"""
Offline RAG Indexer module.

提供完整的离线索引构建功能，包括：
- 文档加载（PDF、Word、TXT 等）
- 文本切分（递归、语义、父子块）
- 向量嵌入（支持 llama.cpp）
- 向量存储（Qdrant）
- 父文档存储（PostgreSQL）

示例用法：
    >>> from rag_indexer import IndexBuilder, SplitterType
    >>> 
    >>> builder = IndexBuilder(
    ...     collection_name="my_docs",
    ...     splitter_type=SplitterType.PARENT_CHILD,
    ...     qdrant_url="http://localhost:6333"
    ... )
    >>> 
    >>> builder.build_from_file("document.pdf")
"""

from .loaders import DocumentLoader
from .splitters import (
    SplitterType,
    get_splitter,
    ParentChildSplitter,
)
from .embedders import LlamaCppEmbedder
from .vector_store import QdrantVectorStore
from .builder import IndexBuilder

# 导出存储相关类（从新的 store 包）
from .store import (
    PostgresDocStore,
    create_docstore,
)



__version__ = "2.0.0"

__all__ = [
    # 核心类
    "DocumentLoader",
    "IndexBuilder",
    
    # 切分相关
    "SplitterType",
    "get_splitter",
    "ParentChildSplitter",
    
    # 嵌入和向量存储
    "LlamaCppEmbedder",
    "QdrantVectorStore",
    
    # 存储（新的 store 包）
    "PostgresDocStore",
    "create_docstore",
]