rag/docs/多向量库实现权限划分.md

多向量库实现权限划分详细说明

1. 架构目标与背景

本项目早期采用单一Chroma向量库体系，所有文档数据混合存储，并在检索层采用软性过滤。为满足企业级数据权限隔离、部门级知识库自治管理的要求，本项目统筹规划重构为「多向量库体系」，将public_kb（公共知识库）与dept_{department}（部门私有知识库）在 Chroma 中进行物理分隔，实现在数据存储基座维度的鉴权与隔离。

2. 权限控制策略与角色模型

系统主要通过 auth/gateway.py 与网关注入的 Header 信息配合，进行请求身份的判定与映射。

2.1 网关注入的用户信息

API 服务会在接受请求前，解析来自网关传递的 HTTP Header：

• X-User-ID：用户唯一标识符
• X-User-Role：用户角色（admin / manager / user）
• X-User-Department：用户所属部门标识（如：finance, hr, tech 等）

2.2 角色与集合访问权限规则

根据系统预设的 COLLECTION_PERMISSIONS 规则表，不同类别的用户具有不同层级的读写能力：

• Admin（超级管理员）
  • Read（跨库查询）: *（所有向量库均可访问检索）
  • Write / Delete / Sync: * （可进行全局库维护操作）
• Manager（部门管理员）
  • Read: public_kb, dept_{自己所在部门}
  • Write / Delete / Sync: 仅限 dept_{自己所在部门}
• User（普通员工）
  • Read: public_kb, dept_{自己所在部门}
  • Write / Delete / Sync: 无任何写入/修改/删除权限。

3. 多库混合检索与结果合并

将文档隔离为多个不同的库集合后，依然通过以下机制保障检索质量与执行效率：

3.1 独立BM25缓存与协程并发查询

• 完全解耦索引：每个子向量库均配备对应的独立 BM25.pkl 关键词索引结构（如 bm25_index_public.pkl，bm25_index_finance.pkl）。
• 协程并行加载：在使用大维度混合查询（比如跨多部门或公共+个人部门）时，知识库引擎通过 asyncio.gather 并行向相应的分离集合及BM25文件发起并发读取，整体耗时比单一库顺序扫描具备极大优势（多线程下总耗时稳定在 50~70ms 内）。

3.2 智能库路由 (knowledge/router.py)

Agentic RAG在正式下发检索前，加入了一层轻量级意图预判节点（Router）：

• 意图降噪：大模型/关键词正则检测若发现用户的查询（如："财务部报销规范"）具有极强的部门属性，则缩小检索范围仅查匹配的库。
• 动态寻址：过滤掉权限不匹配库的同时，避免去不相干的知识库进行检索从而拉低相似度分值，极大提高了用户问答查询效率。

3.3 RRF (Reciprocal Rank Fusion) 多库融合重排

当请求在数个子向量库查得片段后，返回的多路向量由于采用了“同源 Embedding 模型”（例如BGE），其余弦相似度在不同子库的数据集之间是完全等价和客观可比较的。 最终数据层依靠融合模块汇聚所有库的 Top-K 记录，经过全局倒排算法（RRF）以及多维分数权重融合重排，保证了隔离存储不影响任何语义搜寻与内容关联。

4. 相关代码路径总结

4.1 鉴权与路由

• auth/gateway.py：主要负责网关鉴权与鉴权路由逻辑。
• knowledge/router.py：LLM 智能知识库请求目标路由。

4.2 knowledge/ 核心模块（Mixin 架构）

知识库管理器 KnowledgeBaseManager 采用 Mixin 组合模式，各职责拆分到独立模块：

模块	Mixin 类	职责
knowledge/base.py	—	配置常量、数据类定义（CollectionInfo, SearchResult, BM25Index）、辅助函数
knowledge/manager.py	KnowledgeBaseManager	主入口，组合所有 Mixin，提供多库并发管理与工厂方法
knowledge/collection.py	CollectionMixin	向量库（ChromaDB Collection）的创建、删除、查询等集合管理功能
knowledge/document.py	DocumentMixin	文档级别的管理方法，包括文档计数、文档列表、文档元信息查询
knowledge/search.py	SearchMixin	多源融合检索：单向量库检索 + BM25 混合检索 + RRF 融合排序 + 多库并行检索 + 废止版本检测
knowledge/permission.py	PermissionMixin	基于角色和部门的向量库访问控制，权限校验（admin / manager / user）
knowledge/processing.py	ProcessingMixin	图片/表格的智能处理：图片过滤、VLM 描述生成、表格摘要生成、原始数据存储
knowledge/chunk.py	ChunkMixin	文档切片（Chunk）的 CRUD 操作：新增、修改、删除、分页查询切片
knowledge/index.py	IndexMixin	BM25 关键词检索索引的生命周期管理：懒加载、持久化、从向量库重建
knowledge/document_versions.py	DocumentVersionQuery	文档版本历史查询、获取当前生效版本、版本变更日志记录

4.3 辅助服务

• knowledge/sync.py：知识库同步服务 — 使用 watchdog 监控文档目录变更，自动检测文件哈希差异并触发增量向量化。
• knowledge/cleanup.py：文档版本自动清理 — 定期清理 superseded 状态的旧版本，控制存储成本。

4.4 离线迁移脚本

• scripts/rebuild_multi_kb.py：从单库直接转换为多库分治物理结构的离线迁移脚本。