docs: 重写 RAG 系统指南并重命名（移除 AgenticRAG 内容）
- 全面重写文档，反映统一编排路径和四层缓存架构 - 添加 Query Cache 修复说明和语义缓存集成文档 - 重命名 Agentic_RAG完整指南.md → RAG系统完整指南.md - 同步更新开发与系统模块说明.md 中的引用链接
This commit is contained in:
lacerate551
@@ -1,115 +1,30 @@
|
||||
# Agentic RAG 完整指南
|
||||
# RAG 系统完整指南
|
||||
|
||||
> **版本**: v3.2（模型/Reranker/管线更新）
|
||||
> **生产入口**: `api/chat_routes.py::rag()` → `core/engine.py`（轻量编排，当前启用）
|
||||
> **备用编排**: `core/agentic.py::AgenticRAG.process()` + 8 个 Mixin（完整决策循环，未接线）
|
||||
> **最后更新**: 2026-06-04
|
||||
> **版本**: v4.0（统一编排 + 四层缓存修复）
|
||||
> **生产入口**: `api/chat_routes.py::rag()` → `generate()` → `core/engine.py`
|
||||
> **最后更新**: 2026-06-05
|
||||
>
|
||||
> ⚠️ 项目存在两套编排，生产 `/rag` 走的不是 `AgenticRAG`——详见下方「一·五、两套编排路径」。
|
||||
> 本次更新：删除未使用的 AgenticRAG 备用编排路径（10 个文件 ~2050 行），修复 Query Cache 键不匹配与阈值问题，将语义缓存集成至生产 `/rag` 端点。
|
||||
|
||||
## 一、功能概述
|
||||
|
||||
Agentic RAG 是一个智能问答系统，基于 Mixin 模式组合 8 个功能模块，具备以下核心能力：
|
||||
本系统是一个检索增强生成（RAG）问答系统，采用**单一统一编排路径**，由 `api/chat_routes.py` 的 `generate()` 函数直接编排全流程。核心能力包括：
|
||||
|
||||
| 功能 | 说明 | Mixin 模块 |
|
||||
|------|------|-----------|
|
||||
| **意图分析** | LLM 驱动的查询改写 + 双层判断（是否需要检索） | `IntentAnalyzer`（独立模块） |
|
||||
| **查询重写** | 口语化→专业术语、实体补全、指代消解 | `QueryRewriteMixin` |
|
||||
| **混合检索** | 向量检索 + BM25 + RRF 融合 + Rerank 重排 | `SearchMixin` → `RAGEngine` |
|
||||
| **多源融合** | 知识库 + 网络搜索，智能处理冲突 | `AnswerMixin` |
|
||||
| **幻觉验证** | 基于参考信息验证答案，防止 LLM 编造 | `AnswerMixin` |
|
||||
| **引用标注** | 自动标注信息来源和引用编号 | `CitationMixin` |
|
||||
| **富媒体提取** | 图片/表格的智能提取与展示 | `RichMediaMixin` |
|
||||
| **质量评估** | 多维度质量评估（相关性/完整性/准确性/覆盖面） | `QualityMixin` |
|
||||
| **上下文压缩** | Rerank 阈值过滤 + Token 预算控制 | `ContextMixin` |
|
||||
| **元问题处理** | 文件列表、权限查询等非知识类问题 | `MetaQuestionMixin` |
|
||||
| **置信度门控** | 基于 Reranker 分数判断检索质量，低分触发补救 | `ConfidenceGate`（独立模块） |
|
||||
|
||||
---
|
||||
|
||||
## ⚠️ 一·五、两套编排路径（务必先读）
|
||||
|
||||
> **关键认知**：本项目存在**两套并存的编排（orchestration）**。生产 HTTP 接口 `/rag` 走的是**轻量编排**，而 `AgenticRAG.process()` 那套**完整决策循环目前处于备用状态、未接入任何 HTTP 路由**。
|
||||
> 阅读下方所有架构图前请先理解这一点——下面 2.1 的「整体架构图」描绘的是**备用路径（AgenticRAG.process）**，不是当前生产实际跑的流程。
|
||||
|
||||
### 路径对比
|
||||
|
||||
| 维度 | 🟢 生产路径（当前启用） | 💤 备用路径（未接线） |
|
||||
|------|----------------------|---------------------|
|
||||
| 入口 | `api/chat_routes.py` → `rag()` → `generate()` | `core/agentic.py` → `AgenticRAG.process()` |
|
||||
| 编排者 | `chat_routes` 自己的流程代码 | `AgenticRAG` 类（8 个 Mixin 组合） |
|
||||
| 意图分析 | ✅ `intent_analyzer.analyze_intent()` | ✅ `IntentAnalyzer` / `QueryRewriteMixin` |
|
||||
| 检索 | ✅ `search_hybrid()` → `engine.search_knowledge()` | ✅ `engine.search_knowledge()` |
|
||||
| 查询分解/扩展/MMR/自适应TopK | ✅ 在 `engine` 内部执行 | ✅ 同左 |
|
||||
| 答案生成 | ✅ `engine.generate_answer_stream()`（流式） | `AnswerMixin._generate_fused_answer()` |
|
||||
| 引用标注 | ✅ `chat_routes._attach_citations()`（本地版） | `CitationMixin._attach_citations()` |
|
||||
| 置信度门控 | ❌ 不调用 | `ConfidenceGate`（仅此路径用） |
|
||||
| 多维质量评估 | ❌ 不调用 | `QualityMixin._assess_quality()` |
|
||||
| 推理反思 | ❌ 不调用 | `QualityMixin._reflect_on_answer()` |
|
||||
| 循环防护 | ❌ 不调用 | `LoopGuard`（仅此路径用） |
|
||||
| 幻觉验证 | ❌ 不调用 | `AnswerMixin._verify_and_refine_answer()` |
|
||||
|
||||
### 重要结论
|
||||
|
||||
- **Agentic 的核心能力是活跃的**：意图分析+LLM改写、子查询拆分、查询扩展、自适应 TopK、MMR 去重、混合检索+Rerank——这些都在 `/rag` 中**真实运行**，只是由 `chat_routes` + `engine` 直接调用，而非通过 `AgenticRAG` 类。
|
||||
- **休眠的只是「决策循环编排类」**：`AgenticRAG.process()` 及其独有组件（置信度门控 / 质量评估 / 推理反思 / 循环防护 / 幻觉验证）未接入 `/rag`。
|
||||
- import 证据：`confidence_gate.py`、`quality_assessor.py`、`reasoning_reflector.py`、`loop_guard.py` 以及 8 个 `agentic_*` Mixin **只被 `core/agentic.py` import**；而 `AgenticRAG` 实例虽在 `api/__init__.py:90` 启动时创建，但其唯一读取入口 `_get_agentic_rag()` **零调用**。
|
||||
- **这不是死代码可删**：`AgenticRAG` 在启动时被实例化（直接删会导致启动报错），且 `_extract_rich_media` 被 `scripts/test_rag_image_recall.py` 使用。它是「**一套更重、更完整、目前未启用的 Agentic 决策闭环**」，未来可选择接入。
|
||||
|
||||
### 🔬 如何验证「系统现在到底走哪套流程」
|
||||
|
||||
**方法 1：看开发环境 SSE 调试事件（最直接）**
|
||||
|
||||
`/rag` 在 `IS_DEV=True` 时会发出一串**只有 `chat_routes` 编排才会发**的调试事件，收到它们即证明走的是生产路径：
|
||||
|
||||
```bash
|
||||
# UTF-8 payload 避免 Windows shell 编码问题
|
||||
curl -s -N -X POST http://localhost:5001/rag \
|
||||
-H "Content-Type: application/json; charset=utf-8" \
|
||||
-H "Authorization: Bearer mock-token-admin" \
|
||||
--data-binary @payload.json
|
||||
```
|
||||
|
||||
观察 SSE 事件序列，**生产路径**会依次出现这些 `type`（`AgenticRAG.process` 不发这些）：
|
||||
|
||||
| SSE 事件 `type` | 来源代码 | 含义 |
|
||||
|----------------|---------|------|
|
||||
| `start` | `chat_routes.py:1232` | 请求开始处理 |
|
||||
| `intent_result` | `chat_routes.py:1228` | 意图分析结果（来自 `intent_analyzer`）[DEV] |
|
||||
| `retrieval_debug` | `chat_routes.py:1311` | 检索管线各步骤（来自 `engine.search_knowledge` 的 `_debug`）[DEV] |
|
||||
| `chunks_retrieved` | `chat_routes.py:1416` | 召回切片详情 [DEV] |
|
||||
| `sources` | `chat_routes.py:1547` | 检索到的来源列表 |
|
||||
| `images_selected` | `chat_routes.py:1574` | 图片选择详情 [DEV] |
|
||||
| `context_built` | `chat_routes.py:1622` | 最终上下文构建 [DEV] |
|
||||
| `chunk` | `chat_routes.py:1630` | 流式答案的每个 token |
|
||||
| `finish` | `chat_routes.py:1699` | 含 `timing`、`sources`、`citations` |
