feat: RAG混合检索系统完整实现 + 启动脚本修复

- 实现了稠密+稀疏混合检索，使用 Qdrant 原生 RRF 融合
- 修复了 retriever.py 的 BaseRetriever 继承和稀疏向量包装问题
- 修复了 pipeline.py 的 Optional 导入问题
- 添加了稀疏 embedder 的缓存配置
- 简化了 vector_store.py，移除不必要的逻辑
- 修复了 start.sh 的 PROJECT_DIR 硬编码和端口配置问题
- 完善了 RAG 检索的测试文件

backend/rag_core/config.py

@@ -54,3 +54,5 @@ DOCSTORE_URI = _get_str("DOCSTORE_URI") or DB_URI
 
 # ========== 其他配置 ==========
 # 可以在此添加其他 RAG Core 专用的配置项
+# 稀疏模型缓存路径
+FASTEMBED_CACHE_PATH = _get_str("FASTEMBED_CACHE_PATH") or "./models/fastembed_cache"

backend/rag_core/sparse_embedder.py

@@ -4,7 +4,7 @@ BM25 稀疏嵌入器
 """
 from typing import List
 from fastembed.sparse.sparse_text_embedding import SparseTextEmbedding
-from app.config import FASTEMBED_CACHE_PATH
+from .config import FASTEMBED_CACHE_PATH
 
 class BM25SparseEmbedder:
     """BM25 稀疏嵌入包装器，与现有嵌入器风格统一"""

backend/rag_core/vector_store.py

@@ -14,8 +14,7 @@ from langchain_core.embeddings import Embeddings
 from langchain_qdrant import QdrantVectorStore as LangchainQdrantVS
 from qdrant_client import QdrantClient
 from qdrant_client.http.models import (
-    Distance, VectorParams, SparseVectorParams, SparseIndexParams, 
-    SparseIndexType, PointStruct, NamedSparseVector, NamedVector
+    Distance, VectorParams, SparseVectorParams, PointStruct
 )
 from httpx import RemoteProtocolError
 from qdrant_client.http.exceptions import ResponseHandlingException
@@ -61,6 +60,7 @@ class QdrantVectorStore:
             client=self.get_client(),
             collection_name=self.collection_name,
             embedding=self.embeddings,
+            vector_name="dense",
         )
 
     def get_client(self) -> QdrantClient:
@@ -134,19 +134,13 @@ class QdrantVectorStore:
                     vectors_config = {
                         "dense": VectorParams(
                             size=vector_size,
-                            distance=Distance.COSINE,
-                            optional=True
+                            distance=Distance.COSINE
                         )
                     }
                     
-                    # 稀疏向量配置
+                    # 稀疏向量配置（简化版，不使用特殊索引类型）
                     sparse_vectors_config = {
-                        "sparse": SparseVectorParams(
-                            index=SparseIndexParams(
-                                type=SparseIndexType.MUTABLE
-                            ),
-                            optional=True
-                        )
+                        "sparse": SparseVectorParams()
                     }
 
                     client.create_collection(
@@ -197,10 +191,7 @@ class QdrantVectorStore:
                 # 构造双向量
                 named_vectors = {
                     "dense": dense_vectors[j],
-                    "sparse": NamedSparseVector(
-                        name="sparse",
-                        vector=sparse_vectors[j]
-                    )
+                    "sparse": sparse_vectors[j]
                 }
 
                 points.append(PointStruct(