Initial commit: QMDSearch 分层信息检索服务

- FastAPI + Qdrant + Redis + Ollama 技术栈
- L1→L2→L3→chunk 四层分层检索（dense + sparse RRF 融合）
- 文档三级总结与 2.5 级回退
- query 解析路由与分类
- /admin 管理页面

app/core/ranker.py

@@ -0,0 +1,24 @@
+"""检索结果重排：RRF 融合与最终截断"""
+
+from qdrant_client import models
+
+
+def rrf_fuse(result_lists: list[list[models.ScoredPoint]], k: int = 60) -> list[models.ScoredPoint]:
+    """标准 RRF（Reciprocal Rank Fusion）融合
+
+    融合分 = Σ 1/(k + rank)（rank 从 1 开始），按 point id 去重合并，
+    返回按融合分降序的列表，score 字段写回融合分。空输入返回 []。
+    """
+    scores: dict[str | int, float] = {}
+    points: dict[str | int, models.ScoredPoint] = {}
+    for results in result_lists:
+        for rank, point in enumerate(results, start=1):
+            scores[point.id] = scores.get(point.id, 0.0) + 1.0 / (k + rank)
+            points.setdefault(point.id, point)
+    ordered = sorted(points, key=lambda pid: scores[pid], reverse=True)
+    return [points[pid].model_copy(update={"score": scores[pid]}) for pid in ordered]
+
+
+def finalize(points: list[models.ScoredPoint], final_k: int) -> list[models.ScoredPoint]:
+    """截断为最终返回的 top final_k"""
+    return points[:final_k]