|
||||
| `error` | `chat_routes.py:1733` | 处理异常时的错误信息 |
|
||||
|
||||
> 标注 [DEV] 的事件仅在 `IS_DEV=True` 时发送，其余事件在生产环境也会发送。
|
||||
|
||||
**方法 2：看服务端日志**
|
||||
|
||||
- 启动时：出现一次 `Agentic RAG 引擎已初始化`（`api/__init__.py:95`，仅实例化，不代表被调用）。
|
||||
- 每次 `/rag` 请求：出现 `[意图分析] use_context=... need_retrieval=...`（`chat_routes.py:1224`）。
|
||||
- **不会**出现任何来自 `AgenticRAG.process()` 内部的日志（如查询重写 `📝 查询重写`、`🔍 知识库检索: N 条结果`）——若出现则说明走了备用路径。
|
||||
|
||||
**方法 3：埋点验证（最确定）**
|
||||
|
||||
临时在 `core/agentic.py` 的 `AgenticRAG.process()` 第一行加 `logger.warning("AgenticRAG.process CALLED")`，重启后发 `/rag` 请求——**该日志不会触发**，即证明生产不走 `AgenticRAG`。
|
||||
|
||||
**方法 4：静态确认调用链**
|
||||
|
||||
```bash
|
||||
grep -rn "_get_agentic_rag()" --include="*.py" . # 仅定义，无调用者 → AgenticRAG 实例未被请求使用
|
||||
grep -rn "\.process(" --include="*.py" api/ # /rag、/chat 均无 .process() 调用
|
||||
```
|
||||
| 功能 | 说明 | 实现位置 |
|
||||
|------|------|----------|
|
||||
| **意图分析** | LLM 驱动的双层判断（是否需要检索）+ 查询改写 | `core/intent_analyzer.py` |
|
||||
| **混合检索** | 向量检索 + BM25 + RRF 融合 + Rerank 重排 | `core/engine.py` |
|
||||
| **四层缓存** | Query + Embedding + Rerank（LRU）+ 语义缓存（FAISS） | `core/cache.py` + `core/semantic_cache.py` |
|
||||
| **流式生成** | SSE 流式答案输出，逐 token 推送 | `core/engine.py::generate_answer_stream()` |
|
||||
| **引用标注** | 自动标注信息来源和引用编号 | `api/chat_routes.py::_attach_citations()` |
|
||||
| **富媒体** | 图片/表格的智能提取与展示 | `api/chat_routes.py` |
|
||||
| **查询理解** | 查询分解、扩展、MMR 去重、自适应 TopK | `core/` 各独立模块 |
|
||||
| **安全护栏** | 敏感信息过滤、Prompt 安全守卫 | `api/response_utils.py`、`core/prompt_guard.py` |
|
||||
|
||||
---
|
||||
|
||||
## 二、系统架构
|
||||
|
||||
> ⚠️ 注意：下方 2.1「整体架构图」描绘的是**备用路径 `AgenticRAG.process()`** 的完整设计；当前生产 `/rag` 的实际流程见上方「一·五」及本节 2.3「生产 /rag 实际流程」。
|
||||
|
||||
### 2.1 整体架构图
|
||||
|
||||
```
|
||||
@@ -118,6 +33,12 @@ grep -rn "\.process(" --include="*.py" api/ # /rag、/chat 均无 .proce
|
||||
└────────────────────────────┬────────────────────────────────────────┘
|
||||
↓
|
||||
┌─────────────────────────────────────────────────────────────────────┐
|
||||
│ 语义缓存检查 (SemanticCache - FAISS) │
|
||||
│ cosine ≥ 0.92 → 命中则直接返回缓存结果 │
|
||||
│ 跳过检索 + 生成全流程（~100ms vs ~9s） │
|
||||
└────────────────────────────┬────────────────────────────────────────┘
|
||||
↓ 未命中
|
||||
┌─────────────────────────────────────────────────────────────────────┐
|
||||
│ 意图分析 (IntentAnalyzer) │
|
||||
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
|
||||
│ │ 改写查询 │ │ 双层判断 │ │ 子查询拆分 │ │
|
||||
@@ -126,26 +47,24 @@ grep -rn "\.process(" --include="*.py" api/ # /rag、/chat 均无 .proce
|
||||
└─────────┼──────────────────┼──────────────────┼─────────────────────┘
|
||||
↓ ↓ ↓
|
||||
┌──────────┐ ┌──────────────────────────────────────────┐
|
||||
│ 直接回答 │ │ AgenticRAG.process() │
|
||||
│ (LLM) │ │ 1. 元问题检查 │
|
||||
└──────────┘ │ 2. 查询重写 (QueryRewriteMixin) │
|
||||
│ 3. 知识库检索 (RAGEngine.search_knowledge)│
|
||||
│ 4. 上下文压缩 (ContextMixin) │
|
||||
│ 5. 网络搜索 (SearchMixin, 可选) │
|
||||
│ 6. （图谱检索已废弃，graph/ 目录已清空） │
|
||||
│ 7. 融合答案生成 (AnswerMixin) │
|
||||
│ 8. 幻觉验证 (AnswerMixin) │
|
||||
│ 9. 富媒体提取 (RichMediaMixin) │
|
||||
│ 10. 引用标注 (CitationMixin) │
|
||||
│ 直接回答 │ │ 统一编排流程 │
|
||||
│ (LLM) │ │ 1. 混合检索 (engine.search_knowledge) │
|
||||
└──────────┘ │ 2. 上下文提取 + 来源去重 │
|
||||
│ 3. 图片补充检索 + 打分选择 │
|
||||
│ 4. 构建上下文 │
|
||||
│ 5. 流式答案生成 (engine.generate_stream) │
|
||||
│ 6. 答案图号对齐 + 引用标注 │
|
||||
│ 7. 敏感信息过滤 │
|
||||
│ 8. 语义缓存写入 + SSE finish │
|
||||
└────────────────────┬─────────────────────┘
|
||||
↓
|
||||
┌─────────────────────────────────────────────────────────────────────┐
|
||||
│ 检索层 (RAGEngine) │
|
||||
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
|
||||
│ │ 向量检索 │ │ BM25 检索 │ │ FAQ 独立召回 │ │
|
||||
│ │ (语义匹配) │ │ (关键词匹配) │ │ (精准命中) │ │
|
||||
│ └──────┬───────┘ └──────┬───────┘ └──────┬───────┘ │
|
||||
│ └─────────────────┼─────────────────┘ │
|
||||
│ │ 查询缓存 │ │ 向量检索 │ │ BM25 检索 │ │
|
||||
│ │ (LRU 500) │ │ (语义匹配) │ │ (关键词匹配) │ │
|
||||
│ │ 命中直接返回│ └──────┬───────┘ └──────┬───────┘ │
|
||||
│ └──────────────┘ └─────────────────┘ │
|
||||
│ ↓ │
|
||||
│ ┌──────────────┐ │
|
||||
│ │ RRF 融合 │ ← 动态权重（查询类型/长度驱动）│
|
||||
@@ -167,78 +86,133 @@ grep -rn "\.process(" --include="*.py" api/ # /rag、/chat 均无 .proce
|
||||
┌─────────────────────────────────────────────────────────────────────┐
|
||||
│ 答案生成 (LLM 流式) │
|
||||
│ ┌────────────────────────────────────────────────────────────────┐ │
|
||||
│ │ 整合多源信息 + 标注来源 + 处理冲突 + 引用编号 + SSE 流式输出 │ │
|
||||
│ │ 整合多源信息 + 标注来源 + 引用编号 + SSE 流式输出 │ │
|
||||
│ └────────────────────────────────────────────────────────────────┘ │
|
||||
└─────────────────────────────────────────────────────────────────────┘
|
||||
```
|
||||
|
||||
### 2.2 Mixin 组合架构
|
||||
### 2.2 编排方式
|
||||
|
||||
```python
|
||||
class AgenticRAG(
|
||||
QueryRewriteMixin, # 查询重写：口语化→专业术语、实体补全
|
||||
SearchMixin, # 检索功能：网络搜索
|
||||
AnswerMixin, # 答案生成：融合回答、幻觉验证
|
||||
CitationMixin, # 引用处理：来源标注、引用编号
|
||||
RichMediaMixin, # 富媒体：图片/表格提取
|
||||
QualityMixin, # 质量评估：多维评估
|
||||
ContextMixin, # 上下文处理：压缩、过滤
|
||||
MetaQuestionMixin # 元问题：文件列表、权限查询
|
||||
):
|
||||
...
