优化memory、rag和embedding模块

backend/rag_core/embedders.py

@@ -1,49 +1,88 @@
 """
-嵌入模型包装器，用于 llama.cpp 服务。
+嵌入模型包装器 - 直接使用统一嵌入服务
+支持自动降级（本地 llama.cpp → 智谱），由 get_embedding_service() 内部处理
 """
 
-import os
-from .config import LLAMACPP_EMBEDDING_URL, LLAMACPP_API_KEY
-import httpx
+import sys
+import logging
 from typing import List
+from pathlib import Path
 
+# 添加父目录到路径，支持从 app.model_services 导入
+backend_root = Path(__file__).parent.parent
+if str(backend_root) not in sys.path:
+    sys.path.insert(0, str(backend_root))
+
+from .config import LLAMACPP_EMBEDDING_URL, LLAMACPP_API_KEY
 from langchain_core.embeddings import Embeddings
 
+logger = logging.getLogger(__name__)
+
 
 class LlamaCppEmbedder:
-    """通过 OpenAI 兼容 API 封装 llama.cpp 嵌入服务。"""
+    """
+    嵌入器包装类 - 直接使用统一的 get_embedding_service()
+    降级逻辑完全由 app.model_services 处理
+    """
 
-    def __init__(self, model: str = "Qwen3-Embedding-0.6B-Q8_0"):
+    def __init__(self, model: str = "Qwen3-Embedding-0.6B-Q8_0", use_fallback: bool = True):
         """
         Args:
-            model: 嵌入模型名称，默认 "Qwen3-Embedding-0.6B-Q8_0"。
+            model: 嵌入模型名称（向后兼容，现在实际使用统一服务）
+            use_fallback: 是否使用降级机制（保留参数，现在始终为 True）
         """
-        self.base_url = LLAMACPP_EMBEDDING_URL
-        self.api_key = LLAMACPP_API_KEY
         self.model = model
-        print(f"初始化 base_url: { self.base_url}")
-
-
+        self._fallback_embeddings = None
+        
+        # 直接获取统一嵌入服务
+        try:
+            from app.model_services import get_embedding_service
+            self._fallback_embeddings = get_embedding_service()
+            logger.info("✅ 统一嵌入服务加载成功")
+        except Exception as e:
+            logger.warning(f"⚠️ 无法加载统一嵌入服务: {e}")
+            # 保留向后兼容的初始化
+            self.base_url = LLAMACPP_EMBEDDING_URL
+            self.api_key = LLAMACPP_API_KEY
 
     def as_langchain_embeddings(self) -> Embeddings:
-        """创建 LangChain 兼容的嵌入实例。"""
+        """创建 LangChain 兼容的嵌入实例"""
+        if self._fallback_embeddings:
+            logger.info("✅ 使用统一嵌入服务（已内置降级机制）")
+            return self._fallback_embeddings
+        
+        # 向后兼容，仅在统一服务不可用时使用传统方式
+        logger.warning("⚠️ 统一服务不可用，使用传统模式（不推荐）")
         return _LlamaCppLangchainAdapter(self)
 
     def embed_documents(self, texts: List[str]) -> List[List[float]]:
-        """嵌入一批文档。"""
+        """嵌入一批文档"""
+        if self._fallback_embeddings:
+            return self._fallback_embeddings.embed_documents(texts)
+        
+        # 向后兼容
         return self._call_embedding_api(texts)
 
-    def embed_query(self, text: str) -> List[List[float]]:
-        """嵌入单个查询。"""
+    def embed_query(self, text: str) -> List[float]:
+        """嵌入单个查询"""
+        if self._fallback_embeddings:
+            return self._fallback_embeddings.embed_query(text)
+        
+        # 向后兼容
         return self._call_embedding_api([text])[0]
 
     def get_embedding_dimension(self) -> int:
-        """通过嵌入测试字符串获取嵌入维度。"""
+        """通过嵌入测试字符串获取嵌入维度"""
         test_embedding = self.embed_query("test")
         return len(test_embedding)
 
     def _call_embedding_api(self, texts: List[str]) -> List[List[float]]:
-        """直接调用 llama.cpp 嵌入 API。"""
+        """仅作为向后兼容的备用方法"""
+        import httpx
+        
+        if not hasattr(self, 'base_url') or not self.base_url:
+            raise ValueError("LLAMACPP_EMBEDDING_URL 未配置且统一服务不可用")
+        
         headers = {"Content-Type": "application/json"}
         if self.api_key:
             headers["Authorization"] = f"Bearer {self.api_key}"
@@ -52,7 +91,6 @@ class LlamaCppEmbedder:
         if not base.endswith("/v1"):
             base = base + "/v1"
 
-
         payload = {
             "input": texts,
             "model": self.model,
@@ -76,7 +114,7 @@ class LlamaCppEmbedder:
 
 
 class _LlamaCppLangchainAdapter(Embeddings):
-    """将 LlamaCppEmbedder 适配为 LangChain Embeddings 接口。"""
+    """仅作为向后兼容的适配器"""
 
     def __init__(self, embedder: LlamaCppEmbedder):
         self._embedder = embedder
@@ -84,5 +122,5 @@ class _LlamaCppLangchainAdapter(Embeddings):
     def embed_documents(self, texts: List[str]) -> List[List[float]]:
         return self._embedder.embed_documents(texts)
 
-    def embed_query(self, text: str) -> List[List[float]]:
+    def embed_query(self, text: str) -> List[float]:
         return self._embedder.embed_query(text)