架构说明

系统架构

RAG Pipeline 流程

知识检索路径

1. 会话记忆加载 — 从 SQLite 加载对话历史，滑动窗口保留最近 N 轮
2. 意图分类 — 规则匹配 + LLM 分类，路由到对应处理路径
3. 问题重写 — 结合对话历史做指代消解、上下文补全
4. 向量化 — 调用 SiliconFlow Embedding API 生成查询向量
5. 混合检索 — Dense 向量检索 + BM25 稀疏检索，RRF 融合
6. 重排序 — Reranker 模型精排，返回 Top-K 结果
7. 答案生成 — 组装 Prompt（上下文 + 历史 + 问题），调用 LLM 生成
8. 保存记忆 — 将问答对存入会话记忆

意图路由

意图	处理方式
知识检索	完整 RAG Pipeline
工具调用	跳过 RAG，直接 Function Calling
闲聊	使用分类时的 LLM 回复，不二次调用
澄清	使用分类时的 LLM 回复，不保存记忆

技术选型

组件	选型	理由
后端框架	Spring Boot 3.2.5	Java 生态成熟，单体应用开发效率高
向量数据库	Milvus 2.6.6	支持 HNSW + BM25，混合检索原生支持
HTTP 客户端	OkHttp	轻量、稳定、支持流式响应
JSON	Gson	简单直接，与 Spring Boot 无冲突
前端框架	React 19	生态丰富，组件化开发
状态管理	Zustand	轻量、简洁、TypeScript 友好
会话存储	SQLite	零配置、单文件、适合单机部署
文件存储	本地文件系统	零依赖、简单直接、适合单机部署