# RAG知识库系统 - 完整配置总结

## ✅ 已完成的配置

### 1. 系统架构

**混合模式（Hybrid Mode）**：
- 📥 文档嵌入：本地Ollama (`nomic-embed-text`)
- 🤖 AI生成：远程Kimi API (`moonshot-v1-32k`)
- 💾 向量存储：SimpleVectorStore（文件持久化）

### 2. 配置文件

**application.yml**：
```yaml
rag:
  mode: hybrid  # 混合模式
  
  openai:
    base-url: https://api.moonshot.cn/v1
    api-key: sk-U9fdriPxwBcrpWW0Ite3N0eVtX7VxnqqqYUIBAdWd1hgEA9m
    generate-model: moonshot-v1-32k
  
  ollama:
    url: http://localhost:11434
    embed-model: nomic-embed-text
  
  storage:
    upload-path: D:/wwwroot/RAG/uploads
    log-path: D:/wwwroot/RAG/logs
    chroma-data-path: D:/wwwroot/RAG/data/chroma_db
```

### 3. 目录结构

```
D:\wwwroot\RAG\
├── uploads\                    # 文档上传目录
├── logs\                       # 系统日志
└── data\
    └── chroma_db\
        └── vector_store.json   # 向量数据持久化文件
```

### 4. 后端功能

**控制器**：`PsyKnowledgeController.java`
- ✅ 文档上传（自动处理）
- ✅ 文档列表查询
- ✅ 文档详情查看
- ✅ 文档删除
- ✅ 文档搜索
- ✅ 重建索引
- ✅ 获取统计信息
- ✅ 清空知识库

**服务层**：`KnowledgeService.java`
- ✅ 自动解析文档
- ✅ 自动分块处理
- ✅ 自动生成向量
- ✅ 自动存储到向量库
- ✅ 文档索引管理

**向量存储**：`SimpleVectorStore.java`
- ✅ 内存存储
- ✅ 文件持久化
- ✅ 自动加载/保存
- ✅ 余弦相似度检索

### 5. 前端页面

**知识库管理**：`xinli-ui/src/views/psychology/knowledge/index.vue`
- ✅ 统计卡片（文档数、片段数、服务状态）
- ✅ 文档上传（拖拽上传、分类选择）
- ✅ 文档列表（分页、查看、删除）
- ✅ 重建索引
- ✅ 清空知识库

## 🚀 使用流程

### 方式1：Web界面上传（推荐）

1. 登录系统
2. 进入"知识库管理"页面
3. 点击"上传文档"
4. 选择分类和文件
5. 点击确定
6. **系统自动处理**：
   ```
   上传 → 保存 → 解析 → 分块 → 向量化 → 存储 → 完成
   ```

### 方式2：批量处理

1. 将文档放入 `D:\wwwroot\RAG\uploads\`
2. 运行 `处理上传文件.bat`
3. 或在Web界面点击"重建索引"

### 方式3：API调用

```bash
# 上传文档
POST /psychology/knowledge/upload
Content-Type: multipart/form-data
file: [文件]
category: assessment

# 重建索引
POST /psychology/knowledge/rebuild

# 查看状态
GET /psychology/knowledge/statistics
```

## 📊 系统容量

**推荐配置**：
- 文档数量：50-200个
- 文档片段：1000-5000个
- 内存占用：10-50MB
- 查询速度：50-200ms

**适用场景**：
- ✅ 心理测评标准文档
- ✅ 心理学理论知识
- ✅ 案例分析文档
- ✅ 干预建议文档

## 🔧 维护操作

### 检查状态

**使用脚本**：
```bash
检查知识库状态.bat
```

**使用API**：
```bash
curl http://localhost:30081/api/knowledge/statistics
```

**查看文件**：
```
D:\wwwroot\RAG\data\chroma_db\vector_store.json
```

### 备份数据

```bash
# 备份向量数据
copy D:\wwwroot\RAG\data\chroma_db\vector_store.json backup\

# 备份文档
xcopy D:\wwwroot\RAG\uploads backup\uploads\ /E /I
```

### 清空知识库

**Web界面**：点击"清空知识库"按钮

**API调用**：
```bash
curl -X DELETE http://localhost:30081/api/knowledge/clear
```

## 🎯 AI分析使用

### 在测评报告中使用

1. 进入"测评报告"页面
2. 选择一个报告
3. 点击"AI分析"按钮
4. 系统流程：
   ```
   分析测评结果
       ↓
   从知识库检索相关知识（Ollama嵌入）
       ↓
   构建提示词（包含检索到的知识）
       ↓
   调用Kimi API生成分析
       ↓
   显示分析结果和知识来源
   ```

