refactor: 重构RAG核心组件，简化代码结构和测试文件

backend/app/config.py

@@ -37,9 +37,9 @@ def _get_bool(key: str) -> bool | None:
 
 
 # ========== 第三方 API 密钥 ==========
-ZHIPUAI_API_KEY=_get_str("ZHIPUAI_API_KEY")
-DEEPSEEK_API_KEY=_get_str("DEEPSEEK_API_KEY")
-SILICONFLOW_API_KEY=_get_str("SILICONFLOW_API_KEY")
+ZHIPUAI_API_KEY = _get_str("ZHIPUAI_API_KEY")
+DEEPSEEK_API_KEY = _get_str("DEEPSEEK_API_KEY")
+SILICONFLOW_API_KEY = _get_str("SILICONFLOW_API_KEY")
 
 
 # ========== 智谱 API 配置 ==========
@@ -69,7 +69,7 @@ LOCAL_MODEL_NAME = _get_str("LOCAL_MODEL_NAME") or "gemma-4-E4B-it"
 # ========== llama.cpp 服务配置（URL + API密钥 配对） ==========
 # 主 LLM 服务
 VLLM_BASE_URL = _get_str("VLLM_BASE_URL")
-LLM_API_KEY = _get_str("LLAMACPP_API_KEY")
+LLM_API_KEY = _get_str("LLM_API_KEY")
 
 # Embedding 服务 (用于 Mem0 的向量化)
 LLAMACPP_EMBEDDING_URL = _get_str("LLAMACPP_EMBEDDING_URL")
@@ -78,6 +78,26 @@ LLAMACPP_API_KEY = _get_str("LLAMACPP_API_KEY")
 # Reranker 服务
 LLAMACPP_RERANKER_URL = _get_str("LLAMACPP_RERANKER_URL")
 
+# ========== 小模型配置（查询改写、意图分类等简单任务） ==========
+# 默认复用大模型配置，后续可单独配置
+# 本地小模型（默认复用 VLLM 配置）
+SMALL_VLLM_BASE_URL = _get_str("SMALL_VLLM_BASE_URL")
+SMALL_LLM_API_KEY = _get_str("SMALL_LLM_API_KEY")
+SMALL_LOCAL_MODEL_NAME = _get_str("SMALL_LOCAL_MODEL_NAME") or LOCAL_MODEL_NAME
+# 如果小模型没单独配置，用大模型的配置
+if not SMALL_VLLM_BASE_URL:
+    SMALL_VLLM_BASE_URL = VLLM_BASE_URL
+if not SMALL_LLM_API_KEY:
+    SMALL_LLM_API_KEY = LLM_API_KEY
+
+# DeepSeek 小模型（默认复用 DeepSeek 配置）
+SMALL_DEEPSEEK_API_KEY = _get_str("SMALL_DEEPSEEK_API_KEY")
+SMALL_DEEPSEEK_MODEL = _get_str("SMALL_DEEPSEEK_MODEL") or "deepseek-chat"
+SMALL_DEEPSEEK_API_BASE = _get_str("SMALL_DEEPSEEK_API_BASE") or "https://api.deepseek.com"
+# 如果小模型没单独配置，用大模型的配置
+if not SMALL_DEEPSEEK_API_KEY:
+    SMALL_DEEPSEEK_API_KEY = DEEPSEEK_API_KEY
+
 
 # ========== Qdrant 向量数据库配置（URL + API密钥 配对） ==========
 QDRANT_URL = _get_str("QDRANT_URL")
@@ -114,4 +134,4 @@ ENABLE_GRAPH_TRACE = _get_bool("ENABLE_GRAPH_TRACE")
 
