# RAG breadcrumb 未参与向量语义

**状态**：待规划  
**严重程度**：高  
**发现时间**：2026-07-04  
**范围**：向量化输入、检索相关性、知识库 metadata 使用

---

## 现象

当前 chunk metadata 中保存了 `title` 和 `breadcrumb`，但向量化时主要使用 `chunk.getContent()`。这意味着标题层级、所属模块、章节路径没有进入 embedding 语义空间。

当用户问题依赖章节语境时，例如“诊断流程里的验证步骤是什么”，如果 chunk 正文里没有重复出现完整标题语义，向量召回可能无法稳定命中正确片段。

---

## 当前实现

- `DocumentChunkService` 会生成 `breadcrumb`。
- `VectorIndexService` 会把 `breadcrumb` 写入 metadata。
- `VectorEmbeddingService` 接收的 embedding 内容来自 chunk 正文。
- `VectorSearchService` 只基于 query embedding 和 chunk embedding 做向量搜索。

metadata 目前更像是展示和追踪字段，不是检索相关性的一部分。

---

## 影响

- 标题语义丢失，尤其影响短段落、步骤列表、配置表格类 chunk。
- 同名概念出现在不同章节时，缺少章节路径帮助 disambiguation。
- 用户问的是“某个模块下的问题”，检索可能只看正文关键词，忽略模块归属。

---

## 建议修复

构建面向 embedding 的增强文本：

```text
标题: {title}
路径: {breadcrumb}
正文:
{content}
```

落库时仍保留原始 `content`，避免展示内容被污染。可以新增 `embeddingText` 构造逻辑，只用于向量化。

后续还可以在 rerank 阶段把 `breadcrumb` 作为加权信号，例如同域、同章节、同文档优先。

---

## 相关文件

- `src/main/java/com/superbiz/agent/service/DocumentChunkService.java`
- `src/main/java/com/superbiz/agent/service/VectorIndexService.java`
- `src/main/java/com/superbiz/agent/service/VectorEmbeddingService.java`