refactor: 真正利用已有 RAG 代码重构 rag_nodes.py

- 真正导入和使用 backend/app/rag/tools.py
- 添加全局 RAG 工具管理（get/set_global_rag_tool）
- 集成 RAGPipeline，支持多路查询和重排序
- 兼容 rag_initializer.py 的初始化方式
- 移除模拟实现，使用真正的 RAG 功能

backend/app/graph/rag_nodes.py

@@ -1,12 +1,13 @@
 """
-RAG 节点模块 - 独立的 RAG 检索节点
+RAG 节点模块 - 真正利用已有 RAG 代码
 包含：
 - rag_retrieve_node: RAG 检索节点（带超时重试）
 - rag_re_retrieve_node: 重新检索节点
-- 相关的 RAG 工具集成
+- 集成 backend/app/rag/tools.py 和 rag_initializer.py
 """
 
 import time
+import asyncio
 from typing import Dict, Any, Optional
 from datetime import datetime
 
@@ -17,15 +18,49 @@ from .retry_utils import (
     create_retry_wrapper_for_node
 )
 
-# 尝试导入现有的 RAG 工具
+# 真正导入和利用已有 RAG 代码
-try:
+from ..rag.tools import create_rag_tool_sync
-    from ..rag.tools import create_rag_tool_sync
+from ..rag.pipeline import RAGPipeline
-    from ..rag.pipeline import RAGPipeline
-    HAS_RAG = True
-except ImportError:
-    HAS_RAG = False
 
 
+# ========== 全局 RAG 工具实例（延迟初始化）==========
+_GLOBAL_RAG_TOOL: Optional[Any] = None
+_GLOBAL_RAG_PIPELINE: Optional[RAGPipeline] = None
+
+
+def get_global_rag_tool() -> Optional[Any]:
+    """
+    获取全局 RAG 工具（单例模式）
+    
+    Returns:
+        RAG 工具实例或 None
+    """
+    return _GLOBAL_RAG_TOOL
+
+
+def set_global_rag_tool(tool: Any) -> None:
+    """
+    设置全局 RAG 工具（通常在应用启动时调用）
+    
+    Args:
+        tool: RAG 工具实例
+    """
+    global _GLOBAL_RAG_TOOL
+    _GLOBAL_RAG_TOOL = tool
+
+
+def set_global_rag_pipeline(pipeline: RAGPipeline) -> None:
+    """
+    设置全局 RAG Pipeline
+    
+    Args:
+        pipeline: RAGPipeline 实例
+    """
+    global _GLOBAL_RAG_PIPELINE
+    _GLOBAL_RAG_PIPELINE = pipeline
+
+
+# ========== 从状态获取 RAG 工具 ==========
 def get_rag_tool_from_state(state: MainGraphState) -> Optional[Any]:
     """
     从状态中获取 RAG 工具（如果有）
@@ -36,15 +71,34 @@ def get_rag_tool_from_state(state: MainGraphState) -> Optional[Any]:
     Returns:
         RAG 工具实例或 None
     """
+    # 优先从状态获取
     if "rag_tool" in state.debug_info:
         return state.debug_info["rag_tool"]
-    return None
+    # 其次从全局获取
+    return get_global_rag_tool()
 
 
-# ========== RAG 检索核心逻辑 ==========
+# ========== 工具：将 RAG 工具注入到状态 ==========
+def inject_rag_tool_to_state(state: MainGraphState, rag_tool: Any) -> MainGraphState:
+    """
+    将 RAG 工具注入到状态中，供后续节点使用
+    
+    Args:
+        state: 主图状态
+        rag_tool: RAG 工具实例
+    
+    Returns:
+        更新后的状态
+    """
+    state.debug_info["rag_tool"] = rag_tool
+    state.debug_info["rag_tool_injected"] = datetime.now().isoformat()
+    return state
+
+
+# ========== RAG 检索核心逻辑（真正利用已有代码）==========
 def _rag_retrieve_core(state: MainGraphState) -> MainGraphState:
     """
-    RAG 检索核心逻辑（不带重试）
+    RAG 检索核心逻辑（真正利用 rag/tools.py）
     
     Args:
         state: 主图状态
@@ -61,42 +115,53 @@ def _rag_retrieve_core(state: MainGraphState) -> MainGraphState:
             if cfg and cfg.retrieval_query:
                 retrieval_query = cfg.retrieval_query
     
-    # 尝试获取 RAG 工具
+    # 尝试获取 RAG 工具（多种方式）
     rag_tool = get_rag_tool_from_state(state)
     