 # ========== 日志配置 ==========
 LOG_LEVEL = _get_str("LOG_LEVEL")
-DEBUG = _get_bool("DEBUG")
+DEBUG = _get_bool("DEBUG")

backend/app/core/intent_classifier.py

@@ -6,7 +6,7 @@ from typing import Optional, Dict, Any
 import sys
 import os
 
-from backend.app.model_services.chat_services import get_chat_service
+from backend.app.model_services.chat_services import get_small_llm_service
 
 
 class IntentType(Enum):
@@ -33,7 +33,7 @@ class IntentClassifier:
     """意图分类器"""
 
     def __init__(self):
-        self.llm = get_chat_service()
+        self.llm = get_small_llm_service()
         self._intent_examples = self._build_examples()
 
     def _build_examples(self) -> str:

backend/app/main_graph/nodes/rag_nodes.py

@@ -19,7 +19,7 @@ from app.main_graph.utils.retry_utils import (
 )
 
 # 真正导入和利用已有 RAG 代码
-from app.rag.tools import create_rag_tool_sync
+from app.rag.tools import create_rag_tool
 from app.rag.pipeline import RAGPipeline
 
 

backend/app/main_graph/utils/rag_initializer.py

@@ -1,6 +1,6 @@
 # app/rag_initializer.py
-from app.rag.tools import create_rag_tool_sync, create_rag_tool_async
-from rag_core import create_parent_retriever
+from app.rag.tools import create_rag_tool
+from app.rag.retriever import create_parent_hybrid_retriever
 from app.model_services import get_embedding_service
 from app.logger import info, warning
 
@@ -10,18 +10,18 @@ async def init_rag_tool(local_llm_creator):
         info("🔄 正在初始化 RAG 检索系统...")
         # 使用统一的嵌入服务获取接口
         embeddings = get_embedding_service()
-        retriever = create_parent_retriever(
+        retriever = create_parent_hybrid_retriever(
             collection_name="rag_documents",
             search_k=5,
             embeddings=embeddings
         )
         rewrite_llm = local_llm_creator()
-        rag_tool = create_rag_tool_async(
+        rag_tool = create_rag_tool(
             retriever, rewrite_llm,
             num_queries=3, rerank_top_n=5
         )
-        info("✅ RAG 检索工具初始化成功（异步版本）")
+        info("✅ RAG 检索工具初始化成功（全异步版本）")
         return rag_tool
     except Exception as e:
         warning(f"⚠️ RAG 检索工具初始化失败: {e}")
-        return None
+        return None

backend/app/model_services/__init__.py

@@ -6,9 +6,11 @@
 
 from .embedding_services import get_embedding_service
 from .rerank_services import get_rerank_service, BaseRerankService
+from .chat_services import get_small_llm_service
 
 __all__ = [
     "get_embedding_service",
     "get_rerank_service",
+    "get_small_llm_service",
     "BaseRerankService"
 ]

backend/app/model_services/chat_services.py

@@ -219,51 +219,98 @@ class DeepSeekChatProvider(BaseServiceProvider[BaseChatModel]):
 
 # ========== 轻量级模型 Provider ==========
 
-class ZhipuSmallModelProvider(BaseServiceProvider[BaseChatModel]):
+class LocalSmallModelProvider(BaseServiceProvider[BaseChatModel]):
     """
-    智谱 AI 轻量级模型服务提供者（用于意图分类等简单任务）
-    使用 glm-5.1-flash 或其他小模型
+    本地轻量级模型服务提供者（用于查询改写、意图分类等简单任务）
+    使用小模型独立配置
     """
     
-    def __init__(self, model: str = "glm-5.1-flash"):
-        super().__init__("zhipu_small")
-        self._model = model
+    def __init__(self, model: str = None):
+        from app.config import SMALL_LOCAL_MODEL_NAME, SMALL_VLLM_BASE_URL, SMALL_LLM_API_KEY
+        super().__init__("local_small")
+        self._model = model or SMALL_LOCAL_MODEL_NAME
+        self._base_url = SMALL_VLLM_BASE_URL
+        self._api_key = SMALL_LLM_API_KEY
     
