BinRag

外观

核心概念 ​

知识库 ​

知识库是文档资产的容器。每个知识库拥有独立的元数据与检索范围：

  • 系统级知识库（owner 为空）：系统级 API Key 可见，用于公共文档
  • 用户知识库（绑定登录用户）：仅创建者可见，天然隔离

单向量集合 + payload 过滤实现检索按知识库范围严格隔离。

异步入库 ​

文档上传后不阻塞等待解析，而是进入任务队列：

上传 → 任务入队 → worker 池处理：Load → Chunk → Embed → Store
  • 上传接口立即返回 task_id
  • 后台 worker 池（并发数可配）执行入库，状态持久化（pending / processing / completed / failed）
  • 失败自动重试（次数可配），支持手动重试；服务重启后恢复处理中的任务

检索与重排序 ​

问答与检索均经过三层流水线：

  1. 混合检索：向量语义检索（Qdrant）+ BM25 关键词检索（内存索引），RRF 加权融合——语义理解与精确匹配兼顾
  2. 重排序精排：Cross-encoder 重排序（兼容 Jina / Cohere / bge-reranker 等），对召回结果精排，提升最终质量
  3. 知识库过滤：检索按知识库范围严格过滤，杜绝跨库串扰

融合权重（向量 / BM25）可在「系统配置」中调整（算法要求权重之和为 1）。

RAG 问答编排 ​

问题 → Query 改写（消解指代/多查询/分解/回退/HyDE/路由）
     → 混合检索 + 重排序
     → 上下文按 token 预算组装
     → LLM 生成回答并标注引用来源
  • Query 改写策略可配置：多查询 / 问题分解 / 回退 / HyDE / 自动路由
  • 引用来源：回答中的 [1][2] 对应召回的文档片段，支持查看来源详情
  • 对话历史：按会话存储，支持多会话上下文
  • 流式输出：SSE 协议，引用来源先行、正文增量返回，前端打字机效果

认证与权限 ​

  • 系统级 API Key：SHA-256 哈希存储，可创建 / 启停 / 删除，用于接口访问与系统管理
  • OIDC / GitHub 登录：登录用户拥有独立知识库归属，会话 JWT 保护接口
  • MCP 权限：系统级 Key 可配置 Tool 白名单与知识库范围；用户凭据范围限于自己的知识库

详见 登录认证 与 MCP Server。