歌不错

@liuhaitaoSB 我试了下，不开 heper-v 只开 wsl 就能运行 docker 了，这样 virtualbox 和 docker 都能运行了

@wnpllrzodiac
@yyt6801
这倒是个吸引点

@by 以前觉得 VM 占用资源比较多，VirtualBox 比较轻量化，后面就以 VirtualBox 为主使用了

@2067 以前就是 vmware 收费我才换到 virtualbox ，要是 VM 免费的话倒可以重新体验下，但是我想既然系统自带虚机机，不如直接用自带的 hyper-v 更好？ vmware 和 hyper-v 哪个更合适有点拿不准

@liuhaitaoSB 我好像装了 7 以上版本的，好像也不能同时运行，回家我再确认下看

@Canglin win11 系统里用 hyper-v 也有这问题吗，这么看好像不太稳定啊

@lneoi 如果用 virtualbox 的话就只能在虚拟机里装 docker 了

卧槽，之前清理 QQ 文件占用的时候就发现是图片占了我很多空间，后面本来想一删了之，但又怕里面有些重要图片，后来就想先留着，以后要是能自动识别出来是什么图片的话再看着删，这功能完全是我想要的，就是你这 AI 识别是调的接口还是在本地部署的大模型

前段时间试了下 maxkb ，感觉一般，不能进行全局性的总结，后面又试了下 lightrag ，但是一直没运行成功过，同问

前段时间也发现镜像获取不到了，虽然可以用代理，但是这也耗我的流量啊

我本地试了下，用了阿西莫夫的最后的问题这篇文章做测试，结果感觉词提取不出来，一到最后问问题的时候就会报错：cannot unpack non-iterable NoneType object

INFO:lightrag:Logger initialized for working directory: ./dickens
INFO:lightrag:Load KV llm_response_cache with 20 data
INFO:lightrag:Load KV full_docs with 0 data
INFO:lightrag:Load KV text_chunks with 0 data
INFO:lightrag:Loaded graph from ./dickens\graph_chunk_entity_relation.graphml with 0 nodes, 0 edges
INFO:nano-vectordb:Load (0, 768) data
INFO:nano-vectordb:Init {'embedding_dim': 768, 'metric': 'cosine', 'storage_file': './dickens\\vdb_entities.json'} 0 data
INFO:nano-vectordb:Load (0, 768) data
INFO:nano-vectordb:Init {'embedding_dim': 768, 'metric': 'cosine', 'storage_file': './dickens\\vdb_relationships.json'} 0 data
INFO:nano-vectordb:Load (9, 768) data
INFO:nano-vectordb:Init {'embedding_dim': 768, 'metric': 'cosine', 'storage_file': './dickens\\vdb_chunks.json'} 9 data
INFO:httpx:HTTP Request: POST http://localhost:11434/api/chat "HTTP/1.1 200 OK"
INFO:lightrag:kw_prompt result:
{
"high_level_keywords": ["人物", "故事"],
"low_level_keywords": ["主人公"]
}

INFO:httpx:HTTP Request: POST http://localhost:11434/api/embeddings "HTTP/1.1 200 OK"
Traceback (most recent call last):
File "D:\download\ff\LightRAG-main\examples\lightrag_ollama_demo.py", line 40, in <module>
rag.query("这故事的主人公是谁?", param=QueryParam(mode="local"))
File "D:\download\ff\LightRAG-main\lightrag\lightrag.py", line 427, in quey
return loop.run_until_complete(self.aquery(query, param))
File "E:\Python310\lib\asyncio\base_events.py", line 649, in run_until_complete
return future.result()
File "D:\download\ff\LightRAG-main\lightrag\lightrag.py", line 431, in aquery
respOnse= await kg_query(
File "D:\download\ff\LightRAG-main\lightrag\operate.py", line 494, in kg_query
cOntext= await _build_query_context(
File "D:\download\ff\LightRAG-main\lightrag\operate.py", line 552, in _build_query_context
(
TypeError: cannot unpack non-iterable NoneType object

问下大佬，LightRAG 对聊天记录之类的数据支持怎么样，比如我想把所有的聊天记录扔给它，然后让它总结这几年的话题，不知道能不能实现

最近也在试用几款笔记软件，感觉难选，为知笔记本用了最长，是自己部署到云服务器上，用了五六年，考虑后面可能不续费了，就想换个笔记软件，onenote 用了两周，感觉凑合，优点是系统自带不用安装，支持数学公式，排版较自由，缺点是没有网页版，不好导出和迁移，不支持粘贴代码格式；有道打算下周开始试用，之前只是体验了一回，目前看来优点算是有网页版，支持代码，但不支持数学公式，不过这个功能用的不多，后期有可能就选有道云做为主力工具，其它的小笔记软件，要么不支持云同步需要自己做同步方案，要么就是得需要魔法才能同步

@xiaokangz 兄弟确实和你说的一样，普通的 RAG 对全局性的问题回答不好，我试了下用 maxkb 做了下测试，我上传的聊天记录被分成一百多个片段，然后想让它给我总结所有的聊天记录，结果输出的内容却好像是某个小片段的内容，而不是所有的，比如我全部聊天记录是从 2015 年到 2023 年的，但我问它最早的聊在日期和最晚的日期是什么，结果给出的回答是 2016 年某一天的，总感觉这个时间段外的记录没被它读到一样，这个问题后面我再研究下 LightRAG 和 GraphRAG 看看

@alan9999 写个服务定时检查 IP ，如果有变化就发个提醒给你

我是家里的电脑装 frp ，可以从公司远程回去，frp 服务端部署在腾讯云上，远程的端口限制了只能公司 IP 和家里 IP 访问，不知道这样安不安全

@xiaokangz 好的，感觉你说的这个比较符合我的理解，就是聊天内容属于 AI 基础知识的一部份，另外就是 GPT-4o mini 对本地配置要求是什么样的，不知道我的笔记本能不能跑得动

@clino 不知道属不属于知识库，就是想让它总结我给的内容，然后问它相关的问题，它可以根据我提供的内容进行总结回答，比如我问有谁向我借过钱，它可以列出在以前聊天的时候谁谁谁提到过借钱的事，QAnything 刚了解了下确实问答相关的，还有一个通义千问的模型不知道合不合适