lacerate551 8c92657490 fix(bm25): 修复 BM25 索引覆盖 bug + 综合评测集 v2 + 检索增强 ...

核心修复:
- knowledge/base.py: BM25Index.add_documents 从覆盖改为追加+去重，
  修复只有最后上传文件的 chunks 保留在 BM25 中的严重 bug
  (影响: 2.docx/3.docx/PDF 的 755 个 chunk 在 BM25 中完全缺失)

检索增强 (延续上次会话):
- core/engine.py: section cluster boost + lexical match exemption
- api/chat_routes.py: lexical/cluster rescue 层 + SSE 事件
- core/mmr.py: MMR 去重改进

评测体系:
- tests/eval_dataset_v2.json: 62 题综合评测集 (9 种题型×4 文档)
- scripts/eval_e2e.py: 推理模型 LLM 评分兼容 + 新数据集格式支持
- scripts/validate_eval_dataset.py: 数据集验证工具

其他:
- parsers/mineru_parser.py: 解析器改进

2026-06-17 17:31:43 +08:00

..

__init__.py

init: RAG 知识库服务初始提交

2026-06-04 17:35:27 +08:00

excel_parser.py

fix(security): 代码审查安全加固 — 三批次修复（6H/13M/12L）

2026-06-05 15:26:32 +08:00

heading_rules.py

feat(parser): 新增标题识别规则引擎

2026-06-08 15:43:58 +08:00

image_extractor.py

init: RAG 知识库服务初始提交

2026-06-04 17:35:27 +08:00

mineru_parser.py

fix(bm25): 修复 BM25 索引覆盖 bug + 综合评测集 v2 + 检索增强

2026-06-17 17:31:43 +08:00

pdf_mineru.py

init: RAG 知识库服务初始提交

2026-06-04 17:35:27 +08:00

txt_parser.py

fix(security): 代码审查安全加固 — 三批次修复（6H/13M/12L）

2026-06-05 15:26:32 +08:00