|
||||
```
|
||||
系统采用**函数式编排**而非类组合模式。整个 RAG 流程由 `api/chat_routes.py` 的 `generate()` 函数直接控制，按步骤调用各独立模块：
|
||||
|
||||
> 注：以上 2.1 / 2.2 是 `AgenticRAG`（备用路径）的设计。**当前生产 `/rag` 不实例化走这条链**，实际流程见下方 2.3。
|
||||
- **意图分析**：`core/intent_analyzer.py` 的 `analyze_intent()`
|
||||
- **检索管线**：`core/engine.py` 的 `search_knowledge()`
|
||||
- **流式生成**：`core/engine.py` 的 `generate_answer_stream()`
|
||||
- **引用标注**：`api/chat_routes.py` 内的 `_attach_citations()`
|
||||
- **缓存系统**：`core/cache.py` 的 `RAGCacheManager` 单例 + `core/semantic_cache.py` 的 `SemanticCache` 单例
|
||||
|
||||
### 2.3 生产 /rag 实际流程（当前启用）
|
||||
|
||||
入口 `api/chat_routes.py::rag() → generate()`，**不经过 `AgenticRAG`**：
|
||||
|
||||
```
|
||||
POST /rag (SSE 流式)
|
||||
↓
|
||||
[chat_routes.generate()] ← 轻量编排，不实例化 AgenticRAG
|
||||
│
|
||||
├─ 发 SSE: start
|
||||
│
|
||||
├─ 1. 意图分析 intent_analyzer.analyze_intent() # chat_routes:1222
|
||||
│ ├─ need_retrieval=False → 直接 LLM 回答（流式发 SSE: chunk），结束
|
||||
│ │ └─ use_context=True 时带历史上下文，use_context=False 时纯闲聊
|
||||
│ └─ 否则继续；sub_queries 传入检索
|
||||
│ └─[DEV] 发 SSE: intent_result
|
||||
│
|
||||
├─ 2. 混合检索 search_hybrid() → engine.search_knowledge() # chat_routes:1300
|
||||
│ （内部：向量+BM25+RRF+废止过滤+章节过滤
|
||||
│ +云端Rerank+MMR去重+FAQ加权+黑名单+时间衰减
|
||||
│ +上下文扩展+自适应TopK）
|
||||
│ └─[DEV] 发 SSE: retrieval_debug
|
||||
│
|
||||
├─ 3. 提取上下文/来源（按 source 去重，doc_type 驱动溯源展示） # chat_routes:1362
|
||||
│ └─[DEV] 发 SSE: chunks_retrieved
|
||||
│ └─ 发 SSE: sources
|
||||
│
|
||||
├─ 4. 图片补充检索 + 图片打分选择 (select_images)
|
||||
│ └─[DEV] 发 SSE: images_selected
|
||||
├─ 5. 构建上下文 (_order_text_contexts_for_prompt)
|
||||
│ └─[DEV] 发 SSE: context_built
|
||||
│
|
||||
├─ 6. 流式答案生成 engine.generate_answer_stream() # chat_routes:1628
|
||||
│ └─ 逐 token 发 SSE: chunk
|
||||
│
|
||||
├─ 7. 答案图号对齐过滤
|
||||
├─ 8. 引用标注 chat_routes._attach_citations()（本地版，非 CitationMixin） # chat_routes:1668
|
||||
├─ 9. 敏感信息过滤 filter_response()
|
||||
├─ 10. 发 SSE: finish（answer + sources + citations + images + timing）
|
||||
└─[异常] 发 SSE: error
|
||||
```
|
||||
|
||||
**与备用路径（AgenticRAG.process）的差异**：生产路径**没有**置信度门控、多维质量评估、推理反思、循环防护、幻觉验证这几步——它们只存在于 `AgenticRAG.process()`。
|
||||
各模块通过 `get_engine()`、`get_cache_manager()`、`get_semantic_cache()` 等工厂函数获取全局单例实例。
|
||||
|
||||
---
|
||||
|
||||
## 三、意图分析流程
|
||||
## 三、四层缓存架构
|
||||
|
||||
### 3.1 IntentAnalyzer 双层判断
|
||||
### 3.1 缓存层次概览
|
||||
|
||||
| 层次 | 缓存类型 | 存储结构 | 容量 | TTL | 作用 |
|
||||
|------|----------|----------|------|-----|------|
|
||||
| L1 | Query Cache | LRU (OrderedDict) | 500 条 | 1 小时 | 缓存完整问答结果，命中后跳过整个检索+生成 |
|
||||
| L2 | Embedding Cache | LRU (OrderedDict) | 2000 条 | 24 小时 | 缓存向量化结果，避免重复调用 embedding 模型 |
|
||||
| L3 | Rerank Cache | LRU (OrderedDict) | 1000 条 | 1 小时 | 缓存 Rerank 分数，避免重复调用 Reranker |
|
||||
| L4 | Semantic Cache | FAISS IndexFlatIP | 10000 条 | 无过期 | 语义级缓存，相似查询也能命中 |
|
||||
|
||||
### 3.2 Query Cache
|
||||
|
||||
Query Cache 是最外层的完整问答结果缓存。命中后直接返回缓存的 `answer + sources + citations`，跳过检索和生成全流程。
|
||||
|
||||
**缓存键设计**：`{query_hash}:{kb_name}:{kb_version}`
|
||||
|
||||
- 基于查询文本哈希 + 知识库名称 + 知识库版本号
|
||||
- 知识库版本变更时（如文档更新/重新索引），相关缓存自动失效
|
||||
|
||||
**已修复的问题**：
|
||||
|
||||
1. **键不匹配问题（已修复）**：此前 `set_query_result()` 在有 `doc_ids` 参数时使用 `doc_hash` 分支生成键，而 `get_query_result()` 始终使用 `kb_version` 分支——导致 GET 和 SET 的键永远不匹配，命中率始终为 0%。修复后两端统一使用 `kb_version` 分支。
|
||||
|
||||
2. **写入阈值问题（已修复）**：`CACHE_MIN_SCORE` 原值为 `0.3`，但 ChromaDB 余弦距离经 `1 - dist` 计算后得分通常在 0.03-0.06 之间，远低于阈值，导致几乎不写入缓存。修复后设为 `0.0`。
|
||||
|
||||
### 3.3 Embedding Cache
|
||||
|
||||
缓存文本向量化结果，由 `RAGEngine` 在调用 embedding 模型前后自动读写。键为查询文本哈希，避免对相同文本重复调用 embedding 模型（如 DashScope text-embedding-v3）。
|
||||
|
||||
### 3.4 Rerank Cache
|
||||
|
||||
缓存 Rerank 重排序的分数结果。键为 `query + sorted(doc_ids)` 的精确匹配。注意：由于 RRF 融合产出差异，命中率可能偏低。
|
||||
|
||||
### 3.5 语义缓存（Semantic Cache）
|
||||
|
||||
语义缓存基于 FAISS 向量索引实现语义级匹配——即使查询文字不完全相同，只要语义足够相似（cosine similarity ≥ 0.92），就能命中缓存。
|
||||
|
||||
**工作机制**：
|
||||
|
||||
```
|
||||
用户查询 → embedding 编码 → FAISS 向量检索
|
||||
→ cosine ≥ 0.92 → 命中：返回缓存的 answer + sources + citations（~100ms）
|
||||
→ cosine < 0.92 → 未命中：执行完整 RAG 流程后写入缓存
|
||||
```
|
||||
|
||||
**集成位置**：
|
||||
|
||||
- **读取**：在 `generate()` 函数的意图分析之后、混合检索之前（跳过整个检索+生成流程）
|
||||
- **写入**：在 `generate()` 函数生成完整答案后、发送 `finish` 事件之前
|
||||
- **缓存内容**：answer、sources、citations、images、tables
|
||||
|
||||
**验证结果**：语义缓存命中率约 66.7%，平均响应从 ~9.2 秒降至 ~100 毫秒（约 92 倍加速）。
|
||||
|
||||
### 3.6 缓存失效机制
|
||||
|
||||
所有基于 LRU 的缓存（L1-L3）均支持基于知识库版本号（`kb_version`）的自动失效：
|
||||
|
||||
- 每个缓存条目关联 `kb_version`
|
||||
