feat: readme add multitenant

README.md

@@ -5,6 +5,7 @@
 ## 🚀 快速开始
 
 ### 1. 准备工作
+
 - **Ollama**: 确保 Ollama 服务已启动，并已拉取以下模型：
   - LLM: `deepseek-v3.2:cloud` (或自定义)
   - Embedding: `bge-m3`
@@ -13,6 +14,7 @@
 ### 2. 本地运行
 
 #### 方式 A: 使用标准 pip (推荐)
+
 ```bash
 # 1. 创建并激活虚拟环境
 python3 -m venv .venv
@@ -26,6 +28,7 @@ python3 -m uvicorn app.main:app --host 0.0.0.0 --port 9600 --reload
 ```
 
 #### 方式 B: 使用 uv (极速)
+
 ```bash
 # 1. 初始化项目
 uv venv
@@ -37,10 +40,12 @@ uv pip install -r requirements.txt
 # 3. 启动服务
 python3 -m uvicorn app.main:app --host 0.0.0.0 --port 9600 --reload
 ```
-服务地址: http://localhost:9600
-API 文档: http://localhost:9600/docs
+
+服务地址: <http://localhost:9600>
+API 文档: <http://localhost:9600/docs>
 
 ### 3. Docker 运行
+
 ```bash
 docker build -t lightrag-api .
 docker run -p 9600:9600 --env-file .env lightrag-api
@@ -56,11 +61,19 @@ docker run -p 9600:9600 --env-file .env lightrag-api
 | `/docs/{id}` | DELETE | 删除文档 | 根据 ID 删除文档及关联图谱数据 |
 
 **检索模式 (Mode) 说明**:
+
 - `hybrid` (推荐): 混合检索，同时利用向量相似度(事实)和知识图谱(关系)。
 - `naive`: 纯向量检索，速度快但缺乏深度关联。
 - `local`: 侧重于实体细节的图谱检索。
 - `global`: 侧重于宏观关系的图谱总结。
 
+**租户管理**：
+
+```bash
+curl -H "X-Tenant-ID: <tenant_id>" http://localhost:9600/xxx
+# <tenant_id> 租户ID 默认值: default
+```
+
 ## 🛠️ 项目结构
 
 ```text
@@ -81,7 +94,7 @@ docker run -p 9600:9600 --env-file .env lightrag-api
 
 ## ⚠️ 注意事项
 
-1.  **中文优化**: 已内置针对中文优化的 Prompt，移除了原版对 `{language}` 变量的强依赖，支持中英混合查询自动识别。
-2.  **写锁机制**: 当前底层使用文件存储 (NanoVectorDB + NetworkX)，**不支持多进程并发写入**。
-3.  **编辑逻辑**: RAG 的“编辑”操作本质是“删除旧文档 -> 重新摄入新文档”。直接修改文本块会导致图谱关系错乱。
-4.  **初始化**: 首次启动或摄入大量数据时，需要构建图谱索引，CPU 占用较高，请耐心等待。
+1. **中文优化**: 已内置针对中文优化的 Prompt，移除了原版对 `{language}` 变量的强依赖，支持中英混合查询自动识别。
+2. **写锁机制**: 当前底层使用文件存储 (NanoVectorDB + NetworkX)，**不支持多进程并发写入**。
+3. **编辑逻辑**: RAG 的“编辑”操作本质是“删除旧文档 -> 重新摄入新文档”。直接修改文本块会导致图谱关系错乱。
+4. **初始化**: 首次启动或摄入大量数据时，需要构建图谱索引，CPU 占用较高，请耐心等待。