修改 `api.environment` 中的 `NEO4J_URI` 为您的 neo4j 服务地址。
+
+## ❓ 常见问题
 
 ### 镜像下载问题
 
-如果无法直接下载相关镜像，参考 [DaoCloud/public-image-mirror](https://github.com/DaoCloud/public-image-mirror?tab=readme-ov-file#%E5%BF%AB%E9%80%9F%E5%BC%80%E5%A7%8B)，尝试将前缀替换为：
+如无法直接下载相关镜像，可参考 [DaoCloud/public-image-mirror](https://github.com/DaoCloud/public-image-mirror?tab=readme-ov-file#%E5%BF%AB%E9%80%9F%E5%BC%80%E5%A7%8B)，尝试替换前缀：
 
 ```bash
-# 以 neo4j 为例，其余一样
+# 以 neo4j 为例，其余类似
 docker pull m.daocloud.io/docker.io/library/neo4j:latest
 
 # 然后重命名镜像
diff --git a/docker/docker-compose.dev.yml b/docker/docker-compose.dev.yml
index 5eb9939e..4bc42601 100644
--- a/docker/docker-compose.dev.yml
+++ b/docker/docker-compose.dev.yml
@@ -16,12 +16,15 @@ services:
       - milvus
     networks:
       - app-network
+    extra_hosts:
+      - "host.docker.internal:host-gateway"
     environment:
       - NEO4J_URI=bolt://graph:7687
       - NEO4J_USERNAME=neo4j
       - NEO4J_PASSWORD=0123456789
       - MILVUS_URI=http://milvus:19530
       - MODEL_DIR=${MODEL_DIR}  # 优先级高于 .env 中的 MODEL_DIR
+      - RUNNING_IN_DOCKER=true
     command: uvicorn src.main:app --host 0.0.0.0 --port 5050 --reload
 
   web:
diff --git a/docker/web.Dockerfile b/docker/web.Dockerfile
index 3a3624fb..20737eb3 100644
--- a/docker/web.Dockerfile
+++ b/docker/web.Dockerfile
@@ -6,8 +6,8 @@ WORKDIR /app
 COPY ./web/package*.json ./
 
 # 安装依赖
-# RUN npm install --verbose --force
-RUN npm install --registry http://mirrors.cloud.tencent.com/npm/ --verbose --force
+RUN npm install --verbose --force
+# RUN npm install --registry http://mirrors.cloud.tencent.com/npm/ --verbose --force
 
 # 复制源代码
 COPY ./web .
@@ -22,8 +22,8 @@ FROM node:latest AS build-stage
 WORKDIR /app
 
 COPY ./web/package*.json ./
-# RUN npm install --force
-RUN npm install --registry https://registry.npmmirror.com --force
+RUN npm install --force
+# RUN npm install --registry https://registry.npmmirror.com --force
 
 COPY ./web .
 RUN npm run build
diff --git a/src/models/__init__.py b/src/models/__init__.py
index e4ec33e4..99655a2c 100644
--- a/src/models/__init__.py
+++ b/src/models/__init__.py
@@ -7,8 +7,8 @@ from src.models.chat_model import OpenAIBase
 def select_model(config, model_provider=None, model_name=None):
 
     model_provider = model_provider or config.model_provider
-    model_info = config.model_names[model_provider]
-    model_name = model_name or config.model_name or model_info["default"]
+    model_info = config.model_names.get(model_provider, {})
+    model_name = model_name or config.model_name or model_info.get("default", "")
 
     logger.info(f"Selecting model from `{model_provider}` with `{model_name}`")
 
diff --git a/src/models/chat_model.py b/src/models/chat_model.py
index 49f1df9b..d146b3bf 100644
--- a/src/models/chat_model.py
+++ b/src/models/chat_model.py
@@ -44,11 +44,21 @@ class OpenModel(OpenAIBase):
         super().__init__(api_key=api_key, base_url=base_url, model_name=model_name)
 
 
+def get_docker_safe_url(base_url):
+    if os.getenv("RUNNING_IN_DOCKER") == "true":
+        # 替换所有可能的本地地址形式
+        base_url = base_url.replace("http://localhost", "http://host.docker.internal")
+        base_url = base_url.replace("http://127.0.0.1", "http://host.docker.internal")
+        logger.info(f"Running in docker, using {base_url} as base url")
+    return base_url
+
+
 class CustomModel(OpenAIBase):
     def __init__(self, model_info):
         model_name = model_info["name"]
         api_key = model_info["api_key"]
-        base_url = model_info["api_base"]
+        base_url = get_docker_safe_url(model_info["api_base"])
+
         super().__init__(api_key=api_key, base_url=base_url, model_name=model_name)