28 Commits

Author	SHA1	Message	Date
root	3ae9daa01a	导入方式修改	2026-05-05 23:17:00 +08:00
root	8b5fbbd395	修改readme	2026-05-05 14:06:36 +08:00
root	d050dcf835	修改readme	2026-05-05 13:57:19 +08:00
root	9841f47432	refactor: 重构RAG核心组件，简化代码结构和测试文件	2026-05-04 17:58:10 +08:00
root	a07e398739	refactor!: 完全异步化 RAG 系统，移除 LangChain ParentDocumentRetriever 依赖 ... - 重写 rag_core/vector_store.py：完全异步实现 aadd_documents、asimilarity_search - 重写 app/rag/retriever.py：异步混合检索，移除同步兼容代码 - 修改 rag_indexer/index_builder.py：全链路异步调用 - 删除 rag_core/retriever_factory.py：不再使用 LangChain ParentDocumentRetriever - 清理冗余导入和代码：移除 model_services 兼容、不需要的异常导入 - 更新 rag_indexer/README.md：反映新架构 核心改进： - 完全异步化：索引构建和检索全链路 async/await - 自定义实现：不再依赖 LangChain 的 ParentDocumentRetriever - 双向量支持：子文档同时存储 dense + sparse 向量到 Qdrant - 架构清晰：rag_core 公共组件、rag_indexer 索引、app/rag 检索	2026-05-04 14:33:12 +08:00
root	4209386c77	refactor: 统一导入方式，移除 sys.path 操作 ... - 重构所有模块导入，移除 sys.path.insert - 统一使用 from backend.xxx 的绝对导入方式 - rag_core 包内使用相对导入（from .xxx） - 移动 visualize_graph.py 到 tools/ 目录 - 添加必要的 __init__.py 文件 - 清理废弃文档和脚本	2026-05-04 12:55:45 +08:00
root	8af82f8f7f	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	2026-05-04 02:54:37 +08:00
root	60afa86ded	feat: 实现 BM25 稀疏 + 稠密向量混合检索功能	2026-05-04 02:01:22 +08:00
root	2183c901b4	✨ 添加稀疏模型本地缓存功能 ... - 创建 download_sparse_model.py 脚本用于下载稀疏模型到本地 - 添加 SPARSE_MODEL_PATH 和 SPARSE_MODEL_NAME 配置 - 修改 retriever.py 和 index_builder.py 使用 cache_dir - 更新 .gitignore 排除 models/ 目录 - 更新 Dockerfile 在构建时下载稀疏模型	2026-05-03 18:55:39 +08:00
root	5c45806ad3	🚀 完全实现 Qdrant 混合检索功能 ... - 不需要兼容，完全重写为混合检索 - 检索器：强制使用 FastEmbedSparse + RetrievalMode.HYBRID - 索引器：强制启用稀疏向量，混合检索模式 - 添加 fastembed 依赖到 requirements.txt - 语法检查通过	2026-05-03 18:12:20 +08:00
root	ce6e459e19	✨ 添加可选稀疏向量支持到索引器 ... - 完全兼容现有代码：默认 enable_sparse=False - 启用时：需要安装 fastembed，设置 enable_sparse=True - 自动初始化 FastEmbedSparse 和 RetrievalMode.HYBRID - 失败时优雅回退到纯稠密 - 语法检查通过	2026-05-03 18:08:39 +08:00
root	8db63e7a8d	重构：添加模型服务模块，支持嵌入和重排服务的自动降级 ... 新增功能： - 创建 app/model_services 模块，提供统一的模型服务获取接口 - 实现 BaseServiceProvider 基类和 FallbackServiceChain 降级链 - 实现 get_embedding_service()：优先本地 llama.cpp，降级到智谱 API - 实现 get_rerank_service()：优先本地 llama.cpp，降级到智谱 API - 支持单例管理，确保全局只有一个服务实例 修改内容： - 更新 app/config.py，添加智谱 API 相关配置 - 修改 rag_core/vector_store.py：支持接受外部传入的 embeddings - 修改 rag_core/retriever_factory.py：支持接受外部传入的 embeddings - 修改 app/agent/rag_initializer.py：使用 get_embedding_service() - 修改 app/rag/pipeline.py：使用 get_rerank_service() - 修改 app/memory/mem0_client.py：智能判断可用服务配置 mem0 - 修改 rag_indexer/index_builder.py：支持使用新服务，保持向后兼容 - 修改 rag_indexer/config.py：添加智谱配置 环境变量： - ZHIPUAI_API_KEY：智谱 API 密钥（必选） - ZHIPU_EMBEDDING_MODEL：可选，默认 embedding-3 - ZHIPU_RERANK_MODEL：可选，默认 rerank-2 - ZHIPU_API_BASE：可选，默认 https://open.bigmodel.cn/api/paas/v4	2026-04-24 22:52:36 +08:00
root	4db8a51461	url报错修复	2026-04-22 13:28:14 +08:00
root	d8da45bc97	fix: 修复前后端启动问题，添加 BACKEND_PORT 配置	2026-04-22 01:34:34 +08:00
root	a869d884b7	docs: 更新文档路径引用，移除硬编码密钥，修复 Docker 配置	2026-04-22 00:43:06 +08:00
root	5e9bbd519f	测试修改	2026-04-21 20:49:10 +08:00
root	37e86f3bb1	参数配置统一	2026-04-21 19:06:34 +08:00
root	e2eaac9498	修改配置	2026-04-21 18:41:14 +08:00
root	08826c70a3	容器处理	2026-04-21 16:27:05 +08:00
root	8b354b7ccc	重构代码，统一config配置	2026-04-21 11:02:16 +08:00
root	726236eaff	重构代码，实现相对导入	2026-04-21 10:26:37 +08:00
root	8d4fc76a95	修改容器生成	2026-04-21 00:00:56 +08:00
root	3143e0e4e6	修改引用逻辑，修改长期记忆bug	2026-04-20 15:55:58 +08:00
root	4e981e9dcf	文件变更	2026-04-20 14:05:57 +08:00
root	3c906e91d9	重排，多路查询	2026-04-20 01:10:18 +08:00
root	933d418d77	检索器重构	2026-04-19 22:01:55 +08:00
root	cc8ef41ef9	RAG数据库生成	2026-04-19 15:01:40 +08:00
root	c18e8a9860	向量数据库	2026-04-18 16:56:23 +08:00