lacerate551 fc11b11dda fix(server-release): 修复 MMR Jaccard 去重使用 jieba 词级分词替代字符级集合 ...

旧实现 set(text) 对中文文本按单字拆分，导致不同文档间字符集合高度
重叠（共享 "的""是""在" 等常用字），去重过于激进，大量相关文档被误杀。

新实现：
- 使用 jieba 分词提取 2 字及以上实词
- 词级 Jaccard 相似度区分度大幅提升
- 预分词优化：对所有候选文档一次性分词，避免重复调用
- 内容窗口从 200 字符扩大到 500 字符

性能对比（同一问题）：
- MMR_USE_EMBEDDING=True: 57s，回答 3707 字
- 旧 Jaccard（字符级）: 10s，回答 56 字（几乎无内容）
- 新 Jaccard（词级）:   22s，回答 1594 字（含表格、引用、图片）

2026-06-12 12:15:12 +08:00

..

__init__.py

init: RAG 知识库服务初始提交

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

adaptive_topk.py

init: RAG 知识库服务初始提交

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

agentic_answer.py

init: RAG 知识库服务初始提交

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

agentic_base.py

init: RAG 知识库服务初始提交

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

agentic_citation.py

init: RAG 知识库服务初始提交

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

agentic_context.py

init: RAG 知识库服务初始提交

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

agentic_media.py

init: RAG 知识库服务初始提交

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

agentic_meta.py

init: RAG 知识库服务初始提交

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

agentic_quality.py

init: RAG 知识库服务初始提交

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

agentic_query.py

init: RAG 知识库服务初始提交

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

agentic_search.py

init: RAG 知识库服务初始提交

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

agentic.py

init: RAG 知识库服务初始提交

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

bm25_index.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

cache.py

init: RAG 知识库服务初始提交

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

chunker.py

init: RAG 知识库服务初始提交

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

confidence_gate.py

init: RAG 知识库服务初始提交

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

constants.py

init: RAG 知识库服务初始提交

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

engine.py

fix(engine): 补充缺失的 import re，修复 generate_answer_stream 的 NameError

2026-06-10 12:34:49 +08:00

intent_analyzer.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

llm_budget.py

init: RAG 知识库服务初始提交

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

llm_utils.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

loop_guard.py

init: RAG 知识库服务初始提交

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

mmr.py

fix(server-release): 修复 MMR Jaccard 去重使用 jieba 词级分词替代字符级集合

2026-06-12 12:15:12 +08:00

prompt_guard.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

quality_assessor.py

init: RAG 知识库服务初始提交

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

query_classifier.py

init: RAG 知识库服务初始提交

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

query_decomposer.py

init: RAG 知识库服务初始提交

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

query_expansion.py

init: RAG 知识库服务初始提交

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

reasoning_reflector.py

init: RAG 知识库服务初始提交

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

semantic_cache.py

init: RAG 知识库服务初始提交

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

status_codes.py

init: RAG 知识库服务初始提交

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