#LangRAG

LangBot 的 RAG（檢索增強產生）引擎插件。

該插件示範如何建立知識引擎，使用 LangBot Host 的內建基礎架構（嵌入模型和向量資料庫）來處理文件攝取和向量檢索。

＃＃ 特徵

-**外部解析器整合**- 更喜歡來自解析器插件（例如 GeneralParsers）的預解析內容，包括結構化部分和文檔元數據
-**後備內部解析**- 包含內建解析器作為未配置外部解析器時的後備
-**多重索引策略**- 扁平分塊、父子分塊、LLM 產生的問答對
-**彈性檢索**- 向量、全文或混合搜尋
-**查詢重寫**- HyDE、多查詢、後退策略以提高召回率
-**可配置分塊**- 具有自訂區塊大小和重疊的遞歸字元分割
-**節感知分塊**- 當結構化節可用時，分塊會保留標題、頁面資訊和表格邊界
-**上下文擴展**- 可以選擇在每個命中周圍附加相鄰區塊，以獲得更豐富的檢索上下文
-**文件管理**- 依文件刪除索引向量

＃＃ 建築學

```
┌─────────────────────────────────┐
│         LangBot Core            │
│  (Embedding / VDB / Storage)    │
└──────────┬──────────────────────┘
           │ RPC (IPC)
┌──────────▼──────────────────────┐
│          LangRAG                │
│  ┌───────────────────────────┐  │
│  │    Knowledge Engine       │  │
│  │  Parse → Chunk → Embed   │  │
│  │      → Store / Search    │  │
│  └───────────────────────────┘  │
└─────────────────────────────────┘
```

## 攝取流程

LangRAG 現在更喜歡 LangBot Host 提供的解析器輸出：

1. LangBot讀取上傳的文件
2. 解析器外掛程式（例如 GeneralParsers）提取“文字”、“部分”和“元資料”
3. LangRAG直接擷取結構化結果
4. 如果沒有可用的解析器輸出，LangRAG 將回退到其內部解析器
5.所選索引策略建構塊/問答對
6. LangBot Host 產生嵌入並儲存向量

這意味著 LangRAG 在與外部解析器插件配合使用時效果最佳。

＃＃ 配置

### 知識庫創建

|參數|描述 |預設 |
|------------|-------------|---------|
|`embedding_model_uuid`|嵌入模型 |必填|
|`索引類型`|索引策略：`chunk`、`parent_child`或`qa`|`區塊`|
|`塊大小`|每塊字元數 | 512 | 512
|`重疊`|區塊之間的重疊 | 50 | 50
|`parent_chunk_size`|父區塊大小（僅限parent_child）| 2048 | 2048
|`child_chunk_size`|子區塊大小（僅parent_child）| 256 | 256
|`qa_llm_model_uuid`|用於問答產生的法學碩士（僅限問答）| - |
|`每個區塊的問題`|每個區塊產生的問題（僅限品質保證） | 1 |

### 檢索

|參數|描述 |預設 |
|------------|-------------|---------|
|`top_k`|傳回的結果數 | 5 |
|`搜尋類型`|搜尋模式：「向量」、「全文」或「混合」 |`向量`|
|`query_rewrite`|重寫策略：`off`、`hyde`、`multi_query`或`step_back`|`關閉`|
|`rewrite_llm_model_uuid`|用於查詢重寫的 LLM（啟用重寫時）| - |
|`上下文視窗`|每次命中周圍附加的相鄰區塊的數量 | 0 |

## 指數策略

-**chunk**- 預設平面分塊。將文件分割成固定大小的區塊並直接嵌入每個區塊。當解析器部分可用時，將逐節建立區塊，而不是展平整個文件。
-**parent_child**- 兩級分塊。分為大的父塊，然後是較小的子塊。嵌入子塊但返回父文本以獲得更豐富的上下文。當解析器節可用時，節將用作自然父邊界。
-**qa**- LLM 產生的問答對。將文字分塊，使用 LLM 為每個區塊產生問答對，並嵌入問題。當解析器部分可用時，問答產生也變得具有部分感知能力。

## 查詢重寫

-**hyde**- 假設的文檔嵌入。產生查詢的假設答案，然後嵌入該答案以供檢索。
-**multi_query**- 產生 3 個查詢變體，對每個變體進行搜索，並按分數合併結果。
-**step_back**- 產生更抽象的問題並使用原始查詢和抽象查詢進行搜尋。

## 與 GeneralParsers 配對

GeneralParsers 目前是 LangRAG 推薦的解析器，因為它可以提供：

- 更清晰的 PDF 提取
- 結構化部分
- 表格保留文本
- 文檔級元數據
- 透過視覺模型進行可選的 OCR 和影像描述

LangRAG 在攝取過程中直接使用這些解析器輸出，這通常會比後備解析器產生更好的區塊和更好的檢索品質。

＃＃ 發展

```bash
pip install -r requirements.txt
cp .env.example .env
```

在“.env”中設定“DEBUG_RUNTIME_WS_URL”和“PLUGIN_DEBUG_KEY”，然後使用 IDE 偵錯器啟動。

## 連結

- [LangBot 文件](https://langbot.app/docs/)