- 知识库文档变更时 `kb_version` 递增
|
||||
- 读取时检查 `kb_version` 是否匹配，不匹配则视为过期
|
||||
|
||||
语义缓存（L4）当前无 TTL 过期机制，仅受 `max_size=10000` 容量限制。
|
||||
|
||||
### 3.7 缓存配置
|
||||
|
||||
```python
|
||||
# config.py / config.example.py
|
||||
|
||||
# 查询结果缓存
|
||||
QUERY_CACHE_ENABLED = True
|
||||
QUERY_CACHE_SIZE = 500
|
||||
QUERY_CACHE_TTL = 3600 # 秒
|
||||
|
||||
# Embedding 缓存
|
||||
EMBEDDING_CACHE_ENABLED = True
|
||||
EMBEDDING_CACHE_SIZE = 2000
|
||||
EMBEDDING_CACHE_TTL = 86400 # 24小时
|
||||
|
||||
# Rerank 缓存
|
||||
RERANK_CACHE_ENABLED = True
|
||||
RERANK_CACHE_SIZE = 1000
|
||||
RERANK_CACHE_TTL = 3600
|
||||
|
||||
# 语义缓存
|
||||
SEMANTIC_CACHE_ENABLED = True
|
||||
SEMANTIC_CACHE_THRESHOLD = 0.92 # cosine 相似度阈值
|
||||
|
||||
# 缓存写入最低置信度
|
||||
CACHE_MIN_SCORE = 0.0 # ChromaDB 余弦距离经 1-dist 后得分约 0.03-0.06，须设为 0
|
||||
```
|
||||
|
||||
### 3.8 部署注意事项
|
||||
|
||||
当前所有缓存均为**进程内内存存储**（LRU 使用 `OrderedDict`，语义缓存使用 FAISS 内存索引），有以下部署影响：
|
||||
|
||||
- **单 Worker**：Gunicorn 默认 1 个 worker，所有请求共享同一缓存实例，缓存有效
|
||||
- **多 Worker**：每个 worker 有独立缓存，不共享，缓存效率降低
|
||||
- **冷启动**：进程重启后缓存全部丢失，需重新预热
|
||||
- **`max_requests=1000`**：Gunicorn worker 定期重启会导致缓存周期性清空
|
||||
|
||||
对于生产环境多实例部署场景，已规划 Redis 外部缓存迁移方案（见 `reports/redis_migration_plan.md`）。
|
||||
|
||||
---
|
||||
|
||||
## 四、意图分析流程
|
||||
|
||||
### 4.1 IntentAnalyzer 双层判断
|
||||
|
||||
意图分析由 `core/intent_analyzer.py` 的 `IntentAnalyzer` 类完成，采用 **LLM 驱动** 的双层判断：
|
||||
|
||||
@@ -269,7 +243,7 @@ POST /rag (SSE 流式)
|
||||
- intent: factual/comparison/reasoning/instruction/other
|
||||
```
|
||||
|
||||
### 3.2 QueryClassifier 规则分类
|
||||
### 4.2 QueryClassifier 规则分类
|
||||
|
||||
`core/query_classifier.py` 提供无 LLM 调用的快速规则分类：
|
||||
|
||||
@@ -286,9 +260,9 @@ POST /rag (SSE 流式)
|
||||
|
||||
---
|
||||
|
||||
## 四、检索管线详解
|
||||
## 五、检索管线详解
|
||||
|
||||
### 4.1 完整检索流程
|
||||
### 5.1 完整检索流程
|
||||
|
||||
```
|
||||
search_knowledge(query, top_k=30)
|
||||
@@ -335,7 +309,7 @@ search_knowledge(query, top_k=30)
|
||||
└─ 15. 缓存写入 → 返回结果
|
||||
```
|
||||
|
||||
### 4.2 混合检索代码示例
|
||||
### 5.2 混合检索代码示例
|
||||
|
||||
```python
|
||||
# 向量检索（语义相似）
|
||||
@@ -348,7 +322,10 @@ bm25_results = bm25_index.search(query, top_k=recall_k)
|
||||
faq_results = faq_collection.query(query_embeddings=[query_vector], n_results=3)
|
||||
|
||||
# 图片独立召回（P0 通道）
|
||||
image_results = collection.query(query_embeddings=[query_vector], n_results=5, where={"chunk_type": {"$in": ["image", "chart", "table"]}})
|
||||
image_results = collection.query(
|
||||
query_embeddings=[query_vector], n_results=5,
|
||||
where={"chunk_type": {"$in": ["image", "chart", "table"]}}
|
||||
)
|
||||
|
||||
# RRF 融合（动态权重）
|
||||
fused = reciprocal_rank_fusion([vector_results, bm25_results], weights=[vector_w, bm25_w])
|
||||
@@ -360,7 +337,7 @@ reranked = rerank_results(query, fused, top_k=15)
|
||||
mmr_results = mmr_rerank(query_emb, reranked, top_k=30, lambda_param=0.5)
|
||||
```
|
||||
|
||||
### 4.3 RRF 融合算法
|
||||
### 5.3 RRF 融合算法
|
||||
|
||||
```
|
||||
RRF分数 = Σ (权重 / (k + 排名位置))
|
||||
@@ -376,9 +353,9 @@ RRF分数 = Σ (权重 / (k + 排名位置))
|
||||
- 查询类型驱动: FACT→BM25优先, PROCESS→向量优先
|
||||
```
|
||||
|
||||
### 4.4 Rerank 重排
|
||||
### 5.4 Rerank 重排
|
||||
|
||||
**后端**: 支持三种模式，由 `RERANK_BACKEND` 环境变量控制
|
||||
**后端**：支持三种模式，由 `RERANK_BACKEND` 环境变量控制
|
||||
|
||||
| RERANK_BACKEND | 说明 |
|
||||
|----------------|------|
|
||||
@@ -386,20 +363,20 @@ RRF分数 = Σ (权重 / (k + 排名位置))
|
||||
| `"local"` | 仅使用本地 `BAAI/bge-reranker-base`（CrossEncoder / ONNX） |
|
||||
| `"fallback"` | 优先云端，失败时自动回退本地（推荐生产环境） |
|
||||
|
||||
**云端 Reranker（推荐）**:
|
||||
**云端 Reranker（推荐）**：
|
||||
|
||||
```python
|
||||
# config.py
|
||||
RERANK_BACKEND = os.getenv("RERANK_BACKEND", "local") # local / cloud / fallback
|
||||
RERANK_CLOUD_MODEL = "qwen3-rerank" # DashScope 云端 Rerank 模型
|
||||
RERANK_BACKEND = os.getenv("RERANK_BACKEND", "local")
|
||||
RERANK_CLOUD_MODEL = "qwen3-rerank"
|
||||
RERANK_CLOUD_API_KEY = os.getenv("RERANK_CLOUD_API_KEY", DASHSCOPE_API_KEY)
|
||||
RERANK_CLOUD_BASE_URL = "https://dashscope.aliyuncs.com/compatible-api/v1/reranks"
|
||||
RERANK_CLOUD_TIMEOUT = 15 # 云端请求超时(秒)
|
||||
RERANK_CLOUD_TIMEOUT = 15
|
||||
```
|
||||
|
||||
`CloudReranker` 类（`core/engine.py`）封装 DashScope 的 `/compatible-api/v1/reranks` 接口，提供与本地 `CrossEncoder.predict()` / `ONNXReranker.predict()` 一致的调用接口。
|
||||
|
||||
**本地 Reranker（备选）**:
|
||||
**本地 Reranker（备选）**：
|
||||
|
||||
```python
|
||||
def rerank_results(self, query, results, top_k=5):
|
||||
@@ -409,69 +386,73 @@ def rerank_results(self, query, results, top_k=5):
