# RAG Pipeline — 可插拔 RAG 编排引擎

## 概述

RAG Pipeline 是一个可插拔的 RAG (检索增强生成) 编排服务，支持知识图谱增强的多模态检索。通过插件注册表，所有底层引擎（向量化、向量库、图数据库、重排器）均可替换。

## 架构

```
                    ┌─────────────────┐
                    │  RAG Pipeline   │
                    │   (9093 CPU)    │
                    └────────┬────────┘
                             │
          ┌──────────────────┼──────────────────┐
          │                  │                  │
    ┌─────▼─────┐     ┌─────▼─────┐     ┌─────▼─────┐
    │   CLIP    │     │    VDB    │     │  Graph    │
    │   9086    │     │   8886    │     │   9092    │
    │ GPU 2     │     │   CPU     │     │   CPU     │
    └───────────┘     └───────────┘     └───────────┘
          │                  │                  │
    ┌─────▼─────┐     ┌─────▼─────┐     
    │BGE Rerank │     │   LLM     │     
    │   9090    │     │harnessed  │     
    └───────────┘     └───────────┘     
```

## 插件槽位

| 槽位 | 当前实现 | 可替换为 |
|------|---------|---------|
| embedding | CLIP-ViT-H/14 (9086) | BGE-M3, OpenAI embedding |
| vdb | Milvus VDB (8886) | Qdrant, Weaviate |
| graph | NetworkX (9092) | FalkorDB, Neo4j |
| reranker | BGE-Reranker (9090) | Cohere, LLM rerank |
| llm | harnessed_agent | 任意 LLM |
| chunker | recursive/sentence | 自定义分块策略 |
| extractor | LLM-structured | spaCy, GraphRAG |
| retriever | hybrid/vector_only | 自定义检索策略 |
| face | InsightFace (9091) | FaceNet, DeepFace |

## Pipeline 配置

### kg-rag-standard（标准版）
- CLIP embedding + Milvus + NetworkX 图 + BGE Rerank
- 向量召回 + 图扩展 + RRF 融合 + 精排

### kg-rag-lite（轻量版）
- CLIP embedding + Milvus + BGE Rerank
- 纯向量检索，无图谱

## API

### GET /api/status — 服务状态和可用插件列表

### POST /api/ingest — 入库文档
```json
{"document": "文本内容...", "pipeline": "kg-rag-standard", "collection": "knowledge", "graph_name": "knowledge"}
```
流程: 分块 → CLIP embedding → VDB 存储 → 实体抽取 → 图存储

### POST /api/search — 混合检索
```json
{"query": "搜索问题", "pipeline": "kg-rag-standard", "top_k": 5}
```
流程: CLIP embed → VDB 向量召回 → 图扩展 → RRF 融合 → BGE Rerank → 答案生成

### GET/POST /api/pipelines — 管理 pipeline 配置

### GET /api/plugins — 列出所有可用插件及状态

## 部署

```bash
cd /data/ymq/rag-pipeline
bash build.sh deploy
bash build.sh stop
bash build.sh status
```

## 端到端测试

```bash
curl -X POST http://localhost:9093/api/ingest \
  -H "Content-Type: application/json" \
  -d '{"document":"张三在ABC公司担任技术总监，他和李四是同事关系。"}'

curl -X POST http://localhost:9093/api/search \
  -H "Content-Type: application/json" \
  -d '{"query":"张三在哪家公司工作？"}'
```

## 端口

9093 (CPU only)

## Git

git@git.opencomputing.cn:yumoqing/rag-pipeline.git