# Agentic RAG 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
>
> ⚠️ 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」。

## 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：

| 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
```

---

## 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

```
┌─────────────────────────────────────────────────────────────────────┐
│                          用户输入                                    │
└────────────────────────────┬────────────────────────────────────────┘
                             ↓
┌─────────────────────────────────────────────────────────────────────┐
│                    意图分析 (IntentAnalyzer)                         │
│  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐             │
│  │  改写查询    │  │  双层判断    │  │  子查询拆分  │             │
│  │  (指代消解)  │  │  (是否检索)  │  │  (对比/推理) │             │
│  └──────┬───────┘  └──────┬───────┘  └──────┬───────┘             │
└─────────┼──────────────────┼──────────────────┼─────────────────────┘
          ↓                  ↓                  ↓
    ┌──────────┐    ┌──────────────────────────────────────────┐
    │ 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)             │
                    └────────────────────┬─────────────────────┘
                                         ↓
┌─────────────────────────────────────────────────────────────────────┐
│                        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)   │             │
│  └──────┬───────┘  └──────┬───────┘  └──────┬───────┘             │
│         └─────────────────┼─────────────────┘                      │
│                           ↓                                         │
│                   ┌──────────────┐                                  │
│                   │  RRF 融合    │  ← 动态权重（查询类型/长度驱动）│
│                   └──────┬───────┘                                  │
│                          ↓                                          │
│  ┌───────────┐  ┌──────────────┐  ┌──────────────┐               │
│  │ 废止过滤  │→ │  Rerank 重排 │→ │  MMR 去重    │               │
│  └───────────┘  │  (云端API)   │  └──────┬───────┘               │
│                 └──────┬───────┘          ↓                       │
│  ┌───────────┐  ┌──────────────┐  ┌──────────────┐               │
│  │ FAQ 加权  │→ │  黑名单过滤  │→ │  时间衰减    │               │
│  └───────────┘  └──────────────┘  └──────┬───────┘               │
│                                            ↓                       │
│  ┌───────────────┐  ┌──────────────┐                              │
│  │ 上下文扩展    │→ │ 自适应 TopK  │                              │
│  └───────────────┘  └──────────────┘                              │
└─────────────────────────────────────────────────────────────────────┘
                          ↓
┌─────────────────────────────────────────────────────────────────────┐
│                    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 │ │
│  └────────────────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────────────┘
```

### 2.2 Mixin 组合架构

```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
):
    ...
```

> 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。

### 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()`。

---

## 三、意图分析流程

### 3.1 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：

```
用户输入 + 对话历史
    ↓
┌─────────────────────────────────────────────┐
│        IntentAnalyzer.analyze()              │
│                                              │
│  Step 1: 查询改写                            │
│    - 指代消解："那请假呢" → "出差相关请假流程"│
│    - 省略补全："标准" → "差旅报销标准"        │
│    - 语义缓存：相似问题复用结果               │
│                                              │
│  Step 2: 双层判断                            │
│    - 第一层：历史上下文是否可答？              │
│    - 第二层：是否需要外部知识（检索）？        │
│                                              │
│  Step 3: 子查询拆分（对比/推理类）            │
│    - "年假和调休的区别" → ["年假规定", "调休规定"]│
└─────────────────────────────────────────────┘
    ↓
    IntentAnalysis:
      - rewritten_query: 改写后的查询
      - use_context: 是否使用上下文
      - need_retrieval: 是否需要检索
      - sub_queries: 子查询列表
      - intent: factual/comparison/reasoning/instruction/other
```

### 3.2 QueryClassifier 规则分类

`core/query_classifier.py` 提供无 LLM 调用的快速规则分类：

| 查询类型 | 说明 | 示例 |
|----------|------|------|
| `META` | 元问题（文件列表、权限） | "有哪些文档？" |
| `REALTIME` | 实时信息 | "今天天气" |
| `SIMPLE` | 简单单属性查询 | "出差标准" |
| `FACT` | 事实查询 | "差旅补贴标准是多少" |
| `ENUMERATION` | 枚举/清单/条款 | "严禁哪些情形" |
| `COMPARISON` | 比较分析 | "年假和调休的区别" |
| `PROCESS` | 流程指引 | "如何申请调岗" |
| `FILE_SPECIFIC` | 特定文件内查询 | "xxx.pdf中有哪些图片" |

---

## 四、检索管线详解

### 4.1 完整检索流程

