环境变量配置向量模型不能自动推断为embedding

快速结论：该问题发生在 LobeChat Docker 自部署环境中，当通过 NEWAPI_MODEL_LIST 环境变量配置 bge-m3 等向量模型时，模型类型被错误推断为聊天模型（'chat'），导致其出现在对话模型列表中。优先排查服务端 parseModelString 路径中的类型推断逻辑是否缺少关键词匹配 fallback。

问题场景

在 LobeChat v2.2.3 Docker 自部署环境中，通过环境变量 NEWAPI_MODEL_LIST 添加自定义向量模型（如 +bge-m3=bge-m3），前端网页将模型错误推定为对话模型，而非向量模型（embedding）。

报错原文

根因
parseModelString（环境变量解析路径）调用 getModelPropertyWithFallback 查找模型类型：
// getFallbackModelProperty.ts 第 40 行
return (propertyName === 'type' ? 'chat' : undefined) as T;
bge-m3 不在 model-bank 内置模型库中 → 查找失败 → 默认返回 'chat'。
而关键词匹配逻辑（EMBEDDING_MODEL_KEYWORDS 包含 'bge'）只存在于 processModelCard（API 响应处理路径），不在 parseModelString（环境变量路径）中。两条路径的类型推断逻辑不一致。
环境变量 +bge-m3 → parseModelString → getModelPropertyWithFallback → 找不到 → 'chat' ❌
API 返回 bge-m3 → processModelCard → EMBEDDING_MODEL_KEYWORDS 匹配 'bge' → 'embedding' ✅

原因分析

这是一个已知的 bug，根因在于服务端和客户端在模型类型推断逻辑上存在不一致：

服务端（parseModelString in parseModels.ts）：使用 getModelPropertyWithFallback 函数，该函数只在内置模型库中查找。如果模型不在内置库中（例如 bge-m3），直接默认返回 'chat'，完全没有使用关键词匹配逻辑。
客户端（processModelCard in modelParse.ts）：使用关键词匹配来推断模型类型。EMBEDDING_MODEL_KEYWORDS 包含 ['embedding', 'embed', 'bge', 'm3e']，所以 bge-m3 会被正确识别为 embedding。
当通过环境变量配置时，服务端解析阶段将模型类型设为 chat，这个类型被写入模型配置后传到前端，前端优先使用已有的 type 字段（normalizedModelType 优先级最高），不会再走关键词匹配的 fallback 逻辑。

根本原因：服务端的 getModelPropertyWithFallback 函数对不在模型库中的模型缺少关键词推断逻辑，应该像客户端一样，在模型库查找失败后使用 EMBEDDING_MODEL_KEYWORDS 进行 fallback 推断。

环境排查

LobeChat 版本：v2.2.3（确认是否适用更高版本）
部署方式：Docker 自部署
浏览器：Chrome
操作系统：Windows
客户端类型：Web (Desktop Browser)

解决步骤

注意：以下解决方案基于 Issue 社区的推测性分析，该 Issue 已被标记为重复（duplicate）并自动关闭，官方尚未发布修复版本。

确认你使用的 LobeChat 版本：如果版本 ≤ v2.2.3，该问题存在。
可优先尝试临时方案：不要通过 NEWAPI_MODEL_LIST 环境变量配置向量模型，改为通过 API 响应路径自动发现（如果后端 API 支持正确返回模型列表）。
如果需要通过环境变量配置，等待官方修复。修复方案是在 parseModelString 中也加入关键词匹配逻辑，使环境变量路径和 API 路径的类型推断保持一致。
关注相关 issue 的进展：lobehub/lobe-chat #15520、lobehub/lobe-chat #15367、lobehub/lobe-chat #15127。