1.9 KiB
1.9 KiB
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：
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.javasrc/main/java/com/superbiz/agent/service/VectorIndexService.javasrc/main/java/com/superbiz/agent/service/VectorEmbeddingService.java