```
search_knowledge(query, top_k=30)
  │
  ├─ 1. 查询缓存检查 → 命中则直接返回
  │
  ├─ 2. 子查询并行检索（如有 sub_queries）
  │     └─ 各子查询独立检索后合并去重
  │
  ├─ 3. 查询拆分（QueryDecomposer）
  │     └─ 对比/推理类查询自动拆分
  │
  ├─ 4. 查询扩展（QueryExpansion）
  │     └─ 同义词/语义扩展（threshold=0.8）
  │
  ├─ 5. 多知识库检索（USE_MULTI_KB=True）
  │     ├─ 各向量库并行检索（ThreadPoolExecutor）
  │     ├─ 每个库: 向量检索 + BM25 + 图片独立召回
  │     ├─ FAQ 集合独立召回
  │     └─ RRF 融合
  │
  ├─ 6. 废止切片过滤（status != "active"）
  │
  ├─ 7. 章节过滤（查询提到章节时优先匹配）
  │
  ├─ 8. ★ Rerank 重排 ★（云端 DashScope qwen3-rerank 或本地 BGE）
  │      └─ rerank_results(query, results, top_k)
  │      └─ 由 RERANK_BACKEND 控制（local/cloud/fallback）
  │
  ├─ 9. MMR 去重
  │     ├─ 语义向量版（MMR_USE_EMBEDDING=True）
  │     └─ 文本 Jaccard 版（MMR_USE_EMBEDDING=False，生产推荐）
  │
  ├─ 10. FAQ 分数加权（Score Boosting）
  │
  ├─ 11. 黑名单过滤（负反馈降权）
  │
  ├─ 12. 时间衰减（Time Decay）
  │
  ├─ 13. 上下文扩展（Rerank 后，补充相邻切片）
  │
  ├─ 14. 自适应 TopK（根据置信度调整返回数量）
  │
  └─ 15. 缓存写入 → 返回结果
```

### 4.2 混合检索代码示例

```python
# 向量检索（语义相似）
vector_results = collection.query(query_embeddings=[query_vector], n_results=recall_k)

# BM25 检索（关键词匹配）
bm25_results = bm25_index.search(query, top_k=recall_k)

# FAQ 独立召回
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"]}})

# RRF 融合（动态权重）
fused = reciprocal_rank_fusion([vector_results, bm25_results], weights=[vector_w, bm25_w])

# Rerank 重排（云端 DashScope qwen3-rerank 或本地 BGE）
reranked = rerank_results(query, fused, top_k=15)

# MMR 去重
mmr_results = mmr_rerank(query_emb, reranked, top_k=30, lambda_param=0.5)
```

### 4.3 RRF 融合算法

```
RRF分数 = Σ (权重 / (k + 排名位置))

示例（k=60）：
文档A: 向量排名1 → 0.5/(60+1) = 0.00820
       BM25排名3 → 0.5/(60+3) = 0.00794
       总分 = 0.01614

动态权重策略：
- 短查询（<15字）: BM25权重↑ (0.6), 向量权重↓ (0.4)
- 长查询（>50字）: 向量权重↑ (0.7), BM25权重↓ (0.3)
- 查询类型驱动: FACT→BM25优先, PROCESS→向量优先
```

### 4.4 Rerank 重排

**后端**: 支持三种模式，由 `RERANK_BACKEND` 环境变量控制

| RERANK_BACKEND | 说明 |
|----------------|------|
| `"cloud"` | 仅使用云端 DashScope `qwen3-rerank` API |
| `"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）**:

```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_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)
```

`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）**:

```python
def rerank_results(self, query, results, top_k=5):
    pairs = [(query, doc) for doc in results['documents'][0]]
    scores = self.reranker.predict(pairs)  # CrossEncoder / ONNXReranker / CloudReranker
    sorted_indices = np.argsort(scores)[::-1]
    # 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

