DEPLOY_INSTRUCTIONS.md

Hugging Face Spaces 部署说明

📁 需要上传的文件

这个文件夹包含所有需要推送到 Hugging Face Spaces 的文件：

hf_deploy/
├── app.py                  # FastAPI 应用（已更新 max_tokens: 4000）
├── Dockerfile              # Docker 配置
├── requirements.txt        # Python 依赖
├── README.md               # HF Spaces 配置（包含 sdk_version）
├── database_setup_lite.py  # 数据库设置
├── rag_engine.py           # RAG 引擎（已更新 max_tokens: 4000）
└── mock_data.json          # 示例数据

🚀 部署步骤

方法 1: 使用 Git（推荐）

1. 克隆 HF Space 仓库（如果还没有）：

   git clone https://huggingface.co/spaces/curio-lab/GraphRAG_Backend
   cd GraphRAG_Backend
   

2. 复制所有文件到仓库根目录：

   # 从 hf_deploy 目录复制所有文件
   cp ../hf_deploy/* .
   

3. 提交并推送：

   git add .
   git commit -m "Update: Increase max_tokens to 4000"
   git push origin main
   

方法 2: 使用 Web UI

1. 访问 https://huggingface.co/spaces/curio-lab/GraphRAG_Backend
2. 点击 "Files and versions" 标签
3. 点击 "Add file" → "Upload file"
4. 依次上传 hf_deploy/ 目录下的所有文件：
   • app.py
   • Dockerfile
   • requirements.txt
   • README.md
   • database_setup_lite.py
   • rag_engine.py
   • mock_data.json

⚠️ 重要提示

1. 文件必须在根目录：所有文件必须上传到 HF Space 仓库的根目录，不要放在子文件夹中

2. 环境变量：确保在 HF Spaces Settings → Secrets 中设置了：

   • LLM_API_BASE = https://api.ai-gaochao.cn/v1
   • LLM_API_KEY = sk-你的真实密钥
   • LLM_MODEL = gemini-2.5-flash
   • EMBEDDING_MODEL = text-embedding-3-small

3. 等待构建：推送后，HF Spaces 会自动构建，通常需要 5-10 分钟

📝 本次更新内容

• ✅ rag_engine.py: 将 max_tokens 从 2000 增加到 4000，避免内容被截断
• ✅ 所有文件已更新到最新版本