|
||||
# 返回 top_k 个最高分结果
|
||||
```
|
||||
|
||||
**调用位置**: `core/engine.py` 的 `search_knowledge()` 和 `_search_multi_kb()` 中，RRF 融合 + 废止/章节过滤之后、MMR 去重之前执行。
|
||||
|
||||
**引擎初始化顺序**: `RAGEngine.__init__()` 中按 `RERANK_BACKEND` 决定加载策略：
|
||||
- `cloud` / `fallback`：先尝试创建 `CloudReranker`，需要 `RERANK_CLOUD_API_KEY`
|
||||
- `local` / `fallback`（云端失败时）：加载本地 `BAAI/bge-reranker-base`，支持 ONNX 加速
|
||||
**调用位置**：`core/engine.py` 的 `search_knowledge()` 和 `_search_multi_kb()` 中，RRF 融合 + 废止/章节过滤之后、MMR 去重之前执行。
|
||||
|
||||
---
|
||||
|
||||
## 五、置信度门控
|
||||
## 六、生产 /rag 完整流程
|
||||
|
||||
`core/confidence_gate.py` 基于 Reranker 分数判断检索结果质量：
|
||||
入口 `api/chat_routes.py::rag() → generate()`：
|
||||
|
||||
```
|
||||
检索结果 → Reranker 计算置信度 → 阈值判断 → 决策
|
||||
│
|
||||
┌─────────────────┼─────────────────┐
|
||||
↓ ↓ ↓
|
||||
PASS (≥0.4) REWRITE (0.2~0.4) WEB_SEARCH (<0.2)
|
||||
继续生成 查询重写 网络搜索补救
|
||||
POST /rag (SSE 流式)
|
||||
↓
|
||||
[chat_routes.generate()]
|
||||
│
|
||||
├─ 发 SSE: start
|
||||
│
|
||||
├─ 1. 语义缓存检查 SemanticCache.get() # chat_routes
|
||||
│ ├─ 命中 → 直接流式发 SSE: chunk + finish，结束（~100ms）
|
||||
│ └─ 未命中 → 继续；记录 embedding 供后续写入
|
||||
│
|
||||
├─ 2. 意图分析 intent_analyzer.analyze_intent()
|
||||
│ ├─ need_retrieval=False → 直接 LLM 回答（流式发 SSE: chunk），结束
|
||||
│ │ └─ use_context=True 时带历史上下文，use_context=False 时纯闲聊
|
||||
│ └─ 否则继续；sub_queries 传入检索
|
||||
│ └─[DEV] 发 SSE: intent_result
|
||||
│
|
||||
├─ 3. 混合检索 search_hybrid() → engine.search_knowledge()
|
||||
│ （内部：查询缓存检查 → 向量+BM25+RRF+废止过滤+章节过滤
|
||||
│ +云端Rerank+MMR去重+FAQ加权+黑名单+时间衰减
|
||||
│ +上下文扩展+自适应TopK）
|
||||
│ └─[DEV] 发 SSE: retrieval_debug
|
||||
│
|
||||
├─ 4. 提取上下文/来源（按 source 去重，doc_type 驱动溯源展示）
|
||||
│ └─[DEV] 发 SSE: chunks_retrieved
|
||||
│ └─ 发 SSE: sources
|
||||
│
|
||||
├─ 5. 图片补充检索 + 图片打分选择 (select_images)
|
||||
│ └─[DEV] 发 SSE: images_selected
|
||||
├─ 6. 构建上下文 (_order_texts_for_prompt)
|
||||
│ └─[DEV] 发 SSE: context_built
|
||||
│
|
||||
├─ 7. 流式答案生成 engine.generate_answer_stream()
|
||||
│ └─ 逐 token 发 SSE: chunk
|
||||
│
|
||||
├─ 8. 答案图号对齐过滤
|
||||
├─ 9. 引用标注 _attach_citations()
|
||||
├─ 10. 敏感信息过滤 filter_response()
|
||||
├─ 11. 语义缓存写入 SemanticCache.set() # 写入缓存供后续命中
|
||||
├─ 12. 发 SSE: finish（answer + sources + citations + images + timing）
|
||||
└─[异常] 发 SSE: error
|
||||
```
|
||||
|
||||
**阈值配置**:
|
||||
- `PASS_THRESHOLD = 0.2`: 通过阈值（低于此值需要补救）
|
||||
- `GOOD_THRESHOLD = 0.4`: 良好阈值（高质量结果）
|
||||
- `EXCELLENT_THRESHOLD = 0.7`: 优秀阈值
|
||||
### SSE 事件序列
|
||||
|
||||
---
|
||||
| SSE 事件 `type` | 含义 |
|
||||
|----------------|------|
|
||||
| `start` | 请求开始处理 |
|
||||
| `intent_result` | 意图分析结果 [DEV] |
|
||||
| `retrieval_debug` | 检索管线各步骤 [DEV] |
|
||||
| `chunks_retrieved` | 召回切片详情 [DEV] |
|
||||
| `sources` | 检索到的来源列表 |
|
||||
| `images_selected` | 图片选择详情 [DEV] |
|
||||
| `context_built` | 最终上下文构建 [DEV] |
|
||||
| `chunk` | 流式答案的每个 token |
|
||||
| `finish` | 含 `timing`、`sources`、`citations`、`images` |
|
||||
| `error` | 处理异常时的错误信息 |
|
||||
|
||||
## 六、AgenticRAG 主流程
|
||||
|
||||
### 6.1 process() 方法
|
||||
|
||||
```python
|
||||
def process(self, query, verbose=True, history=None,
|
||||
allowed_levels=None, role=None, department=None,
|
||||
emit_log=None) -> dict:
|
||||
"""
|
||||
返回:
|
||||
{
|
||||
"answer": str, # 最终答案
|
||||
"sources": list, # 来源列表
|
||||
"images": list, # 图片列表
|
||||
"tables": list, # 表格列表
|
||||
"citations": list, # 引用列表
|
||||
"log_trace": list # 推理过程追踪
|
||||
}
|
||||
"""
|
||||
```
|
||||
|
||||
### 6.2 流程步骤
|
||||
|
||||
| 步骤 | 方法 | 说明 |
|
||||
|------|------|------|
|
||||
| 1 | `_is_meta_question()` | 检查元问题（文件列表、权限等） |
|
||||
| 2 | `should_rewrite()` + `_rewrite_query()` | 查询重写（口语化→专业术语、实体补全） |
|
||||
| 3 | `engine.search_knowledge()` / `engine.search_multiple()` | 知识库检索（含向量+BM25+RRF+MMR+Rerank） |
|
||||
| 4 | `_compress_contexts()` | 上下文压缩（Rerank 阈值过滤） |
|
||||
| 5 | `_web_search_flow()` | 网络搜索（可选，需 SERPER_API_KEY） |
|
||||
| 6 | ~~`_graph_search()`~~ | ~~图谱检索（已废弃，graph/ 目录已清空）~~ |
|
||||
| 7 | `_generate_fused_answer()` | 融合答案生成（多源信息+冲突处理） |
|
||||
| 8 | `_verify_and_refine_answer()` | 幻觉验证（防止 LLM 编造） |
|
||||
| 9 | `_extract_rich_media()` | 富媒体提取（图片/表格） |
|
||||
| 10 | `_attach_citations()` | 引用标注 |
|
||||
> 标注 [DEV] 的事件仅在 `IS_DEV=True` 时发送。
|
||||
|
||||
---
|
||||
|
||||
@@ -489,7 +470,7 @@ curl -X POST http://localhost:5001/rag \
|
||||
}'
|
||||
```
|
||||
|
||||
**响应格式**: SSE（Server-Sent Events）流式返回
|
||||
**响应格式**：SSE（Server-Sent Events）流式返回
|
||||
|
||||
```
|
||||
event: token
|
||||
@@ -501,7 +482,7 @@ data: {"text": "规定"}
|
||||
...
