# 在线 RAG 检索与生成系统 (Online RAG Retriever)

该模块负责 RAG 系统的阶段二：**在线检索与生成**。它接收用户提问，从知识库中检索出上下文，利用各种高级策略去噪、融合，并作为增强上下文输入给大语言模型 (LLM)。

## 🎯 核心架构

### 技术栈

| 组件 | 技术选型 | 说明 |
|:-----|:---------|:-----|
| **基础检索** | `Qdrant` | HNSW 稠密向量检索 |
| **混合检索** | `Qdrant` + `BM25` | 稠密 + 稀疏向量融合，Qdrant 原生 RRF |
| **查询改写** | `LangChain` | `MultiQueryGenerator` 多路改写 |
| **重排序** | `llama.cpp` | 本地服务，OpenAI 兼容 Rerank API |
| **编排框架** | `asyncio` | 异步并行检索 |
| **服务接入** | `model_services` | 统一获取嵌入、LLM、重排序服务 |

### 检索流水线

```
                    用户查询
                        ↓
              ┌───────────────────┐
              │  MultiQueryGenerator │ (可选)
              │  多路查询改写       │
              └─────────┬─────────┘
                        ↓
              ┌───────────────────┐
              │  并行检索         │
              │  (asyncio.gather) │
              └─────────┬─────────┘
                        ↓
              ┌───────────────────┐
              │  Qdrant 混合检索  │
              │  (dense + sparse) │
              └─────────┬─────────┘
                        ↓
              ┌───────────────────┐
              │  RRF 分数融合     │ (Qdrant 原生)
              └─────────┬─────────┘
                        ↓
              ┌───────────────────┐
              │  重排序 (可选)    │
              └─────────┬─────────┘
                        ↓
              ┌───────────────────┐
              │  父文档获取       │
              └─────────┬─────────┘
                        ↓
                    增强上下文
```

### 技术特性

- ✅ **Qdrant 原生混合检索**：稠密向量 + BM25 稀疏向量，服务端 RRF 分数融合
- ✅ **父子文档策略**：子块精准检索，父块提供完整上下文
- ✅ **多路查询改写**：通过 LLM 将单一问题改写为多个不同角度的查询
- ✅ **远程重排序**：使用 llama.cpp 服务的 OpenAI 兼容 Rerank API
- ✅ **完全异步化**：检索、融合、重排序全链路 async / await
- ✅ **统一服务接入**：所有模型服务通过 `model_services` 获取

## 📂 架构与文件结构

```
backend/app/rag/
├── __init__.py
├── retriever.py           # Qdrant 混合检索器（含父子文档支持）
├── rerank.py              # llama.cpp 远程重排序器
├── query_transform.py     # 多路查询改写生成器
├── fusion.py              # RRF 融合算法（备用）
├── pipeline.py            # RAG 流水线编排
├── tools.py               # LangChain Tool 封装
├── evaluate.py            # 评估工具
└── README.md              # 本文档

backend/app/model_services/
├── embedding_services.py  # 嵌入服务
├── chat_services.py       # LLM 服务
└── rerank_services.py     # 重排序服务

backend/rag_core/
├── vector_store.py        # Qdrant 混合存储
├── sparse_embedder.py     # BM25 稀疏嵌入
├── doc_store.py           # PostgreSQL 文档存储
└── ...                    # 其他核心组件
```
## 🎯 演进路线与算法详解 (Roadmap)

### Level 1: 基础向量搜索 (Basic Similarity Search)

- **核心算法**: 近似最近邻搜索 (ANN, 常用 HNSW 算法)。将用户问题转化为向量后，计算它与库中向量的余弦相似度 (Cosine Similarity)，取距离最近的 K 个块。
- **优缺点**: 速度极快。但只能捕捉"语义相似"，如果用户搜索特定专有名词、编号、订单号，纯向量检索往往会失效（产生"幻觉"匹配）。
- **实现指南**:
  - 使用 `model_services.embedding_services` 获取嵌入模型
  - 使用 `app.rag.retriever` 中的 `create_base_retriever` 创建基础检索器
  - 配置检索返回数量进行初步召回

### Level 2: 混合检索与重排序（Hybrid Search + Reranker）

混合检索旨在结合向量的"语义泛化"与关键词的"精确匹配"，随后利用重排序模型过滤噪声。

**当前状态**：
- 混合检索已完全实现，使用 Qdrant 原生双向量存储 + RRF 分数融合
- Qdrant 集合已配置稀疏向量字段，支持 dense + sparse 同步检索
- 重排序器使用 llama.cpp 服务的 OpenAI 兼容 Rerank API

