QMDSearch/CLAUDE.md

QMDSearch - AI Agent 分层信息检索服务

项目概述

QMDSearch 是面向 AI Agent 的分层信息检索服务，支持多层级知识库检索、向量语义搜索和结构化数据查询。基于 Docker 部署在 NAS 上，为 AI Agent 提供高效、精准的信息检索能力。

技术栈

• 语言: Python 3.12+
• Web 框架: FastAPI
• 向量数据库: Qdrant (Docker)
• 缓存: Redis (Docker)
• 关系数据库: PostgreSQL (Docker, 可选)
• 嵌入模型: OpenAI / 本地模型 (通过配置切换)
• 本地推理模型: Ollama (Docker) — 用于文档三级总结，默认 qwen2.5:1.5b
• 部署: Docker Compose on NAS

项目结构

QMDSearch/
├── app/                    # 应用主目录
│   ├── main.py            # FastAPI 入口（含 /admin 管理页面挂载）
│   ├── config.py          # 配置管理
│   ├── api/               # API 路由层
│   │   ├── response.py    # 统一响应格式 (ok/error/ApiError)
│   │   └── v1/            # API v1 版本
│   │       ├── search.py  # 检索接口
│   │       ├── document.py # 文档入库/管理接口
│   │       └── knowledge.py # 知识库接口
│   ├── core/              # 核心业务逻辑
│   │   ├── retriever.py   # 分层检索引擎 (L1→L2→L3→chunk)
│   │   ├── query_parser.py # query 解析与分类路由
│   │   ├── embeddings.py  # 向量嵌入
│   │   ├── sparse.py      # 稀疏向量编码 (BM25 近似)
│   │   ├── ranker.py      # RRF 融合与结果截断
│   │   ├── summarizer.py  # 文档三级总结 (Ollama)
│   │   ├── headings.py    # 原生标题树解析
│   │   ├── classifier.py  # 文档分类 (主类+标签+置信度)
│   │   ├── chunker.py     # 标题树感知 chunk 切分
│   │   └── ingestion.py   # 文档入库 (总结→分类→写入)
│   ├── models/            # 数据模型
│   │   ├── search.py      # 检索请求/响应模型
│   │   ├── knowledge.py   # 知识库/taxonomy 模型
│   │   └── document.py    # 文档/总结模型
│   ├── services/          # 服务层 (外部交互)
│   │   ├── qdrant.py      # Qdrant 客户端 (四层集合)
│   │   ├── redis.py       # Redis 缓存客户端
│   │   └── ollama.py      # Ollama 客户端
│   ├── static/            # 静态资源
│   │   └── admin.html     # 管理页面 (单文件)
│   └── utils/             # 工具函数
├── scripts/               # 运维与评测脚本
│   ├── eval/              # 回归评测 (run_eval.py / metrics.py / judge.py / regression_set.json)
│   └── smoke_live.py      # 在线冒烟脚本
├── tests/                 # 测试
├── docker-compose.yml     # Docker 编排
├── Dockerfile             # 应用镜像
├── .env.example           # 环境变量模板
├── pyproject.toml         # 项目配置
└── CLAUDE.md              # 本文件

分层检索架构

检索链路：query 解析路由 → L1→L2→L3 摘要树逐层剪枝 → chunk 层 hybrid 检索 (dense + sparse，RRF 融合)。

0. query 解析路由: 用 Ollama 小模型将 query 解析为结构化结果（rewrite、关键词、命中类目+置信度）；高置信且类目数不超上限时按类目过滤，低置信/解析失败/类目过多则全库兜底（不丢召回）
1. L1 - 文档定位层: 在文档 L1 总结集合中检索，产出候选文档集合；无命中时直接全库 chunk 兜底（fallback=True）
2. L2 - 章节大纲层: 在候选文档内检索 L2 章节大纲，按 section 剪枝定位；未命中的文档（含 2.5 级文档）落入 L3 b 路（仅按 doc 过滤）
3. L3 - 小节内容层: 两路查询（a：L2 命中文档按 section_path 过滤；b：其余文档仅按 doc_id 过滤）后 RRF 融合；无命中时 chunk 层回退为 L1 候选文档级检索
4. chunk 层: 在 L3 收窄的范围内对原文 chunk 做 hybrid 检索（dense 向量 + sparse 稀疏向量 RRF 融合），截断后返回最终 Top-K

