init: RAG 知识库服务初始提交

- 后端 API（Flask + Gunicorn）
- RAG 引擎（混合检索 + 云端 Reranker + 引用溯源）
- 文档解析（MinerU + 多格式支持）
- Docker 生产部署配置
- 排除前端项目、敏感配置、模型文件

scripts/analyze_chunks.py

@@ -0,0 +1,56 @@
+# -*- coding: utf-8 -*-
+"""分析 exported_chunks_v2 中的切片质量"""
+import re
+import os
+import sys
+
+sys.stdout.reconfigure(encoding='utf-8')
+
+BASE = r"c:\Users\qq318\Desktop\rag-agent\exported_chunks_v2\public_kb"
+
+print("=" * 60)
+print("切片质量分析报告")
+print("=" * 60)
+
+for fname in os.listdir(BASE):
+    if not fname.endswith('.md') or fname.startswith('_'):
+        continue
+    
+    fpath = os.path.join(BASE, fname)
+    with open(fpath, encoding='utf-8') as f:
+        data = f.read()
+    
+    # 提取所有 Length
+    lengths = [int(m) for m in re.findall(r'\*\*Length\*\*: (\d+) chars', data)]
+    
+    if not lengths:
+        print(f"\n{fname}: 未找到 Length 字段")
+        continue
+    
+    print(f"\n--- {fname} ---")
+    print(f"  总切片数: {len(lengths)}")
+    print(f"  最大: {max(lengths)}, 最小: {min(lengths)}, 平均: {sum(lengths)/len(lengths):.0f}")
+    print(f"  空(0字符): {sum(1 for l in lengths if l == 0)}")
+    print(f"  微短(<10字符): {sum(1 for l in lengths if l < 10)}")
+    print(f"  短(<20字符): {sum(1 for l in lengths if l < 20)}")
+    print(f"  短(<50字符): {sum(1 for l in lengths if l < 50)}")
+    print(f"  超长(>1000字符): {sum(1 for l in lengths if l > 1000)}")
+    print(f"  巨型(>2000字符): {sum(1 for l in lengths if l > 2000)}")
+    print(f"  巨型(>3000字符): {sum(1 for l in lengths if l > 3000)}")
+    
+    # 小型表格统计
+    bad_table = data.count('小型表格：表格')
+    empty_table_count = len(re.findall(r'小型表格：\s*```', data))
+    good_table = len(re.findall(r'小型表格：\S', data)) - bad_table
+    
+    if bad_table or empty_table_count or good_table:
+        print(f"  [表格摘要] 有意义: {good_table}, 无意义(仅'表格'): {bad_table}, 空标题: {empty_table_count}")
+    
+    # 列出 top 5 最大切片
+    if max(lengths) > 1000:
+        sorted_l = sorted(enumerate(lengths), key=lambda x: x[1], reverse=True)
+        print(f"  Top 5 最大切片:")
+        for idx, size in sorted_l[:5]:
+            print(f"    Chunk index {idx}: {size} chars")
+
+print("\n" + "=" * 60)