陈子默
aa3e90b990
- 新增 easy-agents-document 聚合、document-core 与 document-pdf 模块 - 接入 MinerU PDF provider，支持同步解析、异步任务与 ZIP 结果映射 - 移除 easy-agents-rag-ocr 空壳并补齐 starter 自动装配
96 lines
2.5 KiB
Markdown
96 lines
2.5 KiB
Markdown
# easy-agents-rag 技术规划
|
||
|
||
## 目标
|
||
|
||
`easy-agents-rag` 用于承载 Easy-Agents 的 RAG 领域能力，逐步将知识入库、文档预处理、分块、索引增强、检索增强等能力从业务工程中抽离，形成可复用的框架层模块。
|
||
|
||
当前阶段先完成模块骨架建设，并优先承接本次文档导入链路中的预处理与分块能力迁移。
|
||
|
||
## 模块规划
|
||
|
||
### `easy-agents-rag-core`
|
||
|
||
定位：RAG 域共享契约层。
|
||
|
||
负责内容：
|
||
- 通用常量与元数据 key
|
||
- 结构类型、策略类型、chunk 类型定义
|
||
- 少量稳定共享模型与接口
|
||
|
||
不负责内容：
|
||
- 具体 OCR 实现
|
||
- 具体分块实现
|
||
- 具体召回编排
|
||
|
||
### `easy-agents-rag-ingestion`
|
||
|
||
定位：入库前处理链路。
|
||
|
||
负责内容：
|
||
- 文本标准化与清洗
|
||
- 文档结构分析
|
||
- 拆分策略推荐
|
||
- 文档分块与 chunk 元信息补全
|
||
- 入库前质量控制
|
||
|
||
当前迁移优先承接：
|
||
- 文档结构分析
|
||
- 章节/问答/段落分块
|
||
- 自动推荐拆分策略
|
||
|
||
### `easy-agents-rag-enhance`
|
||
|
||
定位：索引前增强能力。
|
||
|
||
负责内容：
|
||
- 图增强
|
||
- RAPTOR
|
||
- parent-child chunk
|
||
- window chunk
|
||
- 摘要、关键词、标签等增强信息生成
|
||
- 索引前的知识单元增强
|
||
|
||
### `easy-agents-rag-retrieval`
|
||
|
||
定位：查询侧增强与召回编排。
|
||
|
||
负责内容：
|
||
- query rewrite / expansion
|
||
- hybrid recall 编排
|
||
- metadata filter 策略
|
||
- graph recall
|
||
- rerank 编排
|
||
- chunk merge / window expand / context assemble
|
||
|
||
## 当前迁移范围
|
||
|
||
本次优先迁移到 `easy-agents-rag-ingestion` 的能力：
|
||
- 文档结构分析
|
||
- 拆分策略推荐
|
||
- 标题型 / QA 型 / 段落型分块
|
||
|
||
本次不迁移的能力：
|
||
- 业务侧预览会话
|
||
- 控制器与接口 DTO
|
||
- 业务库持久化
|
||
- 前端导入页面
|
||
- OCR / PDF 解析能力
|
||
|
||
这些能力继续留在业务工程，由业务层依赖 `easy-agents-rag` 提供的能力完成编排。
|
||
|
||
其中 OCR / PDF 解析能力改由独立的 `easy-agents-document` 能力域承接，不再归属 `easy-agents-rag`。
|
||
|
||
## 后续演进
|
||
|
||
后续演进顺序建议如下：
|
||
|
||
1. 完成 `rag-ingestion` 首批能力迁移并稳定对外接口
|
||
2. 补充 `rag-enhance`，支持图增强、RAPTOR、索引增强
|
||
3. 补充 `rag-retrieval`，统一查询增强与召回后处理
|
||
|
||
整体原则：
|
||
- `easy-agents-core` 保持基础抽象
|
||
- `easy-agents-rag` 聚合 RAG 领域实现
|
||
- `easy-agents-document` 承接 OCR、版面理解与 PDF 解析等文档处理能力
|
||
- 业务工程只保留编排、持久化与产品层逻辑
|