     def is_available(self) -> bool:
-        """检查智谱轻量模型服务是否可用"""
-        if not ZHIPUAI_API_KEY:
-            logger.warning("ZHIPUAI_API_KEY 未配置，轻量模型不可用")
+        """检查本地小模型服务是否可用"""
+        if not self._base_url:
+            logger.warning("SMALL_VLLM_BASE_URL 未配置，本地小模型不可用")
+            return False
+        
+        try:
+            # 先测试主机名能否解析
+            import httpx
+            from urllib.parse import urlparse
+            
+            parsed_url = urlparse(self._base_url)
+            host = parsed_url.hostname
+            port = parsed_url.port or (80 if parsed_url.scheme == 'http' else 443)
+            
+            # 测试能否建立 TCP 连接（快速失败）
+            import socket
+            sock = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
+            sock.settimeout(2.0)
+            try:
+                sock.connect((host, port))
+                sock.close()
+            except Exception as e:
+                logger.warning(f"本地小模型服务无法连接: {host}:{port} - {e}")
+                return False
+            
+            # 再尝试调用简单的 API
+            client = httpx.Client(base_url=self._base_url.rstrip('/'), timeout=5.0)
+            headers = {}
+            if self._api_key:
+                headers["Authorization"] = f"Bearer {self._api_key}"
+            
+            try:
+                response = client.get("/models", headers=headers)
+                if response.status_code == 200:
+                    logger.info(f"本地小模型服务可用: {self._model}")
+                    return True
+            except Exception:
+                pass
+            
+            logger.warning(f"本地小模型服务响应异常")
+            return False
+        except Exception as e:
+            logger.warning(f"本地小模型服务不可用: {e}")
             return False
-        logger.info(f"智谱轻量模型配置正确: {self._model}")
-        return True
     
     def get_service(self) -> BaseChatModel:
-        """获取智谱轻量模型服务"""
+        """获取本地小模型服务"""
         if self._service_instance is None:
-            from langchain_community.chat_models import ChatZhipuAI
-            self._service_instance = ChatZhipuAI(
+            from langchain_openai import ChatOpenAI
+            from pydantic import SecretStr
+            
+            self._service_instance = ChatOpenAI(
+                base_url=self._base_url,
+                api_key=SecretStr(self._api_key) if self._api_key else SecretStr(""),
                 model=self._model,
-                api_key=ZHIPUAI_API_KEY,
-                temperature=0.1,
-                max_tokens=2048,
                 timeout=30.0,
                 max_retries=2,
-                streaming=False
+                streaming=False,
             )
         return self._service_instance
 
+
 class DeepSeekSmallModelProvider(BaseServiceProvider[BaseChatModel]):
     """
-    DeepSeek 轻量级模型服务提供者（备选）
+    DeepSeek 轻量级模型服务提供者（用于查询改写、意图分类等简单任务）
+    使用小模型独立配置
     """
     
-    def __init__(self, model: str = "deepseek-chat"):
+    def __init__(self, model: str = None):
+        from app.config import SMALL_DEEPSEEK_MODEL, SMALL_DEEPSEEK_API_KEY, SMALL_DEEPSEEK_API_BASE
         super().__init__("deepseek_small")
-        self._model = model
+        self._model = model or SMALL_DEEPSEEK_MODEL
+        self._api_key = SMALL_DEEPSEEK_API_KEY
+        self._api_base = SMALL_DEEPSEEK_API_BASE
     
     def is_available(self) -> bool:
-        if not DEEPSEEK_API_KEY:
-            logger.warning("DEEPSEEK_API_KEY 未配置")
+        if not self._api_key:
+            logger.warning("SMALL_DEEPSEEK_API_KEY 未配置")
             return False
         logger.info(f"DeepSeek 轻量模型配置正确: {self._model}")
         return True
@@ -274,8 +321,8 @@ class DeepSeekSmallModelProvider(BaseServiceProvider[BaseChatModel]):
             from pydantic import SecretStr
             