**1. 混合检索（核心）**：
- **核心原理**: 结合基于 HNSW 的 Dense Vector 相似度检索与基于 TF-IDF 的 BM25 稀疏检索 (Sparse Vector)
- **实现指南**: 使用 `app.rag.retriever` 中的 `create_hybrid_retriever` 或 `create_parent_hybrid_retriever` 函数
- **技术优势**: Qdrant 原生支持，无需客户端后处理，性能更优

**2. 二次精排 (Cross-Encoder)**：
- **核心原理**: 不同于双塔模型（分别算向量再求距离），交叉编码器将"用户问题 + 检索到的单例文档"拼接后整体输入 Transformer 模型，由模型直接输出 0~1 的相关性得分，精度极高
- **实现指南**: 使用 `app.rag.rerank` 中的 `LLaMaCPPReranker` 类，设置 `top_n` 保留最相关结果

### Level 3: RAG-Fusion (多路改写与倒数排名融合)

RAG-Fusion 通过大模型发散思维，将单一问题改写为多个相似问题，扩大搜索面，再利用数学统计算法合并结果。

**1. 多路查询改写**：
- **核心原理**: 克服用户初始提问词不达意或视角受限的问题
- **实现指南**: 使用 `app.rag.query_transform` 中的 `MultiQueryGenerator` 类，配置 `num_queries` 生成不同角度的查询

**2. 倒数排名融合 (RRF)**：
- **核心原理**: RRF (Reciprocal Rank Fusion) 是一种无需评分归一化的融合算法。公式为 `RRF_score(d) = Σ 1/(k + rank_q(d))`，有效避免某一极端检索结果主导全局
- **当前实现**: 使用 Qdrant 原生 FusionQuery 进行服务端 RRF 融合，性能更优

### Level 4: Agentic RAG / Self-RAG (智能体与自我反思)

- **核心原理**: 基于 LangGraph 的 ReAct (Reasoning and Acting) 状态机路由。大模型并非每次都去死板地执行检索，而是先判断问题："这是闲聊？还是需要查知识库？"。如果是后者，模型输出一个 `ToolCall` 指令，触发检索。
- **实现指南**: 使用 `app/rag/tools.py` 中的 `search_knowledge_base` 工具，将其绑定到 LangGraph 状态机中。

- **示意图**:

```
┌──────────┐     ┌──────────────┐     ┌──────────┐     ┌────────
│   User   │────>│ LangGraph    │────>│ RAG_Tool │────>│ Qdrant │
│          │     │ Agent        │     │          │     │        │
│ "公司报  │     │ 思考: 这是   │     │ ToolCall │     │ RAG-   │
│ 销流程？"│     │ 内部规章问题 │     │ search_  │     │ Fusion │
│          │     │ 需要查资料   │     │ knowledge│     │ & 混合 │
│          │<────│ 资料充分，   │<────│ 返回最相 │<────│ 检索   │
│ "根据知  │     │ 开始撰写回答 │     │ 关5条规定 │     │ Cross- │
│ 识库规定 │     │              │     │          │     │ Encoder│
│ ..."     │     │              │     │          │     │ 重排   │
└──────────     └──────────────     └──────────┘     └────────┘
```

### Level 5: GraphRAG 集成 (基于图和关系的 RAG)

- **核心原理**: 结合知识图谱的结构化关系和向量检索的语义相似度，解决跨文档复杂关系推理问题
- **实现指南**:
  - 使用 `langchain_community.graphs` 模块构建知识图谱
  - 配置本地大模型（如 `Gemma-4-E4B`）用于实体关系抽取
  - 实现混合检索逻辑，结合向量相似度和图路径分析

