Agentic RAG Vault FastAPI

FastAPI 实现的 Agentic RAG Vault MVP，支持基于 Obsidian 知识库的智能问答系统。

特性

• 7 个智能步骤：Orchestrator、Planner、Query Rewriter、Search Fanout、Evidence Selector、Context Gate、Synthesis
• 迭代检索：多轮检索优化，确保答案完整性
• 混合检索：向量相似度 + 词法匹配
• 证据需求拆解：先生成回答所需的 evidence requirements，而不是直接固定 Top-K
• 动态证据选择：从较大的候选池里选择覆盖需求的最小证据集
• 上下文门禁：评估覆盖率、重复度、冲突、密度和可回答性
• 可追溯性：完整的执行轨迹和引用来源

技术栈

• Python 3.11+
• FastAPI - 现代高性能 Web 框架
• uv - 快速的 Python 包管理器
• NumPy - 向量运算优化
• Pydantic - 数据验证

快速开始

1. 安装依赖

使用 uv（推荐）：

cd google-agentic-rag-vault-fastapi
uv sync

2. 配置环境变量（可选）

创建 .env 文件：

VAULT_PATH=/path/to/your/Obsidian Vault
PORT=4174
HOST=127.0.0.1

3. 构建向量索引

uv run python scripts/reindex.py

4. 启动服务

uv run python -m app.main

服务将在 http://127.0.0.1:4174 启动

5. 打开浏览器

访问 http://127.0.0.1:4174 使用 Web 界面。

API 端点

GET /api/status

获取向量存储状态

POST /api/reindex

重建向量索引

POST /api/run

运行 Agentic RAG 查询

工作原理

1. Orchestrator（编排器）

分析查询复杂度和信息需求，并生成 evidence requirements。

2. Planner（规划器）

决定检索哪些语料库。

3. Query Rewriter（查询改写器）

将查询扩展为多个变体。

4. Search Fanout（扇出检索器）

执行混合检索，召回较大的候选池。

5. Evidence Selector（证据集合选择器）

按“相关性 + 新增需求覆盖 + 来源质量 - 重复 - 无关内容”选择最小充分证据集。

6. Context Gate（上下文门禁）

检查覆盖率、重复、冲突、密度和 reachability；如果缺证据，下一轮只检索缺口。

7. Synthesis（综合器）

生成最终答案。

许可证

MIT License