             self._service_instance = ChatOpenAI(
-                base_url="https://api.deepseek.com",
-                api_key=SecretStr(DEEPSEEK_API_KEY),
+                base_url=self._api_base,
+                api_key=SecretStr(self._api_key),
                 model=self._model,
                 temperature=0.1,
                 max_tokens=2048,
@@ -339,20 +386,17 @@ def get_all_chat_services() -> Dict[str, BaseChatModel]:
 
 def get_small_llm_service() -> BaseChatModel:
     """
-    获取轻量级大模型服务（用于意图分类等简单任务）
-    优先顺序: zhipu_small -> deepseek_small -> (降级到 get_chat_service)
+    获取轻量级大模型服务（用于查询改写、意图分类等简单任务）
+    优先顺序: 本地模型 -> DeepSeek 小模型
+    ⚠️  注意：小模型任务不降级到大模型，避免不必要的 token 消耗！
     
     Returns:
         BaseChatModel: LangChain 兼容的 ChatModel 实例
     """
     def _create_small_chain():
-        primary = ZhipuSmallModelProvider()
+        primary = LocalSmallModelProvider()
         fallbacks = [DeepSeekSmallModelProvider()]
         return FallbackServiceChain(primary, fallbacks)
     
-    try:
-        chain = SingletonServiceManager.get_or_create("small_llm_chain", _create_small_chain)
-        return chain.get_available_service()
-    except Exception as e:
-        logger.warning(f"轻量模型初始化失败，降级到默认大模型: {e}")
-        return get_chat_service()
+    chain = SingletonServiceManager.get_or_create("small_llm_chain", _create_small_chain)
+    return chain.get_available_service()

backend/app/rag/__init__.py

@@ -42,7 +42,7 @@ from .rerank import DocumentReranker, create_document_reranker
 from .query_transform import MultiQueryGenerator
 from .fusion import reciprocal_rank_fusion
 from .pipeline import RAGPipeline
-from .tools import create_rag_tool_sync
+from .tools import create_rag_tool
 
 
 __all__ = [
@@ -64,5 +64,5 @@ __all__ = [
     "RAGPipeline",
     
     # 工具创建（供 Agent 使用）
-    "create_rag_tool_sync",
+    "create_rag_tool",
 ]

backend/app/rag/pipeline.py

@@ -13,7 +13,7 @@ from typing import List, Optional
 from langchain_core.documents import Document
 from langchain_core.language_models import BaseLanguageModel
 
-from app.model_services import get_rerank_service
+from app.model_services import get_rerank_service, get_small_llm_service
 from app.rag.rerank import create_document_reranker
 from app.rag.query_transform import MultiQueryGenerator
 from app.rag.fusion import reciprocal_rank_fusion
@@ -31,7 +31,7 @@ class RAGPipeline:
     def __init__(
         self,
         retriever=None,
-        llm: Optional[BaseLanguageModel] = None,
+        llm: Optional[BaseLanguageModel] = "default_small",
         num_queries: int = 3,
         rerank_top_n: int = 5,
         collection_name: str = "rag_documents",
@@ -41,6 +41,9 @@ class RAGPipeline:
             retriever: 基础检索器对象，需实现 ainvoke(query) 异步方法。
                       如果不提供，会自动创建默认的父子文档混合检索器。
             llm: 用于生成多路查询的语言模型。
+                 - "default_small": (默认) 使用小模型（本地 + DeepSeek）
+                 - None / False: 不做查询改写
+                 - BaseLanguageModel 实例: 自定义模型
             num_queries: 生成的查询变体数量。
             rerank_top_n: 最终返回的文档数量。
             collection_name: Qdrant 集合名称（仅当 retriever 未提供时使用）。
@@ -53,13 +56,26 @@ class RAGPipeline:
             )
         else:
             self.retriever = retriever
+        
+        # 处理 llm 参数
+        if llm == "default_small":
+            try:
+                self.llm = get_small_llm_service()
+            except Exception as e:
+                import logging
+                logger = logging.getLogger(__name__)
+                logger.warning(f"小模型初始化失败，将不做查询改写: {e}")
+                self.llm = None
+        elif llm in (None, False):
+            self.llm = None
+        else:
+            self.llm = llm
             
