添加详细日志: 在关键节点加日志以便定位卡住问题

backend/app/rag/fusion.py

@@ -1,8 +1,11 @@
 # rag/fusion.py
 
+import logging
 from typing import List, Dict
 from langchain_core.documents import Document
 
+logger = logging.getLogger(__name__)
+
 def reciprocal_rank_fusion(
     doc_lists: List[List[Document]],
     k: int = 60
@@ -17,12 +20,14 @@ def reciprocal_rank_fusion(
     Returns:
         融合后按 RRF 得分降序排列的文档列表
     """
+    logger.info(f"[RRF] reciprocal_rank_fusion 开始: {len(doc_lists)} 组文档")
     # 使用文档内容作为唯一标识（如果内容相同但 metadata 不同，视为同一文档）
     # 更好的做法是用 docstore 的 ID，这里简化处理：用内容 hash
     doc_to_score: Dict[str, float] = {}
     doc_map: Dict[str, Document] = {}
     
-    for docs in doc_lists:
+    for list_idx, docs in enumerate(doc_lists):
+        logger.info(f"[RRF] 处理第 {list_idx} 组: {len(docs)} 个文档")
         for rank, doc in enumerate(docs, start=1):
             # 生成唯一标识符（内容+来源组合，避免不同文件相同内容混淆）
             doc_id = f"{doc.page_content[:200]}_{doc.metadata.get('source', '')}"
@@ -31,6 +36,9 @@ def reciprocal_rank_fusion(
             score = doc_to_score.get(doc_id, 0.0) + 1.0 / (k + rank)
             doc_to_score[doc_id] = score
     
+    logger.info(f"[RRF] 去重后共 {len(doc_map)} 个唯一文档")
     # 按得分排序
     sorted_ids = sorted(doc_to_score.keys(), key=lambda x: doc_to_score[x], reverse=True)
-    return [doc_map[doc_id] for doc_id in sorted_ids]
+    result = [doc_map[doc_id] for doc_id in sorted_ids]
+    logger.info(f"[RRF] reciprocal_rank_fusion 结束: 返回 {len(result)} 个文档")
+    return result