### 分析质量优化

**提高质量的方法**：
1. 上传高质量、专业的文档
2. 确保文档内容与测评相关
3. 文档结构清晰、分段明确
4. 定期更新知识库内容
5. 删除无效或过时的文档

## 📝 支持的文档格式

- `.txt` - 纯文本文件
- `.pdf` - PDF文档
- `.docx` - Word文档
- `.md` - Markdown文档

**文件限制**：
- 单个文件最大 10MB
- 建议文档内容清晰、结构化

## 🔍 工作原理

### 文档处理流程

```
1. 上传文档
   ↓
2. 保存到 D:/wwwroot/RAG/uploads
   ↓
3. 解析文档内容（DocumentParser）
   ↓
4. 文本分块（TextSplitter）
   - 块大小：800字符
   - 重叠：200字符
   ↓
5. 生成向量（Ollama）
   - 模型：nomic-embed-text
   - 维度：768维
   ↓
6. 存储到SimpleVectorStore
   - 内存存储
   - 自动保存到 vector_store.json
   ↓
7. 完成！可立即使用
```

### AI分析流程

```
1. 用户请求AI分析
   ↓
2. 提取测评结果关键信息
   ↓
3. 生成查询向量（Ollama）
   ↓
4. 检索相关知识片段（Top-5）
   - 使用余弦相似度
   - 相似度阈值：0.7
   ↓
5. 构建提示词
   - 系统角色：心理咨询专家
   - 测评结果
   - 检索到的知识
   ↓
6. 调用Kimi API生成分析
   - 模型：moonshot-v1-32k
   - 上下文：32k tokens
   ↓
7. 返回分析结果和知识来源
```

## 💰 成本说明

**免费部分**：
- ✅ 文档处理（本地Ollama）
- ✅ 向量生成（本地Ollama）
- ✅ 知识检索（本地SimpleVectorStore）
- ✅ 数据存储（本地文件）

**付费部分**：
- 💰 AI报告生成（Kimi API）
- 按调用次数计费
- 你的API额度

## ⚙️ 配置参数

### 文本分块

```yaml
text-splitter:
  chunk-size: 800        # 分块大小（字符）
  chunk-overlap: 200     # 重叠大小（字符）
```

### 检索参数

```yaml
retrieval:
  top-k: 5                      # 返回前5个最相关片段
  similarity-threshold: 0.7     # 相似度阈值
```

### 存储路径

```yaml
storage:
  upload-path: D:/wwwroot/RAG/uploads
  log-path: D:/wwwroot/RAG/logs
  chroma-data-path: D:/wwwroot/RAG/data/chroma_db
```

## 🛠️ 故障排查

### 问题1：上传失败

**可能原因**：
- Ollama未运行
- 文件格式不支持
- 文件大小超限
- 磁盘空间不足

**解决方法**：
1. 检查Ollama：`ollama list`
2. 检查文件格式和大小
3. 查看应用日志

### 问题2：AI分析没有使用知识库

**可能原因**：
- 知识库为空
- 文档内容不相关
- 相似度阈值过高

**解决方法**：
1. 检查知识库状态
2. 上传相关文档
3. 调整相似度阈值

### 问题3：向量数据丢失

**可能原因**：
- 文件被删除
- 文件权限问题
- 保存失败

**解决方法**：
1. 检查 `vector_store.json` 是否存在
2. 检查文件权限
3. 重建索引

### 问题4：性能慢

**可能原因**：
- 文档数量过多
- Ollama性能不足
- 内存不足

**解决方法**：
1. 删除无用文档
2. 升级硬件
3. 调整分块大小

## 📚 相关文档

- `README-RAG-SYSTEM.md` - 系统概述
- `RAG-使用指南.md` - 使用指南
- `RAG-容量说明.md` - 容量说明
- `知识库管理-使用说明.md` - 管理说明
- `快速开始-知识库.md` - 快速开始

## 🎉 总结

系统已完整配置，具备：
- ✅ 自动文档处理
- ✅ 持久化存储
- ✅ Web管理界面
- ✅ AI分析功能
- ✅ 完整的API

现在可以开始使用了！

---

**配置完成时间**：2025-12-19
**系统版本**：1.0.0