-        self.llm = llm
         self.num_queries = num_queries
         self.rerank_top_n = rerank_top_n
         
         # 初始化组件 - 使用统一的重排服务获取接口
-        self.query_generator = MultiQueryGenerator(llm=llm, num_queries=num_queries) if llm else None
+        self.query_generator = MultiQueryGenerator(llm=self.llm, num_queries=num_queries) if self.llm else None
         self.reranker = create_document_reranker()
     
     async def aretrieve(self, query: str) -> List[Document]:
@@ -102,11 +118,7 @@ class RAGPipeline:
             final_docs = fused_docs[:self.rerank_top_n]
         
         return final_docs
-    
-    def retrieve(self, query: str) -> List[Document]:
-        """同步检索入口（内部调用异步方法）"""
-        return asyncio.run(self.aretrieve(query))
-    
+
     def format_context(self, documents: List[Document]) -> str:
         """
         将文档列表格式化为上下文字符串
@@ -129,7 +141,7 @@ class RAGPipeline:
 
 def create_rag_pipeline(
     collection_name: str = "rag_documents",
-    llm: Optional[BaseLanguageModel] = None,
+    llm: Optional[BaseLanguageModel] = "default_small",
     num_queries: int = 3,
     rerank_top_n: int = 5,
 ) -> RAGPipeline:
@@ -138,7 +150,10 @@ def create_rag_pipeline(
     
     Args:
         collection_name: Qdrant 集合名称
-        llm: 用于生成多路查询的语言模型
+        llm: 用于生成多路查询的语言模型。
+             - "default_small": (默认) 使用小模型（本地 + DeepSeek）
+             - None / False: 不做查询改写
+             - BaseLanguageModel 实例: 自定义模型
         num_queries: 生成的查询变体数量
         rerank_top_n: 最终返回的文档数量
     

backend/app/rag/retriever.py

@@ -33,16 +33,16 @@ DEFAULT_PARENT_SEARCH_K = 5
 class HybridRetriever(BaseRetriever):
     """
     混合检索器：稠密向量 + BM25 稀疏向量 RRF 分数融合（异步）
-
+    
     使用 Qdrant Universal Query API (query_points)
     """
     collection_name: str = Field(description="Qdrant 集合名称")
     search_k: int = Field(default=DEFAULT_SEARCH_K, description="检索返回结果数")
-
+    
     _vector_store: Any = PrivateAttr()
     _client: Any = PrivateAttr()
     _sparse_embedder: Any = PrivateAttr()
-
+    
     def __init__(
         self,
         collection_name: str,
@@ -62,21 +62,39 @@ class HybridRetriever(BaseRetriever):
         self._vector_store = vector_store
         self._client = vector_store.get_async_qdrant_client()
         self._sparse_embedder = get_sparse_embedder()
-
+    
+    def _get_relevant_documents(
+        self, query: str, *, run_manager: Any = None
+    ) -> List[Document]:
+        """
+        同步检索（不推荐使用，仅供兼容性）
+        
+        注意：在异步环境中请使用 _aget_relevant_documents 或 ainvoke
+        """
+        import asyncio
+        try:
+            loop = asyncio.get_running_loop()
+            # 已有事件循环，使用 create_task
+            task = loop.create_task(self._aget_relevant_documents(query))
+            return loop.run_until_complete(task)
+        except RuntimeError:
+            # 没有事件循环，创建新的
+            return asyncio.run(self._aget_relevant_documents(query))
+    
     async def _aget_relevant_documents(
-        self, query: str, **kwargs
+        self, query: str, *, run_manager: Any = None
     ) -> List[Document]:
         """
         异步混合检索相关文档
         """
         # 1. 生成查询向量
-        dense_query = await self._vector_store._aembed_query(query)
+        dense_query = await self._vector_store.aembed_query(query)
         sparse_query = self._sparse_embedder.embed_query(query)
         sparse_vec = models.SparseVector(
             indices=sparse_query["indices"],
             values=sparse_query["values"]
         )
-
+        
         # 2. 使用 Qdrant 的 query_points API
         response = await self._client.query_points(
             collection_name=self.collection_name,
@@ -96,7 +114,7 @@ class HybridRetriever(BaseRetriever):
             limit=self.search_k,
             with_payload=True
         )
-
+        
         # 3. 转换结果
         results = []
         for point in response.points:
@@ -105,28 +123,28 @@ class HybridRetriever(BaseRetriever):
                 metadata=point.payload
             )
             results.append(doc)
-
-        debug(f"混合检索返回 %d 个文档", len(results))
+        
+        debug(f"混合检索返回 {len(results)} 个文档")
         return results
 
