Seafile AI 扩展 - seafile-manual-cn

从 Seafile 13 开始，用户可以启用 Seafile AI，支持以下功能：

文件标签、文件和图片摘要、文本翻译、SDoc 写作辅助
根据图片生成对应标签（包括对象、天气、颜色等）
检测图片中的人脸并进行编码
检测图片中的文本（OCR）

Seafile 中的 AIGC 声明

借助大语言模型、面部识别模型和算法开发，Seafile AI 支持图像识别和文本生成。生成的内容具有多样性和随机性，用户需要自行判断生成内容的可靠性。Seafile 对 AI 生成内容（AIGC）不承担责任。

同时，Seafile AI 支持使用自定义 LLM 和面部识别模型。不同的大语言模型对 AIGC 的影响不同（包括功能和性能），因此 Seafile 不对以下内容负责：1.生成速度（tokens/s）；2.Token 消耗；3.生成内容。包括但不限于：

1.基础模型（包括模型基础算法）

2.参数数量

3.量化等级

当用户使用自己的 OpenAI 兼容 API LLM 服务（如 LM Studio、Ollama）并使用自裁剪或删减模型时，Seafile 不对可能出现的错误负责（如无限循环输出无意义内容）。同时，Seafile 不建议使用 SeaDoc 等文档来评估删减模型的性能。

部署 Seafile AI 基础服务

在主机上与 Seafile 一起部署 Seafile AI

Seafile AI 基础服务通过 API 调用外部大语言模型服务，实现以下功能：文件标签、文件和图片摘要、文本翻译和SDoc 写作辅助

Seafile AI 需要使用 Redis 作为缓存。在 .env 文件中设置：CACHE_PROVIDER=redis 并正确配置 Redis 相关信息。

1.下载 Seafile AI Docker Compose 文件


                        wgethttps://manual.seafile.com/13.0/repo/docker/seafile-ai.yml

2.修改 .env 文件

插入或修改以下字段：

如果使用 gpt-4o-mini 模型：

#添加seafile-ai.yml
COMPOSE_FILE='...,seafile-ai.yml'
ENABLE_SEAFILE_AI=true
#OpenAILLM访问密钥
SEAFILE_AI_LLM_KEY=****

如果使用其他模型：

#addseafile-ai.yml
COMPOSE_FILE='...,seafile-ai.yml'

ENABLE_SEAFILE_AI=true
SEAFILE_AI_LLM_TYPE=other
#yourLLMAPIendpoint
SEAFILE_AI_LLM_URL=https://api.openai.com 
#LLM访问密钥
SEAFILE_AI_LLM_KEY=*******
#yourmodelid
SEAFILE_AI_LLM_MODEL=gpt-4o-mini

关于使用自定义模型

Seafile AI 支持使用自定义大模型，但必须满足以下条件：

1.支持 OpenAI 兼容的 API

2.大模型支持多模态（例如支持图像等）

3.重启 Seafile 服务器


                        dockercomposedown
                

                        dockercomposeup-d

在另一台主机部署 Seafile AI

1.下载 Seafile AI Docker Compose 文件和环境配置


                        wgethttps://manual.seafile.com/13.0/repo/docker/seafile-ai/seafile-ai.yml
                

                        wget-O.envhttps://manual.seafile.com/13.0/repo/docker/seafile-ai/env

2.修改 .env 文件

根据下表配置相关字段：

变量

描述

SEAFILE_VOLUME

Seafile AI 服务数据的卷目录

JWT_PRIVATE_KEY

JWT 密钥，与 Seafile .env 文件中的配置相同

INNER_SEAHUB_SERVICE_URL

内网访问 Seahub 组件的 URL，例如 http://<你的 Seafile 服务器内网 IP>

REDIS_HOST

Redis 服务器地址

REDIS_PORT

Redis 服务器端口

REDIS_PASSWORD

Redis 服务器密码

SEAFILE_AI_LLM_TYPE

大语言模型类型。openai（默认）使用 OpenAI 的 gpt-4o-mini 模型，other 用于用户自定义的多模态模型

SEAFILE_AI_LLM_URL

LLM API 接口地址，仅当 SEAFILE_AI_LLM_TYPE=other 时需要指定，默认值为 https://api.openai.com/v1

SEAFILE_AI_LLM_KEY

LLM API 密钥

FACE_EMBEDDING_SERVICE_URL

人脸嵌入服务的 URL

SEAFILE_AI_LLM_MODEL

LLM 模型 ID（或名称），仅当 SEAFILE_AI_LLM_TYPE=other 时需要指定，默认值为 gpt-4o-mini

3.启动 Seafile AI 服务器


                        dockercomposeup-d

4.修改部署了 Seafile 的主机的 .env 文件

SEAFILE_AI_SERVER_URL=http://<你的SeafileAI主机>:8888

5.重启 Seafile 服务器


                        dockercomposedown&&dockercomposeup-d

部署人脸嵌入服务（可选）

人脸嵌入服务用于检测并编码图像中的人脸，是 Seafile AI 的扩展组件。一般建议在具备 GPU 的机器上部署，并且需要显卡驱动支持 OnnxRuntime（因此也可以在不同于 Seafile AI 基础服务的机器上单独部署）。目前，Seafile AI 人脸嵌入服务仅支持以下两种模式：

