Replace unsafe gitee nltk path with safe local 'nltk_data' references; update Dockerfile/Docker Compose/.env

.env.example

@@ -105,7 +105,7 @@ AUTO_SYNC=true
 # ============================================
 # NLTK 配置
 # 推荐：如果你已在仓库内保存了 NLTK 数据（离线使用），可以设置为相对路径。例如:
-#   ./https:/gitee.com/gislite/nltk_data/raw/gh-pages/
+#   ./nltk_data/
 # 或者使用本地绝对路径: /path/to/nltk_data
 # ============================================
-NLTK_DATA=./https:/gitee.com/gislite/nltk_data/raw/gh-pages/
+NLTK_DATA=./nltk_data/

.gitignore

@@ -134,5 +134,5 @@ docker-images-export/
 
 # Allow checked-in NLTK data stored under the `https:/` path for offline use
 # These lines explicitly un-ignore that folder so files like .txt/.pickle are tracked.
-!https:/gitee.com/gislite/nltk_data/raw/gh-pages/
-!https:/gitee.com/gislite/nltk_data/raw/gh-pages/**
+!nltk_data/
+!nltk_data/**

Dockerfile

@@ -11,7 +11,7 @@ ENV PYTHONUNBUFFERED=1 \
     PYTHONDONTWRITEBYTECODE=1 \
     PIP_NO_CACHE_DIR=1 \
     PIP_DISABLE_PIP_VERSION_CHECK=1 \
-    NLTK_DATA=https://gitee.com/gislite/nltk_data/raw/gh-pages/
+    NLTK_DATA=/app/nltk_data/
 
 # 配置国内 apt 镜像源（加速包下载）
 # 使用阿里云 Debian 镜像源（适用于 Debian/Ubuntu 系统）

config.py

@@ -127,9 +127,8 @@ class Settings(BaseSettings):
     # use that; otherwise fall back to the official raw GitHub mirror.
     _PROJECT_ROOT = os.path.dirname(os.path.abspath(__file__))
     _NLTK_CANDIDATES = [
-        os.path.join(_PROJECT_ROOT, 'https:/gitee.com/gislite/nltk_data/raw/gh-pages/'),
-        os.path.join(_PROJECT_ROOT, 'https:/gitee.com/gislite/nltk_data/raw/gh-pages'),
         os.path.join(_PROJECT_ROOT, 'nltk_data'),
+        os.path.join(_PROJECT_ROOT, './nltk_data'),
     ]
     _DEFAULT_NLTK = next((p for p in _NLTK_CANDIDATES if os.path.isdir(p)),
                          "https://raw.githubusercontent.com/nltk/nltk_data/gh-pages/")

docker-compose.yml

@@ -101,7 +101,7 @@ services:
       - AUTO_SYNC=${AUTO_SYNC:-true}
       
       # NLTK 配置
-      - NLTK_DATA=${NLTK_DATA:-./https:/gitee.com/gislite/nltk_data/raw/gh-pages/}
+      - NLTK_DATA=${NLTK_DATA:-./nltk_data/}
     # 注意：使用 host 网络模式时，depends_on 可能无法正常工作
     # 因为 host 网络模式的容器不在 Docker 的默认网络中
     # 如果需要依赖 ChromaDB，可以手动检查或使用启动脚本

main.py

@@ -15,7 +15,7 @@ warnings.filterwarnings("ignore", message=".*pkg_resources is deprecated.*", cat
 if not os.environ.get("NLTK_DATA"):
     logger.warning(
         "NLTK_DATA 环境变量未设置，这可能导致 llama_index 导入较慢。"
-        "建议设置本地路径，例如: export NLTK_DATA=./https:/gitee.com/gislite/nltk_data/raw/gh-pages/"
+        "建议设置本地路径，例如: export NLTK_DATA=./nltk_data/"
     )