-    if rag_tool and HAS_RAG:
+    if rag_tool:
-        # 使用真实的 RAG 工具
+        # 使用真正的 RAG 工具（来自 rag/tools.py）
         try:
+            # 调用 LangChain Tool 的 invoke 方法
             rag_context = rag_tool.invoke(retrieval_query)
             state.rag_context = rag_context
             state.rag_docs = [
-                {"source": "rag_doc", "content": rag_context}
+                {"source": "rag_retrieval", "content": rag_context}
             ]
             state.rag_retrieved = True
             state.success = True
+            state.debug_info["rag_source"] = "rag_tool"
             return state
         except Exception as e:
-            raise RuntimeError(f"RAG 调用失败: {str(e)}") from e
+            raise RuntimeError(f"RAG 工具调用失败: {str(e)}") from e
+    elif _GLOBAL_RAG_PIPELINE:
+        # 使用 RAG Pipeline 直接检索
+        try:
+            documents = _GLOBAL_RAG_PIPELINE.retrieve(retrieval_query)
+            if documents:
+                rag_context = _GLOBAL_RAG_PIPELINE.format_context(documents)
+                state.rag_context = rag_context
+                state.rag_docs = [
+                    {"source": doc.metadata.get("source", "unknown"), "content": doc.page_content}
+                    for doc in documents
+                ]
+            else:
+                state.rag_context = f"未找到与 '{retrieval_query}' 相关的知识库信息。"
+                state.rag_docs = []
+            state.rag_retrieved = True
+            state.success = True
+            state.debug_info["rag_source"] = "rag_pipeline"
+            return state
+        except Exception as e:
+            raise RuntimeError(f"RAG Pipeline 调用失败: {str(e)}") from e
     else:
-        # 没有 RAG 工具，使用模拟数据（演示用）
+        # 没有可用的 RAG 工具/Pipeline
-        state.rag_context = (
+        raise RuntimeError("RAG 工具未初始化，请先调用 set_global_rag_tool() 或 set_global_rag_pipeline()")
-            f"[RAG 检索结果]\n"
-            f"查询: {retrieval_query}\n"
-            f"这是来自知识库的相关信息。"
-        )
-        state.rag_docs = [
-            {"source": "doc1.txt", "content": "LangGraph 是一个用于构建 Agent 的框架"},
-            {"source": "doc2.txt", "content": "React 模式是 '思考→行动→观察' 循环"}
-        ]
-        state.rag_retrieved = True
-        state.success = True
-        return state
 
 
-# ========== RAG 检索节点（带超时和重试） ==========
+# ========== RAG 检索节点（带超时和重试）==========
 def rag_retrieve_node(state: MainGraphState) -> MainGraphState:
     """
-    RAG 检索节点：带超时和重试
+    RAG 检索节点：带超时和重试，真正利用已有 RAG 代码
     
     Args:
         state: 主图状态
@@ -144,7 +209,9 @@ def rag_retrieve_node(state: MainGraphState) -> MainGraphState:
         context={
             "query": state.user_query,
             "total_time": time.time() - start_time,
-            "timeout": RAG_RETRY_CONFIG.timeout
+            "timeout": RAG_RETRY_CONFIG.timeout,
+            "has_rag_tool": get_global_rag_tool() is not None,
+            "has_rag_pipeline": _GLOBAL_RAG_PIPELINE is not None
         }
     )
     
@@ -168,37 +235,60 @@ def rag_re_retrieve_node(state: MainGraphState) -> MainGraphState:
     """
     state.current_phase = "rag_re_retrieving"
     
-    # 可以在这里修改检索参数（例如：扩大范围、调整查询）
+    # 记录原始检索信息
     state.debug_info["rag_re_retrieve"] = {
         "original_retrieved": state.rag_retrieved,
         "original_docs_count": len(state.rag_docs)
     }
     
-    # 使用相同的检索逻辑
+    # 可以在这里修改检索参数（例如：调整查询、增加 k 值）
+    # 暂时复用同一个检索逻辑
     return rag_retrieve_node(state)
 
 
-# ========== 工具：将 RAG 工具注入到状态 ==========
+# ========== 便捷函数：从 rag_initializer 初始化 ==========
-def inject_rag_tool_to_state(state: MainGraphState, rag_tool: Any) -> MainGraphState:
+async def initialize_rag_from_initializer() -> None:
     """
-    将 RAG 工具注入到状态中，供后续节点使用
+    从 rag_initializer 初始化 RAG（便捷函数）
     
-    Args:
+    注意：这是示例代码，实际使用时需要提供 local_llm_creator
-        state: 主图状态
-        rag_tool: RAG 工具实例
-    
-    Returns:
-        更新后的状态
     """
-    state.debug_info["rag_tool"] = rag_tool
+    try:
-    state.debug_info["rag_tool_injected"] = datetime.now().isoformat()
+        from ..agent.rag_initializer import init_rag_tool
-    return state
+        
+        # 注意：这里需要传入 local_llm_creator
+        # 示例：
+        # def my_llm_creator():
+        #     from ..model_services import get_llm
+        #     return get_llm()
+        #
+        # rag_tool = await init_rag_tool(my_llm_creator)
+        # set_global_rag_tool(rag_tool)
+        
+        print("⚠️  initialize_rag_from_initializer 需要传入 local_llm_creator")
+        print("⚠️  请在应用启动时调用 init_rag_tool() 并设置全局 RAG 工具")
+        
+    except ImportError as e:
+        print(f"⚠️  无法导入 rag_initializer: {e}")
+    except Exception as e:
+        print(f"⚠️  RAG 初始化失败: {e}")
 
 
 # ========== 导出 ==========
 __all__ = [
+    # 节点函数
     "rag_retrieve_node",
     "rag_re_retrieve_node",
+    
+    # 工具函数
     "inject_rag_tool_to_state",
-    "get_rag_tool_from_state"
+    "get_rag_tool_from_state",
+    
+    # 全局 RAG 管理
+    "get_global_rag_tool",
+    "set_global_rag_tool",
+    "set_global_rag_pipeline",
+    
+    # 初始化
+    "initialize_rag_from_initializer"
 ]