TextGen SuperboogaV2 扩展怎么用：安装依赖并让对话引用 PDF/DOCX/PPTX 文档-港品优选

TextGen SuperboogaV2 扩展怎么用：安装依赖并让对话引用 PDF/DOCX/PPTX 文档

【免费下载链接】textgenOpen-source desktop app for local LLMs. Text, vision, tool-calling, OpenAI/Anthropic-compatible API. 100% private.项目地址: https://gitcode.com/GitHub_Trending/te/textgen

本文的任务很具体：在 TextGen 中启用内置的 SuperboogaV2 扩展（一个基于 ChromaDB 的 RAG 扩展，支持 PDF、DOCX、PPTX 等文件），把你自己的文档喂给它，让模型在对话时自动引用这些文档中最相关的片段作为额外上下文。前提是你已经用完整安装（full installation）方式装好了 TextGen——按 README 的说明，扩展属于完整安装支持的场景，便携版只面向 GGUF（llama.cpp）模型，扩展、训练、图像生成都指向 Installation 章节；并且 UI 里已经放好了一个可用的模型（把 GGUF 文件放进user_data/models即可被自动检测）。

准备条件：进入 conda 环境

SuperboogaV2 的依赖要装进 TextGen 自己的 conda 环境里。在textgen根目录运行对应系统的cmd_脚本（cmd_windows.bat、cmd_linux.sh或cmd_macos.sh）即可启动该环境并获得一个交互式终端。这些脚本不需要管理员/root 权限。

安装 Python 依赖

在cmd_脚本打开的终端中，从 textgen 根目录执行：

pip install -r extensions/superboogav2/requirements.txt

Windows 上路径分隔符要写成反斜杠：

pip install -r extensions\superboogav2\requirements.txt

这份 requirements.txt 列出了文本抽取所需的库，包括chromadb、sentence_transformers、PyMuPDF（PDF 抽取用）、python-docx、python-pptx、pandas、spacy等。如果扩展是你从 GitHub 上克隆安装的，Session Tab 文档提示同样用这条命令补装依赖；使用一键安装器的话，也可以走 update wizard 的 "Install/update extensions requirements" 选项（它最后会重装主项目依赖，保证主依赖优先于冲突的扩展依赖）。

在 Session 标签页启用扩展

打开 Web UI（完整安装默认地址http://127.0.0.1:7860），进入Session标签页：

在Available extensions列表中找到superboogav2并勾选。该列表展示textgen/extensions和textgen/user_data/extensions下的扩展，其中部分扩展需要按上一步手动安装 Python 依赖。
点击Apply flags/extensions and restart重启 UI，扩展随即加载。
可选：点击Save extensions settings to user_data/settings.yaml保存 UI 默认值，让设置在多次重启后保持（SuperboogaV2 的 README 里把这个按钮称作Save UI defaults to settings.yaml）。

不走 UI 的替代路径：扩展在启动时通过--extensions参数加载，可以直接python server.py --extensions superboogav2（见 Extensions 文档）。

在聊天界面加载 PDF/DOCX/PPTX 文档

启用后，在 Chat 标签页向下滚动就能看到 SuperboogaV2 界面。文档引用走的是File input页签：

在 "Input file" 文件框中选择文件，支持多选（file_count="multiple"）。
点击Load data。

处理进度会显示在右侧状态区：先是### Processing data...，完成后显示### Done.。支持的格式包括 TXT、PDF、EPUB、HTML、CSV、ODT/ODS/ODP、DOCX/PPTX/XLSX；PDF 用 MuPDF 抽取，DOCX 用 python-docx 按段落抽取，PPTX 用 python-pptx 按幻灯片形状抽取。

注意加载数据的行为是整体替换：每次加载新数据，旧的 chunks 都会被丢弃（扩展内置说明原文："Each time you load some new data, the old chunks are discarded"）。

验证对话是否引用了文档

文档被切分、清洗后作为 embeddings 存入本地 Chroma 数据库，并在对话期间持久保留。判断是否生效的方式是看模型输入侧发生了什么：

每轮对话时，扩展会把数据库中最接近你当前输入的片段拼进本轮输入，格式如下（扩展内置说明的示例）：
```
Consider the excerpts below as additional context: ...
```
这种注入只作用于当前这一轮生成，不会写进聊天历史。
在 instruct 模式下上述引用生效；在 "Regular chat"（自定义角色对话）模式下，外部数据源被忽略，Chroma 数据库改由聊天历史构建，扩展退化为长期记忆。所以要用文档问答，请使用 instruct 模式。
想清空已加载的文档，点击 SuperboogaV2 界面里的Clear Data按钮（状态区会显示### Data Cleared!），然后开一段新对话。

一个可以核对的异常现象：如果文件框为空就点 Load data，日志会给出No files selected.警告；某个文件所有抽取器都无法解析时，日志会报Failed to extract text from <文件名>, unsupported format.并跳过该文件。

限制与可调整项

能塞进额外上下文的总量受你自己模型的 context window 限制（扩展 README 原话：文件提供时 "subject to the context window limit of your model"）。Generation settings 里有Max Context Tokens一项用于给注入的上下文设 token 上限。
文本抽取参数（chunk 长度、chunk 正则、上下文长度等）在 SuperboogaV2 界面的Settings页签的 "Processing settings" 中调整，Chunk length和Context length以字符（而非 token）为单位，在点击 Load data 时生效。
扩展自带 nltk 数据目录extensions/superboogav2/nltk_data，script.py 启动时会把NLTK_DATA指向它，通常不需要额外下载语料。
界面还有 URL input（按行填多个 URL 抓取网页）和 Text input 页签，以及 Benchmark/Optimize 功能，属于同一扩展的其他入口，与本文"文件文档引用"的目标无关，可按需再看 SuperboogaV2 README。

完成以上步骤后，加载文档 → 状态区出现### Done.→ 在 instruct 模式下提问，模型输入里出现Consider the excerpts below as additional context:前缀，就说明文档引用链路已经打通。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析