 
 class ParentHybridRetriever(BaseRetriever):
     """
     父子文档混合检索器（异步）：
-
+    
     1. 先用混合检索找到相关子文档
     2. 根据子文档的 parent_id 找到对应的父文档
     3. 去重并返回父文档
     """
-
+    
     collection_name: str = Field(description="Qdrant 集合名称")
     search_k: int = Field(default=DEFAULT_PARENT_SEARCH_K, description="检索返回结果数")
-
+    
     _vector_store: Any = PrivateAttr()
     _client: Any = PrivateAttr()
     _sparse_embedder: Any = PrivateAttr()
     _docstore: Any = PrivateAttr()
-
+    
     def __init__(
         self,
         collection_name: str,
@@ -149,24 +167,40 @@ class ParentHybridRetriever(BaseRetriever):
         self._client = vector_store.get_async_qdrant_client()
         self._sparse_embedder = get_sparse_embedder()
         self._docstore = docstore
-
+    
+    def _get_relevant_documents(
+        self, query: str, *, run_manager: Any = None
+    ) -> List[Document]:
+        """
+        同步检索（不推荐使用，仅供兼容性）
+        
+        注意：在异步环境中请使用 _aget_relevant_documents 或 ainvoke
+        """
+        import asyncio
+        try:
+            loop = asyncio.get_running_loop()
+            task = loop.create_task(self._aget_relevant_documents(query))
+            return loop.run_until_complete(task)
+        except RuntimeError:
+            return asyncio.run(self._aget_relevant_documents(query))
+    
     async def _aget_relevant_documents(
-        self, query: str, **kwargs
+        self, query: str, *, run_manager: Any = None
     ) -> List[Document]:
         """
         异步检索相关父文档
         """
         # 1. 生成查询向量
-        dense_query = await self._vector_store._aembed_query(query)
+        dense_query = await self._vector_store.aembed_query(query)
         sparse_query = self._sparse_embedder.embed_query(query)
         sparse_vec = models.SparseVector(
             indices=sparse_query["indices"],
             values=sparse_query["values"]
         )
-
+        
         # 2. 多取一些子文档，避免去重后数量不足
         search_limit = self.search_k * 2
-
+        
         # 3. 使用 query_points API 进行混合检索
         response = await self._client.query_points(
             collection_name=self.collection_name,
@@ -186,30 +220,30 @@ class ParentHybridRetriever(BaseRetriever):
             limit=search_limit,
             with_payload=True
         )
-
+        
         if not response.points:
             debug("混合检索未找到任何文档")
             return []
-
+        
         # 4. 收集 parent_id 和对应最高得分
         parent_score_map = {}
         parent_ids = set()
         child_point_map = {}  # 保存子文档点用于降级
-
+        
         for point in response.points:
             payload_copy = point.payload.copy()
             parent_id = payload_copy.get("parent_id", point.id)
             score = point.score
-
+            
