首页 › Agent Spring Boot › RAG 检索增强

知识库形态：Article 非文件上传

agent-rag 的知识单元是 文章（title + content JSON），不是 PDF multipart 上传。批量导入走 SQL + reindex。

表结构（sql/init.sql）：

CREATE TABLE article (
    id BIGINT PRIMARY KEY AUTO_INCREMENT,
    title VARCHAR(255) NOT NULL,
    content TEXT NOT NULL,
    embedding LONGTEXT,   -- JSON float 数组
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

创建与更新

ArticleService.createArticle()：

Article article = new Article(title, content);
float[] vector = embeddingService.embedSync(title + " " + content);
article.setEmbedding(embeddingService.vectorToJson(vector));
articleRepository.save(article);

更新时同样重新 embed。阻塞 JPA 包在 Mono.fromCallable(...).subscribeOn(Schedulers.boundedElastic())。

EmbeddingService（common 模块）

com.lewyon.common.llm.EmbeddingService：

• 请求 POST {deepseek.api.url}/v1/embeddings
• 模型：deepseek.embedding.model（配置项）
• embed(String) → Mono<float[]>
• embedSync 供 JPA 同步路径
• 失败时返回空向量，触发关键词检索降级

public String vectorToJson(float[] vector) { /* Jackson */ }
public float[] jsonToVector(String json) { /* 反序列化 */ }
public boolean isValid(float[] vector) { /* 维度检查 */ }

SQL 批量导入 + reindex

1. 执行 sql/data.sql 插入样例文章（embedding 为 NULL）
2. 调用 POST /api/articles/reindex

reindexAll() 遍历文章，为缺失或无效向量重新生成 embedding，返回 {total, indexed, skipped}。

API 一览（ArticleController）

方法	路径
POST	/api/articles body {title, content}
GET	/api/articles
GET	/api/articles/{id}
PUT	/api/articles/{id}
DELETE	/api/articles/{id}
GET	/api/articles/search?query=
POST	/api/articles/reindex

前端 Agent 模式不直接管理文章；运维用 curl 或 SQL。

摄入流程图

学习点

• 向量化文本常用 title + content 拼接，提升检索命中。
• SQL 导入后必须 reindex，否则 embedding 为空只能走关键词兜底。
• JPA 阻塞调用要放 boundedElastic，别堵 Netty 线程。

小结

• 知识库 = article 表；Embedding 由 common 模块统一调 DeepSeek。
• CRUD + reindex 完成摄入闭环。
• 无文件解析器；扩展 PDF 可在 ingestion 层加 Tika（ai-image 模块有参考）。

上一节：RAG 架构
下一节：MySQL 向量检索

贡献者: 布欧-Lewyon

上一页RAG 架构与多模块划分

下一页MySQL 向量存储与语义检索