# RAG för implementerare: Hybridsökning och automatiserad indexering

<datetime class="hidden">2025-11-22T12:00</datetime>

<!-- category -- ASP.NET, Semantic Search, ONNX, Qdrant, Machine Learning, Vector Search, RAG, AI-Article -->
# Inleiding

**📖 Del av RAG-serien** Detta är en del 5 - produktionsintegreringsmönster

- [Del 1: RAG ursprung och grundlagen](/blog/rag-primer) - Vad är inbäddar , varför de är viktiga
- [Del 2: RAG arkitektur och inre](/blog/rag-architecture) - ,-tokenisering
- [Del 3: RAG i praktiken](/blog/rag-practical-applications) - Att bygga kompletta RAG-system
- [Del 4a: ONNX & Garantiimplementering](/blog/semantic-search-with-onnx-and-qdrant) - CPU-vänligt semantisk sökgrund
- [Del 4b: Semantisk sökande i aktivitet](/blog/semantic-search-in-action) - Typahead, ,, hybridsökning, , och gränssnittkomponenter
- **Del 5: Hybridsökning & Auto-Indexering** (den här artikeln) - Tillverkningsintegreringsmönster
- [Del 6: GraphRAG](/blog/graphrag-knowledge-graphs-for-rag) - kunskapsgrafer för korpusen

I [Del 4a](/blog/semantic-search-with-onnx-and-qdrant), vi byggde grunden : ONNX-integreringar och Qdrant lagring [Del 4b](/blog/semantic-search-in-action),, vi tog in sökinterfacet och implementerade den hybrida sökningen. ., nu kommer vi att göra det till produktion. **automatisk indexering** (zeroM SK1tillkänna innehållsupdater ) via FileSystemWatcher.

[TOC]

# Hybrida sökningar : Det bästa av båda världarna

Semantiska sökningar är kraftfulla men traditionella fulla **Lösningen?** Använd båda

**Varför Hybrid?** olika angrepp har olika styrkor:

- **PostgreSQL Full-Text** ([täckt här](/blog/textsearchingpt1)): Exakt matchar, tekniska termer, Boolean-operatörer
- **Semantisk vektorsökning**: Meaning , context, synonymerM SK3 konceptuellt besläktad innehåll

## Reciprokal rankfuusio (RRFM SK1

Vi använder **Reciprokal rangfuusion** att kombinera resultat från flera sökkällor:

```mermaid
flowchart TB
    A[User Query: 'docker containers'] --> B[PostgreSQL Full-Text Search]
    A --> C[Semantic Vector Search]

    B --> D["Results:<br/>1. 'Docker Basics' (rank 1)<br/>2. 'Containerizing Apps' (rank 2)<br/>3. 'Docker Compose' (rank 3)"]
    C --> E["Results:<br/>1. 'Containerizing Apps' (rank 1)<br/>2. 'Kubernetes Guide' (rank 2)<br/>3. 'Docker Basics' (rank 3)"]

    D --> F[RRF Algorithm]
    E --> F

    F --> G["Combined Results:<br/>1. 'Containerizing Apps'<br/>   (1/61 + 1/62 = 0.0328)<br/>2. 'Docker Basics'<br/>   (1/61 + 1/63 = 0.0322)<br/>3. 'Docker Compose'<br/>   (1/63 = 0.0159)"]

    style A stroke:#10b981,stroke-width:2px
    style B stroke:#3b82f6,stroke-width:2px
    style C stroke:#6366f1,stroke-width:2px
    style D stroke:#3b82f6,stroke-width:2px
    style E stroke:#6366f1,stroke-width:2px
    style F stroke:#ec4899,stroke-width:4px
    style G stroke:#8b5cf6,stroke-width:2px
```

**RRF-formulären:** `score = Σ(1 / (k + rank))`

- `k` = 60 | | ( | konstant för att förhindra att första rangen dominerar
- `rank` = position i den sökmetoden
- Resultat i **båda** källor får poäng från varje tillsatta tillsammans

