SuperBizAgent-java/mvp/issues/rag-chunk-context-reconstruction.md

RAG 切片上下文重建缺失

状态：待规划
严重程度：高
发现时间：2026-07-04
范围：知识库上传、切片、向量召回、Agent 上下文组装

---

现象

同一个 Markdown 章节在内容较长时会被拆成多个 chunk。当前检索命中其中一个 chunk 后，返回给 Agent 的主要是单个 chunk 内容，不会自动把同章节的前后片段、章节标题链路、相邻 chunk 一起恢复出来。

这会导致两个问题：

1. 命中片段只包含局部语义，缺少前置定义、约束条件或后续步骤。
2. 同章节被分段后，检索结果之间缺少可追溯的关联，Agent 不一定知道它们属于同一章节。

---

当前实现

• DocumentChunkService 会按 Markdown 标题建立 title 和 breadcrumb，再按段落累积切片。
• 超过阈值时仍会切断同一章节，只是尽量避免打断代码块和列表。
• VectorIndexService 会把 chunkIndex、totalChunks、title、breadcrumb 放入 metadata。
• VectorSearchService 查询 Milvus 后直接返回命中的 chunk，没有做相邻 chunk 扩展或 section 级聚合。
• LookupKnowledgeTool 消费 L1 结果时，也没有根据 docId + chunkIndex + breadcrumb 回补上下文。

---

影响

• RAG 回答容易漏掉同章节中的约束条件。
• 长流程类文档会被拆散，Agent 看到的是“片段证据”，不是“完整流程”。
• 面试解释中需要承认：当前系统有 metadata 基础，但还没有把它用于上下文重建。

---

建议修复

优先做命中后的上下文扩展：

1. L1 命中 chunk 后，按 docId + chunkIndex 拉取前后 N 个相邻 chunk。
2. 如果 metadata 中 breadcrumb 相同，允许扩展到同章节的多个 chunk。
3. 上下文打包时标记 命中片段、前文、后文，避免 Agent 把扩展内容误认为全部都是高置信命中。
4. 增加 token budget 控制，超过预算时优先保留命中 chunk 和标题链路。

---

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/VectorSearchService.java
• src/main/java/com/superbiz/agent/tool/LookupKnowledgeTool.java