重构代码，统一config配置

backend/app/rag/reranker.py

@@ -0,0 +1,75 @@
+"""
+重排序器模块 (适配版)
+使用远程 llama.cpp 服务 (兼容 OpenAI Rerank API) 替代本地 Cross-Encoder
+"""
+import requests
+from typing import List
+from langchain_core.documents import Document
+
+class LLaMaCPPReranker:
+    """使用远程 llama.cpp 服务对检索结果重排序。"""
+
+    def __init__(self, 
+                 base_url: str, 
+                 api_key: str,
+                 top_n: int = 5,
+                 timeout: int = 60):
+        """
+        初始化远程重排序器
+        
+        Args:
+            base_url: llama.cpp 服务的地址和端口，默认为环境变量 LLAMACPP_RERANKER_URL 或 "http://127.0.0.1:8083"。
+            top_n: 返回前 N 个结果。
+            api_key: API 密钥，默认为环境变量 LLAMACPP_API_KEY 或 "huang1998"。
+            timeout: 请求超时时间（秒）。
+        """
+        self.base_url = base_url 
+        self.api_key = api_key 
+        self.top_n = top_n
+        self.timeout = timeout
+        self.endpoint = f"{self.base_url}/rerank"
+        
+    def compress_documents(
+        self, documents: List[Document], query: str
+    ) -> List[Document]:
+        """
+        对文档进行重排序
+        
+        Args:
+            documents: 待排序的文档列表
+            query: 查询字符串
+        
+        Returns:
+            排序后的文档列表
+        """
+        if not documents:
+            return []
+
+        # 准备请求体
+        # 根据 llama.cpp 的 OpenAI 兼容性，文档是一个字符串列表
+        payload = {
+            "model": "bge-reranker-v2-m3",
+            "query": query,
+            "documents": [doc.page_content for doc in documents],
+            "top_n": self.top_n
+        }
+        headers = {
+            "Content-Type": "application/json",
+            "Authorization": f"Bearer {self.api_key}"
+        }
+
+        try:
+            response = requests.post(self.endpoint, json=payload, headers=headers, timeout=self.timeout)
+            response.raise_for_status()  # 检查请求是否成功
+            results = response.json()
+            
+            # 解析返回结果
+            # 返回格式: {"results": [{"index": 0, "document": "...", "relevance_score": 0.8}, ...]}
+            # 按相关性得分降序排列
+            sorted_indices = [item["index"] for item in results["results"]]
+            sorted_docs = [documents[idx] for idx in sorted_indices]
+            return sorted_docs
+            
+        except Exception as e:
+            print(f"警告: 远程重排序过程出错，将使用原始排序。错误: {e}")
+            return documents[:self.top_n]