API 设计规范

• RESTful 风格，版本化路径: /api/v1/
• 请求/响应使用 Pydantic 模型校验
• 统一响应格式: {"code": 0, "data": {...}, "message": "ok"}
• 错误码: 0=成功, 1xxx=客户端错误, 2xxx=服务端错误

API 清单

方法	路径	说明
GET	/api/v1/health	健康检查
POST	/api/v1/search	分层检索
POST	/api/v1/documents	文档入库（202 异步入库，返回 task_id）
GET	/api/v1/documents/tasks/{task_id}	入库任务状态查询（done 附 result，failed 附 error）
GET	/api/v1/knowledge/categories	知识分类类目集
GET	/api/v1/knowledge/stats	统计（四层点数 + 类目分布 + uncategorized 数）
GET	/api/v1/documents	文档列表（limit/offset 分页）
GET	/api/v1/documents/{doc_id}	文档详情
DELETE	/api/v1/documents/{doc_id}	删除文档（幂等）
GET	/admin	管理页面

入库任务状态持久化在 Redis（key: ingest_task:{task_id}）：进行中与 done 保留 24h，failed 保留 7 天；Redis 不可用时降级为纯内存。

管理页面

浏览器访问 /admin，单页面含概览、文档管理（列表/详情/删除）、文档入库、检索测试台、类目列表五个区块。

编码规范

• 使用 uv 管理依赖
• 类型注解必须 (Python 3.12+ 语法)
• 异步优先 (async/await)
• 配置通过环境变量注入，使用 pydantic-settings
• 日志使用 structlog 结构化日志

文档入库与三级总结

文档入库时通过 Ollama 本地小模型对文档内容进行三级总结，然后根据总结进行分类入库。

总结层级

层级	名称	说明	存储用途
L1	总结	对整篇文档的一句话高度概括	快速分类、知识库路由
L2	大纲	提取文档主要章节和关键主题（优先使用文档原生标题树，无结构文本回退 LLM 生成）	检索召回、上下文概览
L3	内容大纲	每个章节的详细内容摘要	精确匹配、深度检索

2.5 级回退: 当文档内容不足以支撑三级总结时（如短文本、简单说明），自动降级为二级总结：

• L1: 总结（同上）
• L2.5: 内容大纲（跳过大纲层，直接输出详细摘要）

入库流程

文档输入 → 文本提取 → 三级总结(Ollama) → 分类判定(L1总结) → 向量化 → 写入Qdrant
                                                         ↓
                                              不足三级 → 2.5级回退

1. 文本提取: 从文件中提取纯文本内容
2. 三级总结: 调用 Ollama 依次生成 L1/L2/L3 总结；其中 L2 大纲优先使用文档原生标题树（不调 LLM），无结构文本（标题数 < 2）回退 LLM 生成
3. 分类判定: 根据 L1 总结将文档分配到 taxonomy 类目，输出主类目 + 附加标签 + 置信度；LLM 输出解析失败或置信度低于阈值时归 uncategorized 兜底（低置信时候选类目名保留进 tags 供软召回）
4. 向量化: 对原文 chunk 和各级总结分别生成 embedding（dense + sparse）
5. 写入 Qdrant: 将文档元数据、各级总结、向量写入对应四层集合（L1/L2/L3/chunks）

本地模型 (Ollama)

• 服务: Ollama 容器，默认模型 qwen2.5:1.5b（约 1GB，适合 NAS 低资源环境）
• 备选模型: qwen2.5:3b（更好的总结质量，约 2GB）
• 模型通过环境变量 OLLAMA_MODEL 配置
• 首次启动时自动拉取模型，需 NAS 可访问外网

Docker 部署说明

• 目标环境: NAS (ARM64/AMD64)
• 镜像: python:3.12-slim
• 持久化: NAS 本地目录挂载
• 端口: 默认 8000 (API), 6333 (Qdrant), 6379 (Redis), 11434 (Ollama)
• 健康检查: /api/v1/health

开发流程

1. 修改代码后本地测试: uv run pytest
2. 构建镜像: docker compose build
3. 启动服务: docker compose up -d
4. 查看日志: docker compose logs -f app