Choix du fournisseur de modele de langage utilise par le chat et la generation de pages.
Aucun modele detecte. Verifie que Ollama tourne et que l'URL est correcte.
Liste chargee automatiquement depuis OpenRouter. Pour rester gratuit :
un modele marque · gratuit ou le routeur openrouter/free
(choisit un modele gratuit tout seul). Pour les imports, prefere un gratuit a
grand contexte (valeur « ctx »).
Cle gratuite sur console.mistral.ai (tier « Experiment », sans CB).
Pour les imports, prefere mistral-large-latest (128k contexte, fidele
et bon en francais) ou mistral-small-latest (plus rapide).
Cle gratuite sur aistudio.google.com (sans CB). Ideal pour les imports :
gemini-2.0-flash a un contexte ~1M → un livre entier tient
en 1-2 appels (plus de morceaux perdus). Pense a monter la taille des morceaux
d'import pour en profiter.
Modèle utilisé pour indexer les sources PDF des ateliers et y faire de la recherche. C'est un modèle séparé du modèle de chat ci-dessus.
Recommandé : nomic-embed-text (léger). Gratuit et illimité (local).
Plus haut = l'IA voit plus de passages par question (mieux pour les questions larges « liste les… »), mais prompt plus long. Défaut 8. Avec un modèle gros-contexte (Gemini), tu peux monter à 50-150 pour une couverture quasi « document entier ». Pour les questions exhaustives, préfère le bouton « Analyse approfondie » de l'atelier.
C'est la même clé que pour le chat Mistral (une seule clé partagée). Soumis au rate limit du tier gratuit.
0"> Le modele {{ settings.llm_model }} accepte jusqu'a {{ ollamaModelMaxContext | number }} tokens. Plus la valeur est elevee, plus l'IA peut tenir d'historique et de contexte — au prix de VRAM et de latence.
Impossible de determiner la fenetre max du modele (Ollama injoignable ou modele inconnu). Slider borne a {{ CTX_FALLBACK_MAX | number }} par securite.
Lors de l'import d'un PDF (regles ou campagne), le texte est decoupe en morceaux
de cette taille avant d'etre analyse par l'IA. Plus gros = moins de morceaux,
donc plus rapide et moins de fragmentation/doublons — mais le morceau doit tenir dans
la fenetre du modele.
Repere : ~10 000 pour Ollama (16k de contexte) ; jusqu'a ~100 000 pour un modele a
grand contexte (ex : GPT-5 mini, 400k) afin de traiter un livre entier en une seule passe.
Attention : un gros morceau = generation plus longue (voir le timeout ci-dessous).
Delai max d'attente d'une reponse du modele. Si un import lourd echoue avec « delai depasse » (timeout), augmentez cette valeur (ex : 600) ou reduisez la taille des morceaux ci-dessus. Defaut : 300 s.
Verifie aupres du registry Docker si une nouvelle version des conteneurs (core, brain, web) est disponible. Postgres et MinIO sont exclus — ils sont mis a jour manuellement.
Soutiens LoreMind sur Patreon pour acceder aux nouvelles features en avant-premiere. Le tier Compagnon (7€/mois) ou superieur debloque ce canal.
Une nouvelle fenetre va s'ouvrir vers Patreon. Apres autorisation, copie le token affiche et colle-le ci-dessous.
docker-compose.yml du repo
et fais docker compose pull && docker compose up -d une
fois. Sinon, bascule manuellement en editant IMAGE_NAMESPACE
dans ton .env (igmlcreation/loremind- pour stable,
igmlcreation/loremind-beta- pour beta).