**Varför fungerar RRF:**

- **Reduktion**: Samma resultat i båda källorna med högre poäng
- **Rättvisa**: Ingen sökmetod dominerar orättvist
- **Enkelhet**: Inga komplexa tunning krävs

## Implementering

```csharp
public class HybridSearchService : IHybridSearchService
{
    private readonly ISemanticSearchService _semanticSearchService;
    private const int RrfConstant = 60;

    public async Task<List<SearchResult>> SearchAsync(
        string query,
        string language = "en",
        int limit = 10,
        CancellationToken cancellationToken = default)
    {
        // Execute both searches in parallel
        var semanticResults = await _semanticSearchService.SearchAsync(
            query, limit * 2, cancellationToken);

        // Filter by language and apply RRF
        var filteredResults = semanticResults
            .Where(r => r.Language == language)
            .ToList();

        return ApplyReciprocalRankFusion(filteredResults)
            .Take(limit)
            .ToList();
    }

    private List<SearchResult> ApplyReciprocalRankFusion(List<SearchResult> results)
    {
        var rrfScores = new Dictionary<string, RrfScore>();

        for (int i = 0; i < results.Count; i++)
        {
            var result = results[i];
            var key = $"{result.Slug}_{result.Language}";

            if (!rrfScores.ContainsKey(key))
                rrfScores[key] = new RrfScore { Result = result };

            // RRF formula: 1 / (k + rank)
            rrfScores[key].Score += 1.0 / (RrfConstant + i + 1);
        }

        return rrfScores.Values
            .OrderByDescending(x => x.Score)
            .Select(x => x.Result)
            .ToList();
    }
}
```

> **Nota:** Det här visar endast semantiska sökningar. I produktionen , utför PostgreSQL fulla- textsökning parallellt och inbegrip dessa resultat i RRF beräkningen

## Integrering

Om du redan implementerat PostgreSQL full[som täckts här](/blog/textsearchingpt1)), att lägga till semantisk sök är enkelt

```csharp
// Program.cs
services.AddSemanticSearch(configuration);
services.AddSingleton<IHybridSearchService, HybridSearchService>();
```

```csharp
[HttpGet("search/hybrid")]
public async Task<IActionResult> HybridSearch(string query, string language = "en")
{
    var results = await _hybridSearchService.SearchAsync(query, language);
    return PartialView("_SearchResults", results);
}
```

# Automatisk indexering med File System Watcher

Den kraftfullaste egenskapen: **automatisk indexering**. spara en bloggpost

## Hur det fungerar

```mermaid
flowchart TB
    A[Save Markdown File] --> B[FileSystemWatcher Detects Change]
    B --> C{File in Main Directory?}
    C -->|Yes| D[Save to Database]
    C -->|No| E[Save to Database Only]
    D --> F[Create BlogPostDocument]
    F --> G[Generate Embedding via ONNX]
    G --> H[Store in Qdrant]
    H --> I[Post Searchable Immediately]

    style A stroke:#10b981,stroke-width:2px
    style B stroke:#f59e0b,stroke-width:2px
    style C stroke:#ec4899,stroke-width:3px
    style D stroke:#3b82f6,stroke-width:2px
    style E stroke:#6b7280,stroke-width:2px
    style F stroke:#8b5cf6,stroke-width:2px
    style G stroke:#6366f1,stroke-width:3px
    style H stroke:#ef4444,stroke-width:2px
    style I stroke:#10b981,stroke-width:2px
```

**Nyckeldesign lösning:** Bara indexdateer i **huvud Markdown-folder**, inte underordningar (`translated/`, `drafts/`, `comments/`). Det gör att sökindexet är ren

