feat: 完成 issue #46 RAG 知识库模板化接入(工艺规范/SOP/国标)

- core/rag-kb:领域 RAG 知识库按模板配置(PRD 5.4/7.3,EPIC #6 子任务)
- templating.py:知识源三类分类 + 模板命名推导 + 零依赖轻量 YAML 配置加载
- documents.py:文档段落抽取分块,chunk 携带 文档/章节/段落 溯源信息
- store.py:from_template_config 按模板自动构建 + 中英混合词频检索 + 类别过滤
- config/kb.template.yaml:ti-cl4 模板 RAG 库资产示例(工艺规范/SOP/国标)
- tests:29 用例全绿(模板化/分块溯源/检索排序/类别过滤/配置校验)
This commit is contained in:
2026-08-04 16:31:31 +08:00
parent 9c3e59695a
commit 1fb1d278d5
11 changed files with 1135 additions and 0 deletions
+53
View File
@@ -0,0 +1,53 @@
# RAG KB —— 领域 RAG 知识库模板化接入
对应 PRD 5.4「④ LLM 网关 + RAG」与 Issue #46(EPIC #6 子任务)。
领域 RAG 知识库**按模板配置**(工艺规范 / SOP / 国标 三类知识源),
换行业只改模板资产(`config/kb.template.yaml` + 文档集),内核零改动。
检索返回**命中文档片段 + 来源**(引用溯源,PRD 5.4 强制要求)。
## 模块
| 文件 | 职责 |
|------|------|
| `templating.py` | 知识源分类(process/sop/standard)+ 模板命名推导(向量库 collection / 索引 / namespace)+ 轻量 YAML 配置加载(零第三方依赖) |
| `documents.py` | 文档模型 + 段落抽取分块:每段保留 `文档/章节/段落` 溯源信息 |
| `store.py` | 模板化知识库(`from_template_config` 按配置自动构建)+ 中英混合词频检索 + 类别过滤,返回带来源的命中 |
## 使用示例
```python
from rag_kb import KbTemplateConfig, RagKnowledgeBase
from rag_kb.templating import KbSourceConfig, KnowledgeSourceKind
# 模板 RAG 库配置(通常由 config/kb.template.yaml 加载)
config = KbTemplateConfig(
template="ti-cl4",
sources=[
KbSourceConfig(KnowledgeSourceKind.PROCESS, ["沸腾氯化工艺规范"]),
KbSourceConfig(KnowledgeSourceKind.SOP, ["沸腾氯化炉异常处置SOP"]),
KbSourceConfig(KnowledgeSourceKind.STANDARD, ["GB/T 有关氯气安全标准"]),
],
)
kb = RagKnowledgeBase.from_template_config(
config, loader=lambda title: read_object_storage(title)) # 文档加载器由部署侧注入
hits = kb.search("炉温骤升怎么处理", top_k=3) # 召回 + 溯源
for h in hits:
print(h.source, "→", h.text) # e.g. 沸腾氯化炉异常处置SOP §2.1 ¶3
```
## 验收口径(Issue #46)
- **模板化接入**:三类知识源(工艺规范/SOP/国标)由 `kb.template.yaml` 声明,
换行业只换模板资产,内核零改动(对齐 data-bus 模板化思想)。
- **引用溯源**:检索命中返回 `source`(标题 §章节 ¶段落)——PRD 5.4「答案强制引用溯源」。
- **类别过滤**:可按知识源类别限定检索范围(如只看 SOP)。
- **配置校验**:未知知识源类别 / 缺 template / 文档加载为空 直接报错,杜绝漂移。
## 测试
```bash
cd core/rag-kb
python -m unittest discover -s tests -v
```