|
||||
|
||||
event: finish
|
||||
data: {"answer": "完整答案", "sources": [...], "citations": [...], "images": [...], "duration_ms": 3200}
|
||||
data: {"answer": "完整答案", "sources": [...], "citations": [...], "images": [...], "duration_ms": 200}
|
||||
```
|
||||
|
||||
### 7.2 代码调用
|
||||
@@ -520,20 +501,27 @@ for token in engine.generate_answer_stream(query, context, history=history):
|
||||
print(token, end="", flush=True)
|
||||
```
|
||||
|
||||
### 7.3 AgenticRAG 调用
|
||||
### 7.3 缓存统计查询
|
||||
|
||||
```python
|
||||
from core.agentic import AgenticRAG
|
||||
|
||||
rag = AgenticRAG(max_iterations=3, enable_web_search=True)
|
||||
result = rag.process("出差补助标准是什么？")
|
||||
|
||||
print(f"答案: {result['answer']}")
|
||||
print(f"来源: {result['sources']}")
|
||||
print(f"图片: {result['images']}")
|
||||
print(f"引用: {result['citations']}")
|
||||
```bash
|
||||
# 查看各层缓存命中率和统计
|
||||
curl http://localhost:5001/cache/stats \
|
||||
-H "Authorization: Bearer mock-token-admin"
|
||||
```
|
||||
|
||||
返回示例：
|
||||
|
||||
```json
|
||||
{
|
||||
"query_cache": {"total_entries": 50, "hits": 10, "misses": 6, "hit_rate": 0.625},
|
||||
"embedding_cache": {"total_entries": 200, "hits": 0, "misses": 0, "hit_rate": 0},
|
||||
"rerank_cache": {"total_entries": 100, "hits": 0, "misses": 0, "hit_rate": 0},
|
||||
"semantic_cache": {"total_entries": 15, "hits": 6, "misses": 3, "hit_rate": 0.667}
|
||||
}
|
||||
```
|
||||
|
||||
> 注：当 Query Cache 或 Semantic Cache 在外层拦截了重复查询时，Embedding Cache 和 Rerank Cache 的命中率为 0 是正常现象——重复查询根本不会到达这些层。
|
||||
|
||||
---
|
||||
|
||||
## 八、配置说明
|
||||
@@ -565,10 +553,10 @@ RECALL_MULTIPLIER = 3 # 候选池最小倍数
|
||||
# 重排序
|
||||
USE_RERANK = True # 启用重排序
|
||||
RERANK_BACKEND = "local" # "local"=本地模型, "cloud"=云端API, "fallback"=优先云端失败回退本地
|
||||
RERANK_CLOUD_MODEL = "qwen3-rerank" # 云端 Rerank 模型（DashScope API）
|
||||
RERANK_CLOUD_MODEL = "qwen3-rerank"
|
||||
RERANK_CANDIDATES = 20 # 送入重排序的候选数
|
||||
RERANK_TOP_K = 15 # 重排序后保留数
|
||||
RERANK_USE_ONNX = True # ONNX 加速（仅本地模式，环境变量控制，默认开启）
|
||||
RERANK_USE_ONNX = True # ONNX 加速（仅本地模式，环境变量控制）
|
||||
|
||||
# RRF 融合
|
||||
RRF_K = 60 # RRF 常数
|
||||
@@ -581,30 +569,7 @@ MMR_TOP_K = 30 # MMR 保留数
|
||||
MMR_LAMBDA = 0.5 # 相关性 vs 多样性权衡
|
||||
```
|
||||
|
||||
### 8.3 缓存配置
|
||||
|
||||
```python
|
||||
# 查询结果缓存
|
||||
QUERY_CACHE_ENABLED = True
|
||||
QUERY_CACHE_SIZE = 500
|
||||
QUERY_CACHE_TTL = 3600 # 1小时
|
||||
|
||||
# Embedding 缓存
|
||||
EMBEDDING_CACHE_ENABLED = True
|
||||
EMBEDDING_CACHE_SIZE = 2000
|
||||
EMBEDDING_CACHE_TTL = 86400 # 24小时
|
||||
|
||||
# Rerank 缓存
|
||||
RERANK_CACHE_ENABLED = True
|
||||
RERANK_CACHE_SIZE = 1000
|
||||
RERANK_CACHE_TTL = 3600 # 1小时
|
||||
|
||||
# 语义缓存
|
||||
SEMANTIC_CACHE_ENABLED = True
|
||||
SEMANTIC_CACHE_THRESHOLD = 0.92 # 相似度阈值
|
||||
```
|
||||
|
||||
### 8.4 设备配置
|
||||
### 8.3 设备配置
|
||||
|
||||
```python
|
||||
DEVICE = "auto" # auto / cuda / cpu / cuda:0
|
||||
@@ -618,17 +583,9 @@ RERANK_DEVICE = DEVICE # Rerank 模型设备
|
||||
|
||||
```
|
||||
core/ # RAG 核心引擎
|
||||
├── engine.py # RAGEngine 单例（检索主流程、Rerank、RRF）
|
||||
├── agentic.py # AgenticRAG 主类（Mixin 组合）
|
||||
├── agentic_base.py # 基础常量与条件导入
|
||||
├── agentic_query.py # QueryRewriteMixin（查询重写）
|
||||
├── agentic_search.py # SearchMixin（网络搜索）
|
||||
├── agentic_answer.py # AnswerMixin（答案生成、幻觉验证）
|
||||
├── agentic_citation.py # CitationMixin（引用标注）
|
||||
├── agentic_media.py # RichMediaMixin（富媒体提取）
|
||||
├── agentic_quality.py # QualityMixin（质量评估）
|
||||
├── agentic_context.py # ContextMixin（上下文压缩）
|
||||
├── agentic_meta.py # MetaQuestionMixin（元问题处理）
|
||||
├── engine.py # RAGEngine 单例（检索主流程、Rerank、RRF、流式生成）
|
||||
├── cache.py # 三层 LRU 缓存管理器（Query/Embedding/Rerank）
|
||||
├── semantic_cache.py # 语义缓存（FAISS IndexFlatIP）
|
||||
├── bm25_index.py # BM25Index（关键词检索）
|
||||
├── chunker.py # 文本分块器
|
||||
├── mmr.py # MMR 去重（语义向量版 + 文本 Jaccard 版）
|
||||
@@ -637,14 +594,13 @@ core/ # RAG 核心引擎
|
||||
├── query_decomposer.py # QueryDecomposer（复杂查询拆分）
|
||||
├── query_expansion.py # 查询扩展
|
||||
├── adaptive_topk.py # AdaptiveTopK（自适应 TopK）
|
||||
├── confidence_gate.py # ConfidenceGate（置信度门控）
|
||||
├── quality_assessor.py # 多维质量评估
|
||||
├── reasoning_reflector.py # 推理反思
|
||||
├── loop_guard.py # 循环防护
|
||||
├── confidence_gate.py # ConfidenceGate（置信度门控，当前未接入生产流程）
|
||||
├── quality_assessor.py # 多维质量评估（当前未接入生产流程）
|
||||
├── reasoning_reflector.py # 推理反思（当前未接入生产流程）
|
||||
├── loop_guard.py # 循环防护（当前未接入生产流程）
|
||||
├── prompt_guard.py # Prompt 安全守卫
|
||||
├── llm_budget.py # LLM 调用预算控制
|
||||
├── llm_utils.py # LLM 调用工具函数
|
||||
├── semantic_cache.py # 语义缓存
|
||||
├── cache.py # 三层缓存管理器（Query/Embedding/Rerank）
|
||||
├── status_codes.py # 状态码定义
|
||||
└── constants.py # 公共常量
|
||||
|
