墨台 MUOTAI

Appearance

RAG 与向量化 ​

RAG 代码位于 ai/rag，向量模型和存储适配位于 ai/llm/embedding。当前实现既支持独立阶段服务，也支持 Agent 节点和 LangGraph 编排。

处理链路 ​

text
用户查询
  ↓
Query transform（重写、扩展、分解、多查询）
  ↓
Retriever（向量、关键词、并行、顺序或混合）
  ↓
质量评估与自我修正
  ↓
上下文组装
  ↓
LLM 生成

主要阶段服务和请求模型可以参考现有 RAG 高级框架指南；配置、检索设置和向量化历史方案保留在 AI 历史资料。

代码边界 ​

  • rag/controller：阶段 API、RAG 配置和 Agentic RAG 入口。
  • rag/agentic：基于图的查询、检索、评估和修正节点。
  • rag/vector：文档向量化任务、流水线和任务状态。
  • llm/embedding/milvus、llm/embedding/elastic：向量存储实现。

变更注意 ​

Embedding 模型、维度、分段策略和检索阈值是一组整体变更。修改其中一项时，应验证历史向量是否兼容、是否需要重建索引，以及日志和质量评分是否仍然可比。