## Att integrera File Watcher

Boken har redan en `MarkdownDirectoryWatcherService`. Vi utökar den till att aktivera semantisk indexering

```csharp
// In MarkdownDirectoryWatcherService.cs
private async Task OnChangedAsync(WaitForChangedResult e)
{
    if (e.Name == null) return;

    await retryPolicy.ExecuteAsync(async () =>
    {
        var savedModel = await blogService.SavePost(slug, language, markdown);

        // Index ONLY if file is in main directory (no path separators in name)
        if (!e.Name.Contains(Path.DirectorySeparatorChar) &&
            !e.Name.Contains(Path.AltDirectorySeparatorChar))
        {
            await IndexPostForSemanticSearchAsync(scope, savedModel, language);
        }
    });
}

private async Task IndexPostForSemanticSearchAsync(
    IServiceScope scope,
    BlogPostDto post,
    string language)
{
    var semanticSearchService = scope.ServiceProvider.GetService<ISemanticSearchService>();
    if (semanticSearchService == null) return; // Not configured

    var document = new BlogPostDocument
    {
        Id = $"{post.Slug}_{language}",
        Slug = post.Slug,
        Title = post.Title,
        Content = post.PlainTextContent,
        Language = language,
        Categories = post.Categories?.ToList() ?? new List<string>(),
        PublishedDate = post.PublishedDate
    };

    await semanticSearchService.IndexPostAsync(document);
    _logger.LogInformation("Indexed {Slug} ({Language}) in semantic search", post.Slug, language);
}
```

## Att lösa rader

När ett meddelande är löscht, löser du det från den semantiska indexen.

```csharp
private async Task OnDeletedAsync(WaitForChangedResult e)
{
    await blogService.Delete(slug, language);

    // Delete from semantic search ONLY if file was in main directory
    if (!e.Name.Contains(Path.DirectorySeparatorChar) &&
        !e.Name.Contains(Path.AltDirectorySeparatorChar))
    {
        var semanticSearchService = scope.ServiceProvider.GetService<ISemanticSearchService>();
        await semanticSearchService?.DeletePostAsync(slug, language);
    }
}
```

# Hintergrundtjänster för inledande indexering

När man startar upp ett ",", så indekserar en bakgrundstjänst existerande jobb som inte är ännu i Qdrant.

```mermaid
flowchart TB
    A[Application Starts] --> B[Wait 10 seconds]
    B --> C[Initialize Semantic Search]
    C --> D{Model Exists?}
    D -->|No| E[Download from Hugging Face]
    D -->|Yes| F[Load ONNX Model]
    E --> F
    F --> G[Scan Main Markdown Directory]
    G --> H{For Each .md File}
    H --> I[Compute Content Hash]
    I --> J{Hash Changed?}
    J -->|Yes| K[Generate Embedding]
    J -->|No| L[Skip - Already Indexed]
    K --> M[Store in Qdrant]
    M --> H
    L --> H
    H -->|Done| N[Indexing Complete]

    style A stroke:#10b981,stroke-width:2px
    style C stroke:#6366f1,stroke-width:2px
    style E stroke:#f59e0b,stroke-width:2px
    style F stroke:#6366f1,stroke-width:3px
    style G stroke:#8b5cf6,stroke-width:2px
    style J stroke:#ec4899,stroke-width:3px
    style K stroke:#6366f1,stroke-width:2px
    style M stroke:#ef4444,stroke-width:2px
    style N stroke:#10b981,stroke-width:2px
```

```csharp
public class SemanticIndexingBackgroundService : BackgroundService
{
    protected override async Task ExecuteAsync(CancellationToken stoppingToken)
    {
        // Wait for app to be ready
        await Task.Delay(TimeSpan.FromSeconds(10), stoppingToken);

        // Initialize (downloads model if needed)
        await _semanticSearchService.InitializeAsync(stoppingToken);

        // Get all posts from main directory only
        var markdownFiles = Directory.GetFiles(
            _markdownConfig.MarkdownPath,
            "*.md",
            SearchOption.TopDirectoryOnly);  // NOT subdirectories

        foreach (var file in markdownFiles)
        {
            var needsIndexing = await _semanticSearchService.NeedsReindexingAsync(
                slug, language, contentHash, stoppingToken);

            if (needsIndexing)
                await _semanticSearchService.IndexPostAsync(document, stoppingToken);
        }
    }
}
```

