文件变更

app/rag/tools.py

@@ -4,74 +4,12 @@ RAG 工具模块
 将检索功能封装为 LangChain Tool，供 Agent 调用。
 采用固定流水线：多路改写 → 并行检索 → RRF 融合 → 重排序 → 返回父文档。
 """
-
 from typing import Optional, Callable
 from langchain_core.tools import tool
 from langchain_core.language_models import BaseLanguageModel
 from langchain_core.retrievers import BaseRetriever
-
 from .pipeline import RAGPipeline
 
-
-def create_rag_tool(
-    retriever: BaseRetriever,
-    llm: BaseLanguageModel,
-    num_queries: int = 3,
-    rerank_top_n: int = 5,
-    collection_name: str = "rag_documents",
-) -> Callable:
-    """
-    创建一个配置好的 RAG 检索工具（异步）。
-
-    Args:
-        retriever: 基础检索器（例如 ParentDocumentRetriever 实例）
-        llm: 用于多路查询改写的语言模型
-        num_queries: 生成查询变体数量
-        rerank_top_n: 最终返回的文档数量
-        collection_name: 集合名称（仅用于日志/描述）
-
-    Returns:
-        LangChain Tool 可调用对象（异步）
-    """
-    # 初始化流水线（所有组件一次创建，后续复用）
-    pipeline = RAGPipeline(
-        retriever=retriever,
-        llm=llm,
-        num_queries=num_queries,
-        rerank_top_n=rerank_top_n,
-    )
-
-    @tool
-    async def search_knowledge_base(query: str) -> str:
-        """在知识库中搜索与查询相关的文档片段。
-
-        该工具会：
-        1. 将用户问题改写成多个不同角度的查询
-        2. 并行检索每个查询的相关父文档
-        3. 使用倒数排名融合（RRF）合并结果
-        4. 用 Cross-Encoder 重排序模型精选最相关的片段
-
-        适用于需要精确、全面答案的事实性问题或背景知识查询。
-
-        Args:
-            query: 用户提出的问题或查询字符串
-
-        Returns:
-            格式化后的相关文档内容，若无结果则返回提示信息。
-        """
-        try:
-            documents = await pipeline.aretrieve(query)
-            if not documents:
-                return f"在知识库 '{collection_name}' 中未找到与 '{query}' 相关的信息。"
-
-            context = pipeline.format_context(documents)
-            return context
-        except Exception as e:
-            return f"检索过程中发生错误: {str(e)}"
-
-    return search_knowledge_base
-
-
 def create_rag_tool_sync(
     retriever: BaseRetriever,
     llm: BaseLanguageModel,