Files
zhenxun_bot/zhenxun/services/ai/context/rag/models.py
52f7dbdedf ♻️ refactor(core): 重构 AI 编排框架与记忆及 RAG 子系统 (#2149)
* ♻️ refactor(core): 重构 AI 编排框架与记忆及 RAG 子系统

- 【重构】重构 `BaseRunnable` 并引入统一的 `RunIntent` 意图载体,规范 Agent、Team 和 Workflow 的执行流
- 【解耦】将中期记忆槽和长期向量记忆从 `MemoryConfig` 中解耦,转为独立的能力组件与工具箱进行管理
- 【记忆】移除 `MemoryReader` 和 `MemoryWriter`,统一封装为 `SessionMemoryContext` 会话记忆门面
- 【RAG】重构检索器与存储后端接口,统一采用 `QueryRequest` 进行多维度联合检索,并引入 `InMemoryScorer` 提升打分性能
- 【事件】优化 `EventBus` 异步事件分发机制,引入队列机制确保事件按序处理,避免并发竞态问题
- 【依赖注入】移除 `memory` 注入项,优化 `DependencyInjector` 的签名解析缓存以提升性能

* 🚨 auto fix by pre-commit hooks

---------

Co-authored-by: webjoin111 <455457521@qq.com>
Co-authored-by: pre-commit-ci[bot] <66853113+pre-commit-ci[bot]@users.noreply.github.com>
2026-07-14 16:48:33 +08:00

52 lines
1.6 KiB
Python

from typing import Any, Literal
from pydantic import BaseModel, ConfigDict, Field
class BaseRecord(BaseModel):
"""RAG 基础记录载体,没有任何业务属性"""
id: str = Field(default_factory=lambda: __import__("uuid").uuid4().hex)
"""记录的唯一标识符"""
content: str = Field(...)
"""数据块的文本内容"""
embedding: list[float] | None = Field(default=None)
"""数据块对应的向量嵌入"""
metadata: dict[str, Any] = Field(default_factory=dict)
"""数据块的元数据字典"""
action: Literal["insert", "update", "delete", "ignore"] = Field(default="insert")
"""数据块在索引管线中的操作意图"""
class SearchResult(BaseModel):
"""搜索结果"""
record: BaseRecord
"""检索到的基础记录"""
score: float
"""检索相似度得分"""
class QueryRequest(BaseModel):
"""通用检索请求"""
model_config = ConfigDict(arbitrary_types_allowed=True)
text: str = Field(default="")
"""原始查询文本"""
embedding: list[float] | None = Field(default=None)
"""用于向量检索的数组"""
search_type: Literal["dense", "sparse", "hybrid"] = Field(default="dense")
"""检索类型标识:稠密向量、稀疏关键词或混合"""
metadata_filters: dict[str, Any] | None = Field(default=None)
"""元数据精确匹配字典"""
limit: int = Field(default=10)
"""返回的最大条数"""
scopes: list[str] | None = Field(default=None)
"""检索的数据隔离作用域列表"""
extra: dict[str, Any] = Field(default_factory=dict)
"""透传参数逃生舱"""
StorageConfigType = dict[str, Any]