**Detta gör att:**

1. **Låg modell laddande** - Downloads vid första användning, inte blockerar uppstart
2. **Tillväxtindexering** - Bara nya / utbyttade postituser re-indexerade med hjälp av innehållet hashM SK4
3. **Bara huvudkatalogen** - Skivor och översatta plikter förorenar inte indexet

# Vad vi har byggt

Över delar 4a, 4bM SK3 och 5, har vi nu

- ✅ **CPU-vänlig semantisk sök** - Ingen GPU krävs
- ✅ **Related posts discovery** - Semantiskt liknande innehåll
- ✅ **Naturspråkssökningar** - Hitta genom meningen, inte bara nyckelord
- ✅ **Hybridsökning** - Det bästa av semantiskt + fulla
- ✅ **Automatiskt indexering** - Noll -tillkänna innehållsupdater
- ✅ **Själva** - Dina data stannar på din server

**Framstående förbättringar:**

- **Kategorie-Aktuala sökningar** - Boostresultat från specifika kategorier
- **Multilinguella inbäddar** - språk - specifika inbäddade modeller
- **OpenSearch integration** - Lägg OpenSearch till den hybrida blandningen[se min OpenSearch artikel](/blog/textsearchingpt3))

# Slutsatsen

Detta kompletterar den praktiska implementeringen av RAG-style semantic search. kombinerat med [Del 4a](/blog/semantic-search-with-onnx-and-qdrant) (foundation) och [Del 4b](/blog/semantic-search-in-action) (sökningsgui

## Fortsätt lära sig

- **[RAG-delen 1: källor och grunder](/blog/rag-primer)** - Teorin bakom inbäddar
- **[RAG-delen 2: arkitektur och inre](/blog/rag-architecture)** - djupt dyka in i RAG-system
- **[RAG Part 3: Praktiska tillämpningar](/blog/rag-practical-applications)** - Komplett RAG med LLM-integration
- **[Del 4a: ONNX & Garantiimplementering](/blog/semantic-search-with-onnx-and-qdrant)** - Foundation
- **[Del 4b: Semantisk sökande i aktivitet](/blog/semantic-search-in-action)** - Typanledningen , hybridsökningen , och gränssnittet
- **[Full-Textsökning med PostgreSQL](/blog/textsearchingpt1)** - Fulltextsidan av hybridsökningen

## resurser

### Qdrant & Vektordatabaser

- [Self-Hosted Vector Databases with Qdrant](/blog/self-hosted-vector-databases-qdrant) - djupt dyka in i Qdrants koncept
- [Qdrant Hybrids sök](https://qdrant.tech/documentation/concepts/hybrid-queries/) - Qdrant

### Hybridsökning

- [Reciproka Rang Fusion Papier](https://plg.uwaterloo.ca/~gvcormac/cormacksigir09-rrf.pdf) - RRF-algoritmen

### Att titta på filesystem

- [FileSystemWatcher klass](https://learn.microsoft.com/en-us/dotnet/api/system.io.filesystemwatcher) -  .NET-dokumentation
- [BackgroundService klass](https://learn.microsoft.com/en-us/dotnet/api/microsoft.extensions.hosting.backgroundservice) - Manade tjänster i ASP.NET Core

### Komplett kod

Alla koder är tillgängliga på: [github.com/scottgalM SK2mostlylucidweb](https://github.com/scottgal/mostlylucidweb)

- `Mostlylucid.SemanticSearch/` - Kernsemantisk sökbibliotek
- `Mostlylucid/Blog/WatcherService/` - File watcher med semantisk indexering