||||
@@ -666,7 +622,7 @@ knowledge/ # 知识库管理
|
||||
|
||||
api/ # API 路由层
|
||||
├── __init__.py # create_app() 工厂
|
||||
├── chat_routes.py # /chat, /rag(SSE), /search
|
||||
├── chat_routes.py # /chat, /rag(SSE), /search（核心编排入口）
|
||||
├── kb_routes.py # /collections
|
||||
├── document_routes.py # /documents/*
|
||||
├── sync_routes.py # /sync
|
||||
@@ -726,6 +682,10 @@ deploy/ # 部署配置
|
||||
├── gunicorn.conf.py # Gunicorn WSGI 配置
|
||||
└── wsgi.py # WSGI 入口
|
||||
|
||||
reports/ # 分析报告
|
||||
├── cache_performance_report.md # 缓存性能验证报告
|
||||
└── redis_migration_plan.md # Redis 缓存迁移方案（规划中）
|
||||
|
||||
config/ # 运行时配置
|
||||
└── banned_words.txt # 敏感词库
|
||||
```
|
||||
@@ -734,8 +694,8 @@ config/ # 运行时配置
|
||||
|
||||
## 十、与传统 RAG 对比
|
||||
|
||||
| 特性 | 传统 RAG | Agentic RAG (当前) |
|
||||
|------|---------|-------------------|
|
||||
| 特性 | 传统 RAG | 本系统 |
|
||||
|------|---------|--------|
|
||||
| 意图判断 | 无 | IntentAnalyzer LLM 双层判断 |
|
||||
| 查询改写 | 无 | 口语化→专业术语 + 实体补全 + 指代消解 |
|
||||
| 检索方式 | 单一向量检索 | 向量 + BM25 + FAQ + 图片独立召回 |
|
||||
@@ -744,14 +704,11 @@ config/ # 运行时配置
|
||||
| 重排序 | 无 | 云端 qwen3-rerank API（支持本地 BGE 回退） |
|
||||
| 问题分解 | 无 | 自动拆分对比/推理类查询 |
|
||||
| 闲聊处理 | 无 | 意图分析自动判断 |
|
||||
| 网络搜索 | 无 | 可选支持（Serper API） |
|
||||
| 知识图谱 | 无 | ~~可选支持（Neo4j）~~（已废弃，graph/ 目录已清空） |
|
||||
| 幻觉验证 | 无 | 基于参考信息的答案验证 |
|
||||
| 置信度门控 | 无 | Reranker 分数驱动，低分触发补救 |
|
||||
| 缓存 | 无 | 三层缓存 + 语义缓存 |
|
||||
| 缓存体系 | 无 | 四层缓存（Query + Embedding + Rerank + 语义缓存） |
|
||||
| 语义缓存 | 无 | FAISS 向量索引，相似查询复用（92x 加速） |
|
||||
| 自适应 TopK | 固定 top_k | 根据置信度动态调整 |
|
||||
| 上下文理解 | 无 | 多轮对话 + 历史上下文 |
|
||||
| 响应时间 | ~2秒 | ~3-8秒（取决于 Rerank + LLM） |
|
||||
| 响应时间 | ~2秒 | 首次 ~3-8秒 / 缓存命中 ~100-200毫秒 |
|
||||
|
||||
---
|
||||
|
||||
@@ -759,71 +716,71 @@ config/ # 运行时配置
|
||||
|
||||
### 11.1 Rerank 调用路径
|
||||
|
||||
Rerank 在系统中有 **两个独立调用路径**：
|
||||
Rerank 在生产流程中有 **一个调用路径**：
|
||||
|
||||
| 路径 | 位置 | 说明 |
|
||||
|------|------|------|
|
||||
| 主检索管线 | `engine.rerank_results()` | RRF 融合后、MMR 去重前执行，对候选重排取 top_k |
|
||||
| 置信度门控 | `confidence_gate._compute_scores()` | 直接调用 `reranker.predict()`，可能重复推理 |
|
||||
|
||||
### 11.2 性能瓶颈
|
||||
### 11.2 性能特征
|
||||
|
||||
| 瓶颈 | 严重程度 | 说明 |
|
||||
|------|---------|------|
|
||||
| Rerank 缓存命中率偏低 | 🟡 中 | `rerank_results()` 已正确调用缓存读写，但缓存 key 基于 `query + sorted(doc_ids)` 精确匹配，RRF 融合产出稍有不同就无法命中 |
|
||||
| 置信度门控重复推理 | 🟡 中 | 同一 query+documents 可能被 Rerank 两次（当前仅备用路径使用，暂未影响生产） |
|
||||
| ~~无性能计时~~ | ~~🟡 中~~ | 已修复：`rerank_results()` 现返回 `_rerank_time_ms` 计时字段 |
|
||||
| 查询分类器策略未生效 | 🟢 低 | `QueryClassifier` 定义的差异化 rerank 参数未传递到引擎 |
|
||||
| 项目 | 说明 |
|
||||
|------|------|
|
||||
| Rerank 缓存命中率 | 偏低——键基于 `query + sorted(doc_ids)` 精确匹配，RRF 融合产出稍有不同就无法命中 |
|
||||
| 性能计时 | `rerank_results()` 返回 `_rerank_time_ms` 计时字段 |
|
||||
| Query Cache 拦截 | 重复查询被 Query Cache 在外层拦截，不会到达 Rerank 层（正确行为） |
|
||||
|
||||
### 11.3 Rerank 配置参数
|
||||
|
||||
| 配置项 | 默认值 | 说明 |
|
||||
|--------|--------|------|
|
||||
| `USE_RERANK` | `True` | 总开关 |
|
||||
| `RERANK_BACKEND` | `"local"` | 后端选择：`local`=本地模型, `cloud`=云端API, `fallback`=优先云端失败回退本地 |
|
||||
| `RERANK_CLOUD_MODEL` | `"qwen3-rerank"` | 云端 Rerank 模型名称（DashScope API） |
|
||||
| `RERANK_BACKEND` | `"local"` | 后端选择 |
|
||||
| `RERANK_CLOUD_MODEL` | `"qwen3-rerank"` | 云端模型名称 |
|
||||
| `RERANK_CLOUD_API_KEY` | 同 `DASHSCOPE_API_KEY` | 云端 API 密钥 |
|
||||
| `RERANK_CLOUD_BASE_URL` | `https://dashscope.aliyuncs.com/compatible-api/v1/reranks` | 云端 API 地址 |
|
||||
| `RERANK_CLOUD_TIMEOUT` | `15` | 云端请求超时（秒） |
|
||||
| `RERANK_MODEL_PATH` | `models/bge-reranker-base` | 本地模型路径（仅 local/fallback 模式） |
|
||||
| `RERANK_MODEL_PATH` | `models/bge-reranker-base` | 本地模型路径 |
|
||||
| `RERANK_CANDIDATES` | `20` | 送入 Rerank 的候选数 |
|
||||
| `RERANK_TOP_K` | `15` | Rerank 后保留数 |
|
||||
| `RERANK_USE_ONNX` | `True`（环境变量默认） | ONNX 加速开关（仅本地模式） |
|
||||
| `RERANK_DEVICE` | 跟随 `DEVICE` | 设备选择（仅本地模式） |
|
||||
| `RERANK_USE_ONNX` | `True` | ONNX 加速开关 |
|
||||
| `RERANK_DEVICE` | 跟随 `DEVICE` | 设备选择 |
|
||||
| `RERANK_THRESHOLD` | `0.3` | 上下文过滤阈值 |
|
||||
| `RERANK_CACHE_ENABLED` | `True` | 缓存开关（已在 `rerank_results()` 中使用） |
|
||||
| `RERANK_CACHE_ENABLED` | `True` | 缓存开关 |
|
||||
|
||||
---
|
||||
|
||||
## 十二、最佳实践
|
||||
|
||||
### 12.1 何时使用 Agentic RAG
|
||||
### 12.1 何时使用 /rag 接口
|
||||
|
||||
✅ **推荐使用**：
|
||||
- 复杂问题需要多轮检索
|
||||
**推荐使用**：
|
||||
|
||||
- 复杂问题需要检索知识库
|
||||
- 用户表达模糊需要改写
|
||||
- 需要区分闲聊和知识问答
|
||||
- 需要多轮对话记忆
|
||||
- 需要引用来源和幻觉验证
|
||||
- 需要引用来源和证据
|
||||
|
||||
❌ **不推荐使用**：
|
||||
- 简单明确的问题（用 `/search` 接口更快）
|
||||
- 对响应时间极度敏感的场景
|
||||
**不推荐使用**（改用 `/search` 接口更快）：
|
||||
|
||||
- 简单明确的问题，只需返回原始检索结果
|
||||
- 对响应时间极度敏感且不需要 LLM 生成答案的场景
|
||||
|
||||
### 12.2 性能优化
|
||||
|
||||
```python
|
||||
# 减少迭代次数
|
