> For the complete documentation index, see [llms.txt](https://docs.onerpa.ru/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.onerpa.ru/mcp-servery-1c/embedding-modeli/cpu-modeli.md). # CPU режим Если у вас нет видеокарты NVIDIA или недостаточно VRAM, MCP-серверы могут использовать встроенные CPU-модели. ## Когда использовать CPU режим * Нет видеокарты NVIDIA * VRAM менее 4 ГБ * Нужна максимальная простота настройки * Работа полностью офлайн ## Доступные модели MCP-серверы используют модели семейства **multilingual-e5** из библиотеки sentence-transformers. | Модель | Размерность | Размер | Скорость | Качество | | -------------------------------- | ----------- | -------- | --------- | -------- | | `intfloat/multilingual-e5-small` | 384 | \~500 МБ | Быстрая | ⭐⭐⭐ | | `intfloat/multilingual-e5-base` | 768 | \~1 ГБ | Средняя | ⭐⭐⭐⭐ | | `intfloat/multilingual-e5-large` | 1024 | \~2 ГБ | Медленная | ⭐⭐⭐⭐⭐ | ## Рекомендации по выбору ### Быстрая работа (по умолчанию) ```env EMBEDDING_MODEL=intfloat/multilingual-e5-small ``` * Самая быстрая индексация * Минимальное потребление RAM * Приемлемое качество поиска ### Лучший баланс ```env EMBEDDING_MODEL=intfloat/multilingual-e5-base ``` * Хороший баланс скорость/качество * Рекомендуется для большинства случаев * Умеренное потребление RAM ### Максимальное качество ```env EMBEDDING_MODEL=intfloat/multilingual-e5-large ``` * Лучшее качество поиска на CPU * Медленная индексация * Требует больше RAM ## Настройка MCP-серверов ### Использование CPU модели Чтобы использовать встроенную CPU модель, **НЕ указывайте** параметры `EMBEDDING_API_*`: ```powershell docker run -d -p 8003:8003 ` --name 1c_help_mcp ` -e LICENSE_KEY=YOUR_LICENSE_KEY ` -e RESET_DATABASE=false ` -e EMBEDDING_MODEL=intfloat/multilingual-e5-base ` -e 1C_BIN_PATH=/1c_docs ` -v "C:/Program Files/1cv8/8.3.23.1997/bin:/1c_docs" ` -v "E:/bases/mcp_docs:/app/index" ` -v "E:/bases/mcp_model_cache:/app/model_cache" ` comol/1c_help_mcp:latest ``` {% hint style="warning" %} Если указать `EMBEDDING_API_KEY`, сервер будет пытаться использовать внешнее API вместо встроенной модели. {% endhint %} ### Кэширование модели При первом запуске модель скачивается с Hugging Face. Чтобы не скачивать повторно: ```powershell -v "E:/bases/mcp_model_cache:/app/model_cache" ``` ## Первый запуск ### Что происходит при первом запуске 1. **Скачивание модели** (несколько минут) * Модель загружается с huggingface.co * Сохраняется в `/app/model_cache` 2. **Индексация данных** (от часов до суток) * Зависит от объёма данных * CPU модели работают значительно медленнее GPU {% hint style="warning" %} **Для пользователей из России:** Сайт huggingface.co может быть заблокирован. В этом случае: * Используйте VPN для первоначального скачивания модели * После скачивания модель кэшируется локально и VPN больше не нужен * Обязательно монтируйте том `/app/model_cache` для сохранения скачанной модели {% endhint %} ### Мониторинг прогресса ```powershell # Просмотр логов в реальном времени docker logs -f 1c_help_mcp ``` Пример вывода: ``` Downloading model intfloat/multilingual-e5-base... Model downloaded successfully Starting indexing... Indexed 1000/5000 documents... Indexed 2000/5000 documents... ``` ## Оптимизация производительности ### Увеличение RAM для Docker 1. Docker Desktop → Settings → Resources 2. Увеличьте Memory до 8+ ГБ 3. Apply & Restart ### Использование нескольких ядер CPU модели автоматически используют многопоточность. Убедитесь, что Docker имеет доступ к нескольким ядрам: 1. Docker Desktop → Settings → Resources 2. CPUs: 4+ ядер ### Параметр RESET\_DATABASE ```env RESET_DATABASE=false ``` * При `false` — используется существующий индекс * При `true` — полная переиндексация при каждом запуске **ВНИМАНИЕ! Полная переиндексация может занимать много времени!** ## Сравнение с GPU | Аспект | CPU (e5-base) | GPU (Qwen-4B через LM Studio) | | ------------------- | ------------------- | ----------------------------- | | Качество поиска | Хорошее | Отличное | | Скорость индексации | 3-10 часов/1000 док | 20-60 мин/1000 док | | Требования | 8 ГБ RAM | 4 ГБ VRAM | | Настройка | Простая | Требует LM Studio | {% hint style="info" %} Для GPU-ускорения рекомендуется использовать **LM Studio** — это самый простой и эффективный способ получить преимущества GPU без сложной настройки CUDA в Docker. {% endhint %} ## Пример полной команды ### HelpSearchServer с CPU ```powershell docker run -d -p 8003:8003 ` --name 1c_help_mcp ` -e LICENSE_KEY=YOUR_LICENSE_KEY ` -e 1C_BIN_PATH=/1c_docs ` -e RESET_CACHE=false ` -e RESET_DATABASE=false ` -e EMBEDDING_MODEL=intfloat/multilingual-e5-base ` -v "C:/Program Files/1cv8/8.3.23.1997/bin:/1c_docs" ` -v "E:/bases/mcp_docs:/app/index" ` -v "E:/bases/mcp_model_cache:/app/model_cache" ` comol/1c_help_mcp:latest ``` ### SSLSearchServer с CPU ```powershell docker run -d -p 8008:8008 ` --name mcp_ssl_server ` -e LICENSE_KEY=YOUR_LICENSE_KEY ` -e SSL_VERSION=3.1.11 ` -e RESET_DATABASE=false ` -e EMBEDDING_MODEL=intfloat/multilingual-e5-base ` -v "E:/bases/mcp_ssl:/app/zvec_db" ` -v "E:/bases/mcp_model_cache:/app/model_cache" ` comol/mcp_ssl_server:latest ``` ## Устранение проблем ### Ошибка скачивания модели ``` Error downloading model from Hugging Face ``` Решение: 1. Проверьте интернет-соединение 2. Проверьте доступ к huggingface.co 3. **Для пользователей из России:** Hugging Face может быть заблокирован — используйте VPN 4. После скачивания модели обязательно монтируйте том `/app/model_cache`, чтобы не скачивать повторно ### Недостаточно памяти ``` RuntimeError: Unable to allocate memory ``` Решение: 1. Используйте модель меньшего размера (e5-small) 2. Увеличьте RAM для Docker 3. Закройте другие приложения ### Медленная индексация Это нормально для CPU режима. Советы: 1. Используйте e5-small для быстрой индексации 2. Увеличьте количество ядер для Docker 3. Запускайте индексацию ночью