xinli/Archive/诊断上传卡住问题.md

诊断文档上传卡住问题

问题现象

• 界面显示：AI服务已连接、向量存储正常
• 但上传文档时一直加载，无法完成

可能原因

1. 向量化超时

症状：上传卡在向量化步骤 原因：AI服务响应慢或模型未加载

2. ChromaDB连接问题

症状：向量化完成但存储失败 原因：ChromaDB服务未启动或连接超时

3. 文件太大

症状：大文件处理时间长 原因：分块数量多，向量化耗时

快速诊断步骤

步骤1：查看后端日志

上传文档时，观察后端控制台输出，找到最后一条日志：

✓ 正常流程：
Uploading document: xxx.txt
Parsed document: 1234 characters
Split document into 5 chunks
Starting vectorization for 5 chunks...    ← 如果卡在这里，是向量化问题
Successfully generated 5 embeddings       ← 如果卡在这里，是存储问题
Stored 5 chunks to ChromaDB
Document uploaded successfully

✗ 如果卡住，会停在某一步不动

步骤2：检查服务状态

运行：检查RAG服务状态.bat

或手动检查：

# 检查Ollama
curl http://localhost:11434/api/tags

# 检查ChromaDB（如果使用）
curl http://localhost:8000/api/v1/heartbeat

解决方案

方案A：使用SimpleVectorStore（推荐，最快）

优点：无需安装额外服务，内存存储，速度快 缺点：重启后数据丢失（可配置持久化）

操作：

1. 确认useSimpleStore = true（代码中已默认）
2. 重启后端服务
3. 测试上传

方案B：安装ChromaDB（生产环境推荐）

优点：数据持久化，性能好 缺点：需要安装Python和ChromaDB

快速安装：

# 1. 安装ChromaDB
pip install chromadb

# 2. 启动服务
chroma run --host localhost --port 8000

# 3. 验证
curl http://localhost:8000/api/v1/heartbeat

方案C：增加超时时间

如果服务正常但处理慢，增加超时：

修改RagProperties.java：

private int connectTimeout = 60;  // 改为60秒
private int readTimeout = 600;    // 改为600秒

当前最可能的问题

根据你的描述"服务都正常"但"没有ChromaDB"，系统应该已经在使用SimpleVectorStore。

上传卡住最可能的原因是：

1. 向量化服务（Ollama/OpenAI）响应慢
2. 后端没有重启，还在使用旧代码

立即尝试

1. 重启后端服务

确保最新代码生效

2. 上传小文件测试

先上传一个很小的txt文件（几行文字），看是否能成功

3. 查看后端日志

找到卡住的具体位置

4. 告诉我日志内容

把后端日志最后几行发给我，我帮你定位问题