---

## 五、置信度门控

`core/confidence_gate.py` 基于 Reranker 分数判断检索结果质量：

```
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
```

**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

---

## 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 |

---

## 七、API 调用方式

### 7.1 SSE 流式问答（主要接口）

```bash
curl -X POST http://localhost:5001/rag \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer mock-token-admin" \
  -d '{
    "query": "出差补助标准是什么？",
    "chat_history": []
  }'
```

**响应格式**: SSE（Server-Sent Events）流式返回

```
event: token
data: {"text": "根据"}

event: token
data: {"text": "规定"}

...

event: finish
data: {"answer": "完整答案", "sources": [...], "citations": [...], "images": [...], "duration_ms": 3200}
```

### 7.2 代码调用

```python
from core.engine import get_engine

# 初始化引擎
engine = get_engine()

# 检索
result = engine.search_knowledge("出差补助标准是什么？", top_k=10)

# 流式生成答案
for token in engine.generate_answer_stream(query, context, history=history):
    print(token, end="", flush=True)
```

### 7.3 AgenticRAG 调用

```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']}")
```

---

## 八、配置说明

### 8.1 LLM 配置

```python
# config.py
DASHSCOPE_API_KEY = "your-api-key"          # 通义千问 API
DASHSCOPE_BASE_URL = "https://dashscope.aliyuncs.com/compatible-mode/v1"
DASHSCOPE_MODEL = "qwen3.6-flash"           # 文本生成模型（主力 LLM）
INTENT_MODEL = "qwen-turbo"                 # 意图分析模型（轻量快速）
VLM_MODEL = "qwen-vl-plus"                  # 视觉语言模型（图片描述）
RAG_CHAT_MODEL = "qwen3.6-flash"            # RAG 对话模型
```

### 8.2 检索参数

```python
# 混合检索
USE_MULTI_KB = True              # 多向量库模式
USE_HYBRID_SEARCH = True         # 向量 + BM25 混合检索
VECTOR_WEIGHT = 0.5              # 向量检索权重
BM25_WEIGHT = 0.5                # BM25 检索权重
RAG_SEARCH_TOP_K = 30            # 最终返回结果数
RAG_SEARCH_CANDIDATES = 100      # 候选池大小
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_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）

# RRF 融合
RRF_K = 60                       # RRF 常数
DYNAMIC_RRF_ENABLED = True       # 动态权重

# MMR 去重
MMR_ENABLED = True
MMR_USE_EMBEDDING = False        # True=语义向量（慢），False=文本Jaccard相似度（快，生产推荐）
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

```python
DEVICE = "auto"                  # auto / cuda / cpu / cuda:0
EMBEDDING_DEVICE = DEVICE        # 向量模型设备
RERANK_DEVICE = DEVICE           # Rerank 模型设备
```

---

## 九、文件结构

```
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）
├── 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）
├── query_classifier.py      #   QueryClassifier（规则快速分类）
├── intent_analyzer.py       #   IntentAnalyzer（LLM 意图分析）
├── 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
├── 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

knowledge/                   # 知识库管理
├── manager.py               #   KnowledgeBaseManager（7 个 Mixin 组合）
├── router.py                #   KnowledgeBaseRouter（智能知识库路由）
├── sync.py                  #   KnowledgeSyncService（文件变更监控+增量向量化）
├── base.py                  #   知识库基类定义
├── collection.py            #   集合（Collection）CRUD 操作
├── document.py              #   文档管理（上传/删除/状态流转）
├── document_versions.py     #   文档版本管理
├── chunk.py                 #   分块操作（创建/查询/更新）
├── index.py                 #   索引管理（BM25 构建/重建）
├── search.py                #   知识库内搜索
├── processing.py            #   文档处理流水线（解析→分块→向量化）
├── permission.py            #   权限控制（角色/部门级访问控制）
├── lazy_enhance.py          #   延迟增强（按需生成摘要/关键词）
└── cleanup.py               #   清理操作（孤立切片/过期数据）