             if parent_id not in parent_score_map or score > parent_score_map[parent_id]:
                 parent_score_map[parent_id] = score
                 parent_ids.add(parent_id)
                 child_point_map[parent_id] = point
-
+        
         # 5. 批量查询父文档
         parent_docs = []
         found_parent_ids = set()
-
+        
         # 先尝试从 Qdrant 直接查询（如果父文档也在 Qdrant 中）
         try:
             parent_points = await self._client.retrieve(
@@ -217,7 +251,7 @@ class ParentHybridRetriever(BaseRetriever):
                 ids=list(parent_ids),
                 with_payload=True
             )
-
+            
             for point in parent_points:
                 payload_copy = point.payload.copy()
                 doc = Document(
@@ -226,10 +260,10 @@ class ParentHybridRetriever(BaseRetriever):
                 )
                 parent_docs.append(doc)
                 found_parent_ids.add(point.id)
-
+            
         except Exception as e:
-            warning(f"从 Qdrant 查询父文档失败: %s", e)
-
+            warning(f"从 Qdrant 查询父文档失败: {e}")
+        
         # 6. 如果有 docstore，尝试从 docstore 查询剩余的父文档
         if self._docstore and len(found_parent_ids) < len(parent_ids):
             missing_parent_ids = parent_ids - found_parent_ids
@@ -240,12 +274,12 @@ class ParentHybridRetriever(BaseRetriever):
                         parent_docs.append(doc)
                         found_parent_ids.add(doc_id)
             except Exception as e:
-                warning(f"从 docstore 查询父文档失败: %s", e)
-
+                warning(f"从 docstore 查询父文档失败: {e}")
+        
         # 7. 降级：对于仍未找到的父文档，用子文档本身代替
         missing_parent_ids = parent_ids - found_parent_ids
         if missing_parent_ids:
-            warning(f"以下 parent_id 未找到对应的父文档，将返回子文档本身: %s", missing_parent_ids)
+            warning(f"以下 parent_id 未找到对应的父文档，将返回子文档本身: {missing_parent_ids}")
             for parent_id in missing_parent_ids:
                 child_point = child_point_map.get(parent_id)
                 if child_point:
@@ -255,17 +289,17 @@ class ParentHybridRetriever(BaseRetriever):
                         metadata=payload_copy
                     )
                     parent_docs.append(doc)
-
+        
         # 8. 按照得分降序排序，返回前 k 个
         parent_docs_with_scores = [
             (doc, parent_score_map.get(doc.metadata.get("id", doc.id if hasattr(doc, "id") else ""), 0.0))
             for doc in parent_docs
         ]
         parent_docs_with_scores.sort(key=lambda x: x[1], reverse=True)
-
+        
         final_docs = [doc for doc, _ in parent_docs_with_scores[:self.search_k]]
-        debug(f"父子文档混合检索返回 %d 个父文档", len(final_docs))
-
+        debug(f"父子文档混合检索返回 {len(final_docs)} 个父文档")
+        
         return final_docs
 
