24 Commits

Author	SHA1	Message	Date
root	1260bef5cb	添加rag置信度判断	2026-05-06 01:15:52 +08:00
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	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	82dde7113e	修改rag，实现混合检索	2026-05-04 04:28:32 +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	5094a87a8f	✨ 使用 Qdrant 原生混合检索功能 ... - 用 langchain-qdrant 的 RetrievalMode.HYBRID - 自动检测 Qdrant 集合是否有 sparse_vectors_config - 有则用 Qdrant 原生混合检索，无则优雅回退纯稠密 - 接口完全兼容，0 改动现有代码 - 语法检查通过	2026-05-03 17:58:21 +08:00
root	422b3fb09e	✨ 实现真实混合检索框架 ... - 最优雅、最兼容、最少修改方案 - 混合检索框架：Qdrant 稠密检索 + BM25Retriever 关键词检索 - 接口完全兼容，现有代码无需改动 - 语法检查通过	2026-05-03 17:56:15 +08:00
root	17bc72b76c	✨ 实现真实的混合检索框架 ... - 移除假的 create_hybrid_retriever 实现 - 添加 HybridRetriever 类，支持检测 Qdrant 稀疏向量配置 - 更新 README.md 说明现状（未配置稀疏向量，优雅降级到纯稠密检索） - 语法检查通过	2026-05-03 17:46:38 +08:00
root	a9451681f6	📝 修复 rag/README.md 里的过时引用 ... - 从 app.graph.graph_builder 改为 app.main_graph.utils.main_graph_builder	2026-05-03 17:22:25 +08:00
root	223d1c9afd	优化memory、rag和embedding模块	2026-04-29 10:52:01 +08:00
root	048f57a89f	集成三个子图到主Agent架构 + 修复前后端字段不匹配问题 ... 主要变更： 1. 创建 subgraph_tools.py - 将三个子图包装为 LangChain 工具 2. 更新 graph_tools.py - 删除旧工具，添加子图工具 3. 更新系统提示词 - 介绍三个子系统 + RAG 能力 4. 简化 backend.py - 删除独立子图 API 端点 5. 修复 service.py 字段名不匹配问题 - content -> token 6. 前端界面优化 - 移动子图测试到侧边栏、删除测试审核按钮 7. 添加 pyjwt 依赖到 requirements.txt 8. 更新 docker-compose.yml - 添加前端代码挂载	2026-04-27 15:23:50 +08:00
root	92863e86dc	feat: 添加 RAG 评估模块，支持召回率和相关性评估	2026-04-26 15:39:05 +08:00
root	f63c394fcd	refactor: 重构 rerank 架构，分离服务层和业务逻辑 ... - rerank_services.py：纯服务层，只负责调用 rerank server - rag/rerank.py：业务逻辑层，负责文档处理、排序、top_n - 更新 pipeline.py 使用新架构 - 架构与 embedding_services.py 保持一致	2026-04-26 11:57:42 +08:00
root	55c910bbe0	cleanup: 删除旧的 rag/reranker.py ... - rag/reranker.py 是旧代码，不再使用 - 现在使用 model_services/rerank_services.py 提供重排服务 - pipeline.py 已经通过 get_rerank_service() 使用服务层	2026-04-26 11:43:06 +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	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	8b354b7ccc	重构代码，统一config配置	2026-04-21 11:02:16 +08:00