42 lines
2.8 KiB
Markdown
42 lines
2.8 KiB
Markdown
|
# Phase 3 开发日志
|
|||
|
|
|
|||
|
|
> 本文件记录 Phase 3（知识库基础设施）各 Task 的已完成事实。
|
|||
|
|
> 续接快照（待办/决策）见单独文件，不混入本 log。
|
|||
|
|
|
|||
|
|
---
|
|||
|
|
|
|||
|
|
## Task 1 — embedding 最小链路验证 ✅（2026-05-26 完成）
|
|||
|
|
|
|||
|
|
### 目标
|
|||
|
|
用最小代价验证 Phase 3 的命脉：文本能否转成正确维度的向量、整条「解析→embedding→入库→语义检索」链路能否跑通。不碰 schema、不碰前端、不碰 docx。
|
|||
|
|
|
|||
|
|
### 关键结论（地基事实，后续 Task 依赖）
|
|||
|
|
- **embedding 服务确定为 MiniMax embo-01**。前期查证已排除 DeepSeek（官方无 embedding 接口）。
|
|||
|
|
- **embo-01 输出维度 = 1536**，与 `001_init.sql` 中 `knowledge_embeddings.embedding vector(1536)` 完全匹配，无需改维度、无需改宪法。
|
|||
|
|
- **embo-01 真实接口结构**（实测确认，非凭印象）：
|
|||
|
|
- 请求：`{"model":"embo-01", "texts":[...], "type":"db"|"query"}` —— 注意是 `texts` 数组，不是 OpenAI 的 `input`。
|
|||
|
|
- 返回：向量在 `vectors` 字段（`data["vectors"][0]`），不是 OpenAI 的 `data[0].embedding`。
|
|||
|
|
- 存文档用 `type="db"`，查询用 `type="query"`，不可混。
|
|||
|
|
- 调用需 `Authorization: Bearer {API_KEY}` + `GroupId` 两个凭证（MiniMax 特有 GroupId）。
|
|||
|
|
- **检索方式**：使用 pgvector 数据库原生余弦距离算子 `<=>`，不在 Python 侧计算。
|
|||
|
|
- **凭证管理**：API Key + GroupId 存于 `backend/.env`（`MINIMAX_EMBED_API_KEY` / `MINIMAX_GROUP_ID`），代码从 .env 读取，未进任何代码、未进 git（.env 已在 .gitignore）。
|
|||
|
|
- 注意：embedding 接口地址 `https://api.minimax.chat/v1/embeddings`，与 Cline 写代码所用的 M2.7 chat 接口是两套独立配置，互不影响。
|
|||
|
|
|
|||
|
|
### 新增/改动文件（已 commit & push，commit 38873ac）
|
|||
|
|
- `backend/requirements.txt`（+pgvector==0.2.5）
|
|||
|
|
- `backend/app/core/config.py`（+引导凭证字段）
|
|||
|
|
- `backend/app/models/knowledge.py`（新增，embedding 字段用 pgvector.Vector）
|
|||
|
|
- `backend/app/services/embedding_service.py`（新增，embo-01 调用封装）
|
|||
|
|
- `backend/app/services/knowledge_service.py`（新增，写库 + SQL 向量检索）
|
|||
|
|
- `backend/scripts/test_embo01_api.py`（探路脚本）
|
|||
|
|
- `backend/scripts/verify_embedding.py`（全链路验证脚本）
|
|||
|
|
- `backend/sample_md/`（空目录，测试文件已清）
|
|||
|
|
|
|||
|
|
### 收尾
|
|||
|
|
- 验证用测试数据已全部清除：knowledge_items = 0 行，knowledge_embeddings = 0 行，sample_md/ 空。
|
|||
|
|
- 知识库当前为干净空库，等待真实笔记导入。
|
|||
|
|
|
|||
|
|
### 顺手核实到的现状（未处理，留待办）
|
|||
|
|
- episodes 表当前仅 7 行。
|
|||
|
|
- Phase 2 的「批量导入」前端有入口但从未真实导入过收视数据（制片人确认：是流程上没提醒导入，加上收视表里有测试数据不会删）。属 Phase 2 遗留债，记入 backlog，另行处理，不并入 Phase 3。
|