||||
rag = AgenticRAG(max_iterations=2)
|
||||
|
||||
# 禁用网络搜索
|
||||
rag = AgenticRAG(enable_web_search=False)
|
||||
|
||||
# ONNX 加速默认已开启；如有兼容性问题可关闭（环境变量）
|
||||
# RERANK_USE_ONNX=false
|
||||
|
||||
# 使用轻量 MMR（文本相似度代替语义向量）
|
||||
# config.py: MMR_USE_EMBEDDING = False
|
||||
|
||||
# 调整语义缓存阈值（降低阈值可提高命中率，但可能降低准确性）
|
||||
# config.py: SEMANTIC_CACHE_THRESHOLD = 0.90
|
||||
|
||||
# 调整缓存容量
|
||||
# config.py: QUERY_CACHE_SIZE = 1000 # 增大查询缓存容量
|
||||
```
|
||||
|
||||
### 12.3 调试技巧
|
||||
@@ -834,73 +791,62 @@ result = engine.search_knowledge("问题", top_k=10)
|
||||
debug = result.get('_debug', {})
|
||||
for step in debug.get('steps', []):
|
||||
print(f"步骤: {step['name']}, 详情: {step}")
|
||||
|
||||
# 查看缓存统计
|
||||
from core.cache import get_cache_manager
|
||||
cm = get_cache_manager()
|
||||
print(cm.get_stats())
|
||||
|
||||
# 查看语义缓存统计
|
||||
from core.semantic_cache import get_semantic_cache
|
||||
sc = get_semantic_cache()
|
||||
print({"hits": sc.hits, "misses": sc.misses, "total": sc.total_entries})
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 附加篇：Agentic RAG 深入优化与工作机制
|
||||
## 十三、演进记录
|
||||
|
||||
### 一、Agentic RAG 的核心架构
|
||||
### v4.0（2026-06-05）— 统一编排 + 四层缓存修复
|
||||
|
||||
Agentic RAG 构建了动态的决策闭环，核心组件包括：
|
||||
**删除未使用的备用编排路径**：移除了 `core/agentic.py` 及 8 个 Mixin 文件（共 10 个文件 ~2050 行）。这些文件实现了完整的决策循环编排（含置信度门控、质量评估、推理反思等），但从未接入任何 HTTP 路由。
|
||||
|
||||
- **意图分析器**：LLM 驱动的双层判断，替代硬编码规则
|
||||
- **查询重写器**：口语化→专业术语、实体补全、指代消解
|
||||
- **混合检索引擎**：向量 + BM25 + FAQ + 图片独立召回 + RRF 融合
|
||||
- **MMR 去重**：平衡相关性与多样性，Rerank 后进一步精炼结果
|
||||
- **Rerank 重排**：云端 qwen3-rerank API 精确排序，支持本地 BGE 回退
|
||||
- **置信度门控**：Reranker 分数驱动，低分触发补救流程
|
||||
- **幻觉验证**：基于参考信息验证答案，防止 LLM 编造
|
||||
**修复 Query Cache**：
|
||||
|
||||
### 二、分阶段优化策略
|
||||
1. 修复 GET/SET 键不匹配——此前 SET 使用 `doc_hash` 分支，GET 使用 `kb_version` 分支，两端永远不匹配，命中率始终为 0%
|
||||
2. 修复 `CACHE_MIN_SCORE = 0.3` 阈值过高——ChromaDB 余弦距离经 `1-dist` 后得分约 0.03-0.06，远低于 0.3，导致几乎不写入缓存
|
||||
|
||||
#### 1. 检索前：优化查询质量
|
||||
**集成语义缓存**：将 FAISS 语义缓存从已删除的备用路径移植到生产 `/rag` 端点，在意图分析后、混合检索前检查，命中时跳过整个检索+生成流程。验证结果：命中率 66.7%，92 倍加速。
|
||||
|
||||
- **智能查询重写**：口语化表述 → 精准检索术语
|
||||
- **复杂问题分解**：对比/推理类查询自动拆分为子查询
|
||||
- **意图分析**：LLM 双层判断，避免不必要的检索
|
||||
### v3.2 — 模型/Reranker/管线更新
|
||||
|
||||
#### 2. 检索中：提升召回精准度
|
||||
引入云端 qwen3-rerank、ONNX 加速、动态 RRF 权重等。
|
||||
|
||||
- **多路召回与融合**：向量 + BM25 + FAQ + 图片独立召回
|
||||
- **动态 RRF 权重**：查询类型/长度驱动的权重调整
|
||||
- **MMR 去重**：Rerank 后进一步精炼，平衡相关性与多样性（召回100 → Rerank取15 → MMR精炼）
|
||||
- **Rerank 重排**：云端 qwen3-rerank 精排，置信度门控过滤低质量结果
|
||||
---
|
||||
|
||||
#### 3. 检索后：质量评估与自我迭代
|
||||
## 十四、未来规划
|
||||
|
||||
- **多维质量评估**：相关性/完整性/准确性/覆盖面
|
||||
- **推理反思**：检查推理过程中未验证的假设
|
||||
- **分层补救**：低置信度 → 查询重写 → 网络搜索
|
||||
### Redis 缓存外部化
|
||||
|
||||
### 三、系统级优化
|
||||
当前四层缓存均为进程内内存存储，在多 Worker / 多实例部署时无法共享。已规划 Redis 迁移方案（详见 `reports/redis_migration_plan.md`），核心设计：
|
||||
|
||||
#### 1. 避免"循环检索"陷阱
|
||||
- `RedisCacheManager` 提供与 `RAGCacheManager` 相同的接口
|
||||
- 通过 `REDIS_CACHE_URL` 环境变量启用，向后兼容
|
||||
- 语义缓存采用混合方案：FAISS 索引保持在进程内，缓存结果存储到 Redis
|
||||
- Query Cache、Embedding Cache、Rerank Cache 全部迁移到 Redis
|
||||
|
||||
- 循环防护器（`loop_guard.py`）：最多允许 N 次重写检索
|
||||
- 置信度递增检查：连续两次无提升则终止
|
||||
### 可选能力接入
|
||||
|
||||
#### 2. 平衡智能性与效率
|
||||
`core/` 目录下仍保留以下独立模块，当前未接入生产流程，可按需启用：
|
||||
|
||||
- 轻量级决策模型：意图分析使用低温度、少 token 的 LLM 调用
|
||||
- 三层缓存：Query Cache + Embedding Cache + Rerank Cache
|
||||
- 语义缓存：相似查询复用结果（threshold=0.92）
|
||||
- LLM 预算控制：`MAX_LLM_CALLS_PER_QUERY = 2`
|
||||
- `confidence_gate.py`：置信度门控，基于 Reranker 分数判断检索质量
|
||||
- `quality_assessor.py`：多维质量评估（相关性/完整性/准确性/覆盖面）
|
||||
- `reasoning_reflector.py`：推理反思，检查未验证的假设
|
||||
- `loop_guard.py`：循环防护，防止重复检索
|
||||
|
||||
#### 3. 安全与可解释性
|
||||
---
|
||||
|
||||
- 证据溯源：引用标注 + 来源编号
|
||||
- 思维链展示：`log_trace` 记录推理过程
|
||||
- 安全护栏：输入验证 + 输出过滤 + 权限控制
|
||||
|
||||
### 四、学术前沿
|
||||
|
||||
1. **RAG-Gym**：三维度系统优化（提示工程 + 执行器调优 + 评判器训练）
|
||||
2. **过程监督 vs 结果监督**：细粒度过程奖励显著提升训练效率
|
||||
3. **Re2Search**：推理反思机制，F1 score 提升 10%+
|
||||
|
||||
### 参考资料
|
||||
## 参考资料
|
||||
|
||||
1. Xiong, G., et al. (2025). RAG-Gym: Systematic Optimization of Language Agents for Retrieval-Augmented Generation. arXiv:2502.13957
|
||||
2. Zhang, W., et al. (2025). Process vs. Outcome Reward: Which is Better for Agentic RAG Reinforcement Learning. arXiv:2505.14069
|
||||
3. Agentic RAG 实战指南：从查询重写到多步重查全掌握。火山引擎 ADG 社区
|
||||
@@ -444,7 +444,7 @@ Query Rewriting: "它" → "出差补助"
|
||||
|
||||
- [后端对接规范.md](./后端对接规范.md) - API 接口规范（主要）
|
||||
- [数据库设计文档.md](./数据库设计文档.md) - 数据库结构
|
||||
- [Agentic_RAG完整指南.md](./Agentic_RAG完整指南.md) - Agentic RAG 详解
|
||||
- [RAG系统完整指南.md](./RAG系统完整指南.md) - RAG 系统架构与缓存详解
|
||||
|
||||
|
||||
---
|
||||
|
||||
Reference in New Issue
Block a user