api/                         # API 路由层
├── __init__.py              #   create_app() 工厂
├── chat_routes.py           #   /chat, /rag(SSE), /search
├── kb_routes.py             #   /collections
├── document_routes.py       #   /documents/*
├── sync_routes.py           #   /sync
├── session_routes.py        #   /sessions（会话管理）
├── image_routes.py          #   /images（图片访问/上传）
├── feedback_routes.py       #   /feedback（用户反馈/点赞/踩）
├── auth_routes.py           #   /auth（认证/登录/Token）
├── audit_routes.py          #   /audit（审计日志）
└── response_utils.py        #   响应工具函数

services/                    # 业务服务层
├── session.py               #   会话管理服务
├── feedback.py              #   反馈处理服务
└── outline.py               #   大纲生成服务

graph/                       # （已清空，Graph RAG 不再使用）

auth/                        # 认证与安全
├── gateway.py               #   API 网关认证
└── security.py              #   安全工具（Token 验证/权限检查）

repositories/                # 数据持久层
├── session_repo.py          #   会话仓储接口
├── sqlite_session_repo.py   #   SQLite 会话仓储实现
└── stateless_session_repo.py #  无状态会话仓储

parsers/                     # 文档解析器
├── mineru_parser.py         #   MinerU PDF/DOCX/PPTX 解析
├── excel_parser.py          #   Excel 解析
├── txt_parser.py            #   纯文本解析
├── image_extractor.py       #   图片提取器（从文档中提取/处理图片）
└── pdf_mineru.py            #   MinerU PDF 辅助入口

exam_pkg/                    # 出题系统
├── api.py                   #   出题/批阅 API
├── generator.py             #   试题生成（Dify 工作流）
├── grader.py                #   试卷批阅
├── manager.py               #   出题管理器（核心业务逻辑）
└── local_db.py              #   本地数据库（SQLite）

tools/                       # 运维/分析工具
├── export_chunks.py         #   导出切片
├── llm_evaluator.py         #   LLM 评估器
├── chunk_analyzer.py        #   切片质量分析
├── chunk_metrics.py         #   切片指标统计
├── chunk_report.py          #   切片报告生成
├── clean_vector_store.py    #   清理向量库
├── rebuild_pdf_vectors.py   #   重建 PDF 向量
└── upload_test_files.py     #   上传测试文件

deploy/                      # 部署配置
├── Dockerfile               #   开发环境 Docker
├── Dockerfile.prod          #   生产环境 Docker
├── docker-compose.yml       #   开发环境编排
├── docker-compose.prod.yml  #   生产环境编排
├── nginx.conf               #   Nginx 反向代理配置
├── gunicorn.conf.py         #   Gunicorn WSGI 配置
└── wsgi.py                  #   WSGI 入口

config/                      # 运行时配置
└── banned_words.txt         #   敏感词库
```

---

## 十、与传统 RAG 对比

| 特性 | 传统 RAG | Agentic RAG (当前) |
|------|---------|-------------------|
| 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 |
| 融合算法 | 无 | RRF 动态权重融合 |
| 去重 | 无 | MMR 语义去重 |
| 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 |
| 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） |

---

## 十一、Rerank 性能分析

### 11.1 Rerank 调用路径

Rerank 在系统中有 **两个独立调用路径**：

| 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

| 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 |

### 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_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_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_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） |

---

## 十二、最佳实践

### 12.1 何时使用 Agentic RAG

✅ **推荐使用**：
- 复杂问题需要多轮检索
- 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

❌ **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

### 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
```

### 12.3 调试技巧

```python
# 查看检索调试信息
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}")
```

---

## 附加篇：Agentic RAG 深入优化与工作机制

### 一、Agentic RAG 的核心架构

Agentic RAG 构建了动态的决策闭环，核心组件包括：

- **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

### 二、分阶段优化策略

#### 1. 检索前：优化查询质量

- **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

#### 2. 检索中：提升召回精准度

- **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

- **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

### 三、系统级优化

#### 1. 避免"循环检索"陷阱

- 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

#### 2. 平衡智能性与效率

- 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`

#### 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

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