 
@@ -291,7 +325,7 @@ def create_hybrid_retriever(
         embeddings = get_embedding_service()
         info("使用统一嵌入服务（本地 llama.cpp → 智谱 API 自动降级）")
 
-    vector_store = QdrantHybridStore(collection_name=collection_name, embeddings=embeddings)
+    vector_store = QdrantHybridStore(collection_name=collection_name)
 
     try:
         vector_store.get_client().get_collection(collection_name)
@@ -336,7 +370,7 @@ def create_parent_hybrid_retriever(
         embeddings = get_embedding_service()
         info("使用统一嵌入服务（本地 llama.cpp → 智谱 API 自动降级）")
 
-    vector_store = QdrantHybridStore(collection_name=collection_name, embeddings=embeddings)
+    vector_store = QdrantHybridStore(collection_name=collection_name)
 
     try:
         vector_store.get_client().get_collection(collection_name)

backend/app/rag/tools.py

@@ -1,5 +1,5 @@
 """
-RAG 工具模块
+RAG 工具模块（完全异步）
 
 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。
@@ -13,78 +13,24 @@ from langchain_core.retrievers import BaseRetriever
 from app.rag.pipeline import RAGPipeline, create_rag_pipeline
 
 
-def create_rag_tool_sync(
+def create_rag_tool(
     retriever: Optional[BaseRetriever] = None,
-    llm: Optional[BaseLanguageModel] = None,
+    llm: Optional[BaseLanguageModel] = "default_small",
     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（同步版本）。
+    创建一个配置好的 RAG 检索工具（完全异步）。
     
     默认使用混合检索（稠密+BM25稀疏）+ 父子文档模式。
     
     Args:
         retriever: 基础检索器对象（可选，不提供则自动创建）
-        llm: 用于生成多路查询的语言模型（可选）
-        num_queries: 生成的查询变体数量
-        rerank_top_n: 最终返回的文档数量
-        collection_name: Qdrant 集合名称
-    
-    Returns:
-        LangChain Tool 函数
-    """
-    pipeline = RAGPipeline(
-        retriever=retriever,
-        llm=llm,
-        num_queries=num_queries,
-        rerank_top_n=rerank_top_n,
-        collection_name=collection_name,
-    )
-
-    @tool
-    def search_knowledge_base_sync(query: str) -> str:
-        """
-        在知识库中搜索与查询相关的文档片段。
-        
-        使用混合检索（稠密向量语义 + BM25 关键词）+ 父子文档模式，
-        检索效果最优。
-        
-        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
-        """
-        try:
-            documents = pipeline.retrieve(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_sync
-
-
-def create_rag_tool_async(
-    retriever: Optional[BaseRetriever] = None,
-    llm: Optional[BaseLanguageModel] = None,
-    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（异步版本）。
-    
-    默认使用混合检索（稠密+BM25稀疏）+ 父子文档模式。
-    
-    Args:
-        retriever: 基础检索器对象（可选，不提供则自动创建）
-        llm: 用于生成多路查询的语言模型（可选）
+        llm: 用于生成多路查询的语言模型。
+             - "default_small": (默认) 使用小模型（本地 + DeepSeek）
+             - None / False: 不做查询改写
+             - BaseLanguageModel 实例: 自定义模型
         num_queries: 生成的查询变体数量
         rerank_top_n: 最终返回的文档数量
         collection_name: Qdrant 集合名称
@@ -101,9 +47,9 @@ def create_rag_tool_async(
     )
 
     @tool
-    async def search_knowledge_base_async(query: str) -> str:
+    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（异步版本）。
+        在知识库中搜索与查询相关的文档片段（完全异步）。
         
         使用混合检索（稠密向量语义 + BM25 关键词）+ 父子文档模式，
         检索效果最优。
@@ -124,30 +70,4 @@ def create_rag_tool_async(
         except Exception as e:
             return f"检索过程中发生错误: {str(e)}"
     
-    return search_knowledge_base_async
-
-
-def create_rag_tool(
-    collection_name: str = "rag_documents",
-    llm: Optional[BaseLanguageModel] = None,
-    num_queries: int = 3,
-    rerank_top_n: int = 5,
-) -> Callable:
-    """
-    创建 RAG 检索工具的便捷函数（同步版本）。
-    
-    Args:
-        collection_name: Qdrant 集合名称
-        llm: 用于生成多路查询的语言模型（可选）
-        num_queries: 生成的查询变体数量
-        rerank_top_n: 最终返回的文档数量
-    
-    Returns:
-        LangChain Tool 函数
-    """
-    return create_rag_tool_sync(
-        collection_name=collection_name,
-        llm=llm,
-        num_queries=num_queries,
-        rerank_top_n=rerank_top_n,
-    )
+    return search_knowledge_base