Files

T

zhuyongxin 1e532fb851 chore(rag): rebuild script in Python and use biz collection

Switch default knowledge collection back to biz (drop+recreate on rebuild),
replace PowerShell rebuild runner with Python, skip README.md imports, and
merge duplicate rag keys in application.yml.

2026-07-28 09:49:43 +08:00

2.6 KiB

Raw Permalink Blame History

重建 hybrid 知识库（dense + BM25）

面向当前 knowledge_base/ 目录文档，清空并重建配置中的 Milvus collection（默认 biz）。

前提

应用已启动（默认 http://localhost:9900）
MILVUS_TOKEN 等连接配置可用
application.yml 已配置：

milvus:
  collection: biz
retrieval:
  search:
    mode: hybrid
knowledge:
  base-path: knowledge_base/

一键脚本（Python）

在项目根目录执行：

python scripts/rebuild_hybrid_knowledge.py --confirm REBUILD

指定服务地址：

python scripts/rebuild_hybrid_knowledge.py --base-url http://127.0.0.1:9900 --confirm REBUILD

跳过前后 stats：

python scripts/rebuild_hybrid_knowledge.py --confirm REBUILD --skip-stats

依赖：Python 3.9+ 标准库即可（无需 pip 包）。

脚本会做什么

步骤	动作
1	检查 `/milvus/health`
2	打印重建前 `/api/knowledge/stats`
3	`POST /api/knowledge/rebuild-hybrid?confirm=REBUILD`
4	打印重建后 stats

服务端 rebuild-hybrid 内部顺序：

Drop + recreate Milvus collection（milvus.collection，默认 biz）
- 原有向量数据会被删除
- 按 dense + BM25 schema 重建
清空 MySQL api_document
清空内存 L0 索引
扫描 knowledge_base/**/*.md（跳过 README.md）并 force 全量导入
- 写 MySQL 元数据
- 切片
- 写 dense 向量 + BM25 search_text
- 更新 L0

不会做什么

不会动 knowledge_base/ 源文件
不会在未传 --confirm REBUILD 时执行

手动 curl 等价命令

# 重建（危险：会清空 biz collection + api_document）
curl -X POST "http://localhost:9900/api/knowledge/rebuild-hybrid?confirm=REBUILD"

# 仅强制导入（不 drop collection）
curl -X POST "http://localhost:9900/api/knowledge/init?force=true"

# 统计
curl "http://localhost:9900/api/knowledge/stats"

成功判据

响应中大致应有：

{
  "success": true,
  "collection": "biz",
  "inserted": 15,
  "failed": 0,
  "milvus": { "recreated": true, "loaded": true }
}

然后用一条知识库里真实存在的术语/故障词走 lookup_knowledge 或 chat 验证 hybrid 命中。

失败排查

现象	可能原因
connect / token 错误	`MILVUS_TOKEN`、host、database
BM25 / analyzer 相关报错	云端 Milvus/Zilliz 版本不支持 BM25 Function
inserted=0	`knowledge_base` 路径不对，或 md 缺 frontmatter/title
failed>0	看响应 `details` 与应用日志

2.6 KiB Raw Permalink Blame History Unescape Escape