Nvidia GPU 模式：使用 CUDA 12.4 加速环境（至少需要 Nvidia Geforce 531.18 驱动），并且需要安装 Nvidia Container Toolkit。
纯 CPU 模式。

如果你计划在 GPU 环境中部署人脸嵌入服务，需要确保显卡在加速环境支持范围内（例如支持 CUDA 12.4），并且正确映射到 /dev/dri 目录。因此，在部分情况下，某些云服务器和特定驱动版本下的 WSL 可能不被支持。

1.下载 Docker Compose 文件

CUDA 模式：


                        wget-Oface-embedding.ymlhttps://manual.seafile.com/13.0/repo/docker/face-embedding/cuda.yml

CPU 模式：


                        wget-Oface-embedding.ymlhttps://manual.seafile.com/13.0/repo/docker/face-embedding/cpu.yml

2.修改 .env 文件

插入或修改以下字段：

#添加face-embedding.yml
COMPOSE_FILE='...,face-embedding.yml'
FACE_EMBEDDING_VOLUME=/opt/face_embedding

3.重启 Seafile 服务器


                        dockercomposedown
                

                        dockercomposeup-d

4.在资料库设置中启用人脸识别

进入资料库设置，开启人脸识别功能

在与 Seafile AI 基础服务不同的机器上部署人脸嵌入服务

由于人脸嵌入服务可能需要部署在带有 GPU 的主机上，因此它可能无法与 Seafile AI 基础服务部署在同一台机器上。这时，你需要对 Docker Compose 文件进行一些修改，以确保服务能够正常访问。

修改 .yml 文件，删除注释掉的行以暴露服务端口：


                        services:
                

                            face-embedding:
                

                            ...
                

                            ports:
                

                                -8886:8886

修改部署了Seafile的机器上的.env文件：


                        ENABLE_FACE_RECOGNITION=true

修改部署了 Seafile AI 的机器上的 .env 文件：

FACE_EMBEDDING_SERVICE_URL=http://<yourfaceembeddingservicehost>:8886

确保 .env 文件中设置了 JWT_PRIVATE_KEY，并且与 Seafile 服务器保持一致。

重启 Seafile 服务器：


                        dockercomposedown
                

                        dockercomposeup-d

持久化存储卷和模型管理

默认情况下，持久化存储卷路径是 /opt/face_embedding，它包含两个子目录：

/opt/face_embedding/logs：包含人脸嵌入的启动日志和访问日志
/opt/face_embedding/models：包含人脸嵌入的模型文件。每次启动时会自动获取最新可用模型，这些模型托管在 Hugging Face 仓库。当然，你也可以手动将自己的模型下载到此目录（如果自动拉取模型失败，也可以手动下载）。

自定义模型服务访问密钥

默认情况下，人脸嵌入服务使用的访问密钥与 Seafile 服务器相同，即 JWT_PRIVATE_KEY。但出于安全原因，有时需要修改。如果你需要为人脸嵌入自定义访问密钥，可以执行以下步骤：

修改人脸嵌入服务和 Seafile AI 的 .env 文件：

FACE_EMBEDDING_SERVICE_KEY=<yourcustomizingaccesskeys>

重启 Seafile 服务器：


                        dockercomposedown
                

                        dockercomposeup-d

高级操作

启用 AI 使用统计

Seafile 支持统计用户的 AI 使用情况（例如消耗了多少 tokens），并支持为用户设置每月 AI 配额。

打开 $SEAFILE_VOLUME/seafile/conf/seahub_settings.py，并添加 AI 价格信息（即每个 token 的费用）：

AI_PRICES={

                            "gpt-4o-mini":{# 将 gpt-4o-mini 替换为你的模型名称

                                "input_tokens_1k":0.0011,# 每 1000 个输入 token 的价格

                                "output_tokens_1k":0.0044# 每 1000 个输出 token 的价格

                            }
}

参考角色和权限来指定 monthly_ai_credit_per_user（-1 表示无限制），其单位应与 AI_PRICES 中的保持一致。

组织用户的 monthly_ai_credit_per_user

对于组织团队用户，monthly_ai_credit_per_user 将应用到整个团队。例如，如果 monthly_ai_credit_per_user 设置为 2（比如以美元为单位），团队中有 10 个成员，那么团队的总配额就是：2 × 10 = 20$