网络设置
Key 授权分发
| Key-ID | 状态 | Token 用量 ⬇️ | 创建日期 | 动作 |
|---|
系统管理
修改管理员密码
界面语言
可用语言来自 static/lang 目录中的 JSON 文件。语言包缺失或未覆盖的文本将继续显示程序原生文本，不影响系统运行。
当前检测到 0 个可用语言包
算力配置 (API 聚合)
* 为保证模型 Key 安全，所有Key均已被加密并绑定当前设备绝对不能直接拷贝 system.db 到其它设备使用，这会导致解密失败至模型的 Key 无法读取。
* 在迁移本系统到新设备时，请务必先在此处导出明文 JSON 备份，再到新设备导入。（当前版本已移除跨设备迁移限制，但模型key依然以加密方式存放)
算力负载引擎
同厂商算力聚合突破并发瓶颈。引擎会利用您在配置中输入的多个 Key 进行请求次序上的绝对轮询。跨模型聚合可能会导致输出效果不一，这里仅列出拥有 >=2 个 Key 的模型配置。
多厂商混合负载 (按请求次序轮流使用)。如果选中的模型中存在“聚合模型”，则会在该模型内部完成一次多 Key 轮询循环后，再流转至下一个厂商。绑定后，算力分配中的主次大模型将被强制接管。
算力模型分配
知识检索骨骼 (Embedding Model) 用于把文本转化为密集向量并写入 SQLite。强烈建议挂载后不要随意切换，一旦底层模型变更，系统将要求清空所有已建立的向量数据！
* 目前Deepnow RAG系统已使用了vector+jaccard+ncd 的方式进行精确语义级的检索，语义精确度已完全超过很多商业检索系统，但我们希望以后的版本中能加入 Reranker 模型和注入算法来进一步增强RAG召回精度，让喂入检索系统的知识看起来像大模型原生。
知识库配置中心
| 文件名 | 类型 | 唯一ID | Chunks | 上传时间 | 状态 | 动作 |
|---|
批量上传知识文件（仅支持 .txt），系统将自动进行向量化切片。请先确保 Embedding 模型已激活。
单次最多 5 个文件上传进度
| 文件名 | 类型 | 完成进度 |
|---|
集成验证工具
完全模拟外部真实用户的网关召回逻辑。一旦开启大模型裁决，系统将严格依据当前底座的负载分发（轮询/降级/超混）策略去寻找推理引擎。
规则化配置
集中管理生成采样、思维链渲染、输出净化与上游 SSE 保护策略。所有配置会在网关层统一生效，并尽量保持客户端原始请求不被无意义改写。
控制生成内容随机性；关闭时保留客户端原始 temperature。
控制旁路思维块与类 think 标签面向客户端输出的方式，内部仍保持 content 与 reasoning 分离。
Non-SSE 最终输出层保护，用于清理正文 content 中意外泄漏的完整闭合类 think 标签块。
防止上游 SSE 半开或长时间无事件导致客户端无限等待；填 0 表示关闭对应保护。
默认：首包 300 秒，流中空闲 120 秒；本地慢模型可适当调大。
集中管理知识注入策略、召回阈值与检索质量边界；在保证回答自然度的同时，控制知识库对大模型输出的介入强度。
决定请求在普通大模型直出、优先知识增强与强制知识拦截之间如何切换。
设置最低余弦相似度要求；低于阈值的切片将被丢弃，推荐值为 0.5。
阈值越高越能过滤无关噪音，但也可能减少可用知识；阈值越低召回更宽松，适合知识库内容较少或语义跨度较大的场景。
MCP 配置中心
远程 Streamable HTTP MCP
连接远程 MCP Server，发现工具后由 DeepNow 的原生 /mcp Endpoint 统一聚合和路由。
新增远程 MCP
未保存MCP 工具快照
工具由远程 tools/list 自动发现；对外名称固定为“命名空间__原始工具名”。
| 对外工具名 | 远程工具名 | 描述 | 启用 | 对外暴露 |
|---|
Tips: 勾选结果即时生效，无需再次保存配置。
内建 MCP 插件配置
功能开发中。后续由 DeepNow Gateway 托管执行内建插件，并通过统一 Canonical Tool 结构向各协议投影。
API 开发接入说明
DeepNow 已完整实现了对标 OpenAI 的格式兼容层。您的客户端只需像对接原生模型一样修改 Endpoint 即可无缝享受 RAG 与算力集群加速。
Content-Type: application/json
Authorization: Bearer sk-deepnow-xxxxxx
{
"model": "ignored_by_gateway",
"messages": [{"role": "user", "content": "你好"}]
}