## 🔧 核心组件详解

### 1. 检索器 (retriever.py)

提供基于 Qdrant 的向量检索能力。

**基础检索器**：
- 功能：纯稠密向量检索
- 配置：集合名称、检索数量

**混合检索器**：
- 功能：稠密 + 稀疏向量混合检索，Qdrant 原生 RRF 融合
- 配置：集合名称、检索数量、分数阈值（可选）

**父子文档混合检索器**：
- 功能：子块检索 → 父块获取，提供完整上下文
- 配置：集合名称、检索数量

### 2. 多路查询改写 (query_transform.py)

通过 LLM 将用户问题改写为多个不同版本，扩大搜索面。

**配置**：
- LLM 服务：从 `model_services.chat_services` 获取
- 查询数量：默认 3 个

### 3. RRF 融合算法 (fusion.py)

Reciprocal Rank Fusion 算法，公式：`RRF_score(d) = Σ 1/(k + rank_q(d))`

**当前状态**：
- 主要使用 Qdrant 原生 FusionQuery 进行服务端融合
- 本模块为备用实现，用于特殊场景

### 4. 重排序器 (rerank.py)

使用 llama.cpp 服务的 OpenAI 兼容 Rerank API 对检索结果重排序。

**配置**：
- 服务地址：从环境变量或配置获取
- API Key：从环境变量或配置获取
- Top N：返回最相关的 N 个结果

### 5. RAG 流水线 (pipeline.py)

组合上述组件的完整检索流水线。

**主要功能**：
- 多路查询改写（可选）
- 混合检索（支持父子文档）
- 重排序（可选）
- 上下文格式化

**配置选项**：
- 集合名称
- LLM 服务
- 是否使用多路改写
- 是否使用重排序
- 检索/重排序数量

## 🔄 与 Agent 系统集成

### 封装为 LangChain Tool

- 创建工具函数，用于搜索知识库获取相关信息
- 工具描述要清晰，说明功能和用途

### 绑定到 LangGraph

- 将 RAG 工具添加到 Agent 可用工具列表
- 构建 LangGraph 图时传入工具列表
- 配置检查点（可选）用于状态持久化

## ⚙️ 环境配置

| 变量名 | 说明 | 默认值 |
|:-------|:-----|:-------|
| `QDRANT_URL` | Qdrant 向量数据库地址 | `http://115.190.121.151:6333` |
| `QDRANT_API_KEY` | Qdrant API 密钥 | - |
| `DB_HOST` | PostgreSQL 主机 | `115.190.121.151` |
| `DB_PORT` | PostgreSQL 端口 | `5432` |
| `DB_USER` | PostgreSQL 用户 | `postgres` |
| `DB_PASSWORD` | PostgreSQL 密码 | `postgres` |
| `DB_NAME` | PostgreSQL 数据库 | `rag_db` |
| `LLAMACPP_EMBEDDING_URL` | llama.cpp 嵌入服务地址 | `http://127.0.0.1:18001` |
| `LLAMACPP_RERANK_URL` | llama.cpp 重排序服务地址 | `http://127.0.0.1:18002` |
| `LLAMACPP_CHAT_URL` | llama.cpp 聊天服务地址 | `http://127.0.0.1:18000` |
| `LLAMACPP_API_KEY` | llama.cpp API 密钥 | `huang1998` |

## 🚀 快速开始

**步骤概览**：
1. 初始化模型服务：从 `model_services` 获取嵌入、LLM、重排序服务
2. 创建检索器：选择 `create_base_retriever`、`create_hybrid_retriever` 或 `create_parent_hybrid_retriever`
3. 创建 RAG 流水线：配置是否使用多路改写、是否使用重排序等
4. 执行检索：调用 `aretrieve` 进行异步检索
5. 格式化上下文：调用 `format_context` 整理为 LLM 可用格式

## 📊 检索策略对比

| 策略 | 优点 | 缺点 | 适用场景 |
|:-----|:-----|:-----|:---------|
| **基础向量检索** | 速度快，语义理解好 | 专有名词匹配差 | 通用问答 |
| **混合检索** | 语义 + 关键词匹配 | - | 专业术语查询 |
| **父子文档混合检索** | 检索精准 + 上下文完整 | - | 生产环境通用 |
| **多路改写 + RRF** | 搜索面广，结果稳定 | 延迟略高 | 复杂问题 |
| **重排序** | 精度高 | 依赖额外模型 | 最终精排 |

## 🤝 与 rag_indexer 集成

- **向量存储**：共享 Qdrant 集合，确保嵌入模型一致
- **文档存储**：使用 PostgreSQL 存储父块，通过 UUID 映射
- **集合名称**：默认使用 `rag_documents` 集合
- **服务接入**：统一使用 `model_services` 获取模型服务

详见 [rag_indexer/README.md](../../rag_indexer/README.md)