优化memory、rag和embedding模块

backend/app/memory/mem0_client.py

@@ -16,6 +16,7 @@ import asyncio
 from typing import Optional, List, Dict
 from mem0 import AsyncMemory
 
+
 class Mem0Client:
     """Mem0 异步客户端封装类"""
 
@@ -37,34 +38,36 @@ class Mem0Client:
         
         try:
             # 获取可用的 embedding 服务并确定维度
+            info("🔄 正在获取嵌入服务...")
             embeddings = get_embedding_service()
             test_embedding = embeddings.embed_query("test")
             embedding_dim = len(test_embedding)
+            info(f"✅ 嵌入服务可用，向量维度: {embedding_dim}")
             
-            # 构建正确的 embedder 配置 - 根据我们的降级机制
-            # 首先我们需要判断哪个服务实际可用
+            # 构建 embedder 配置 - 改进的方法
+            # 检查本地 provider
             from ..model_services.embedding_services import LocalLlamaCppEmbeddingProvider, ZhipuEmbeddingProvider
             
             embedder_config = None
-            # 检查本地服务
             local_provider = LocalLlamaCppEmbeddingProvider()
+            
             if local_provider.is_available():
                 info("✅ 使用本地 llama.cpp 作为 mem0 embedder")
                 embedder_config = {
                     "provider": "openai",
                     "config": {
                         "model": "Qwen3-Embedding-0.6B-Q8_0",
-                        "api_key": LLAMACPP_API_KEY or "dummy",
+                        "api_key": LLAMACPP_API_KEY or "dummy-key",
                         "openai_base_url": LLAMACPP_EMBEDDING_URL,
                     }
                 }
             else:
-                # 尝试使用智谱
+                # 检查智谱
                 zhipu_provider = ZhipuEmbeddingProvider()
                 if zhipu_provider.is_available():
                     info("✅ 使用智谱 API 作为 mem0 embedder")
-                    # 注意：mem0 可能不直接支持智谱，这里我们暂时还是用 openai 兼容方式
-                    # 或者需要自定义 embedder
+                    # 使用自定义 embedder 或者 openai 兼容方式
+                    # 注意：这里我们使用一个特殊的配置方法
                     embedder_config = {
                         "provider": "openai",
                         "config": {
@@ -74,18 +77,19 @@ class Mem0Client:
                         }
                     }
                 else:
-                    # 都不可用，使用 dummy 配置
+                    # 都不可用，使用 dummy 配置并警告
                     warning("⚠️ 没有可用的 embedder，使用 dummy 配置")
                     embedder_config = {
                         "provider": "openai",
                         "config": {
-                            "model": "dummy",
-                            "api_key": "dummy",
+                            "model": "text-embedding-ada-002",
+                            "api_key": "dummy-key",
                             "openai_base_url": "http://localhost:8080/v1",
                         }
                     }
             
-            # Mem0 配置
+            # Mem0 配置 - 简化配置，先确保能启动
+            info("🔄 正在构建 Mem0 配置...")
             config = {
                 "vector_store": {
                     "provider": "qdrant",
@@ -99,9 +103,9 @@ class Mem0Client:
                 "llm": {
                     "provider": "openai",
                     "config": {
-                        "model": "LLM_MODEL",
-                        "api_key": LLM_API_KEY,
-                        "openai_base_url": VLLM_BASE_URL,
+                        "model": "gpt-3.5-turbo",  # 使用一个通用的模型名
+                        "api_key": LLM_API_KEY or ZHIPUAI_API_KEY or "dummy-key",
+                        "openai_base_url": VLLM_BASE_URL or ZHIPU_API_BASE,
                         "temperature": 0.1,
                         "max_tokens": 2000,
                     }
@@ -110,27 +114,31 @@ class Mem0Client:
                 "version": "v1.1"
             }
             
+            info("🔄 正在初始化 Mem0 实例...")
             self.mem0 = AsyncMemory.from_config(config)
-            info("✅ Mem0 配置加载成功，开始连接测试...")
+            info("✅ Mem0 配置加载成功")
             
-            # 实际连接测试
+            # 尝试进行连接测试，但失败不会阻止初始化
             try:
+                info("🔄 正在测试 Mem0 连接...")
+                # 使用短超时的测试
                 await asyncio.wait_for(
                     self.mem0.search("ping", user_id="test", limit=1),
-                    timeout=30.0
+                    timeout=10.0
                 )
-                info("✅ Mem0 实际连接测试成功，初始化完成")
+                info("✅ Mem0 连接测试成功")
             except Exception as e:
-                warning(f"⚠️ Mem0 连接测试遇到问题，但仍继续初始化: {e}")
+                warning(f"⚠️ Mem0 连接测试遇到问题（但继续使用）: {e}")
             
             self._initialized = True
+            info("🎉 Mem0 初始化完成")
             
         except asyncio.TimeoutError:
-            error("❌ Mem0 连接测试超时 (10s)，请检查 Qdrant 或 Embedding 服务响应")
+            error("❌ Mem0 初始化超时")
             self.mem0 = None
             self._initialized = False
         except Exception as e:
-            error(f"❌ Mem0 初始化或连接测试失败: {e}")
+            error(f"❌ Mem0 初始化失败: {e}")
             import traceback
             error(f"详细错误信息:\n{traceback.format_exc()}")
             self.mem0 = None