feat: 实现 BM25 稀疏 + 稠密向量混合检索功能

tools/download_bm25.py

@@ -0,0 +1,22 @@
+"""
+BM25模型预下载脚本
+执行后将模型缓存到 ./models/fastembed_cache 目录，打包进Docker镜像
+"""
+import os
+from fastembed.sparse.sparse_text_embedding import SparseTextEmbedding
+
+if __name__ == "__main__":
+    # 指定缓存目录
+    cache_dir = "./models/fastembed_cache"
+    os.makedirs(cache_dir, exist_ok=True)
+
+    print("正在下载BM25稀疏向量模型...")
+    model = SparseTextEmbedding(
+        model_name="Qdrant/bm25",
+        cache_dir=cache_dir
+    )
+    
+    # 触发一次推理，确保模型文件完整下载
+    list(model.embed(["init trigger"]))
+    print(f"✅ BM25模型已成功缓存到: {cache_dir}")
+    print("请将该目录提交到项目仓库，打包进Docker镜像")