# RAG для Implementers: Гібридна пошукова система і автоматичний індексування

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

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

**📖 Частина серії RAGM SK1** Це частина 5 МSK1 моделі інтеграції виробництваM SK2

- [Частина 1: Походження та основи RAG](/blog/rag-primer) - Що таке вбудова МSK1 чому вони важливі
- [Частина 2: Архітектура та інтер 'єри РАГ](/blog/rag-architecture) - чорнилуванняМSK1 маркуванняM SK2 векторні бази даних
- [Частина 3: RAG в практиці](/blog/rag-practical-applications) - Збудувати повноцінні системи RAG
- [Частина 4aM SK1 ONNX & Гарантійне вdrożenie](/blog/semantic-search-with-onnx-and-qdrant) - Процесор - приємна база семантичного пошуку
- [Частина 4bM SK1 Семантичний пошук в дії](/blog/semantic-search-in-action) - Typeahead , гібридні пошукові системи, і інтерфейси
- **Частина 5: Гібридне пошук МSK1 АвтоM SK2 Індексування** ( цей artykułM SK1 - Моделі інтеграції виробництва
- [Частина 6: GraphRAG](/blog/graphrag-knowledge-graphs-for-rag) - Графи знань для корису -зрозуміння рівня

В [Частина 4a](/blog/semantic-search-with-onnx-and-qdrant), ми збудували основу : вбудовані модулі ONNX і Qdrant Storage [Частина 4b](/blog/semantic-search-in-action), ми обробили інтерфейс пошукового інтерфейсу і гібридні пошукові втілення МSK1 Зараз ми МSK2 зробимо його виробництвом - готові **автоматичний індексування** (zeroM SK1touch content updates ) via FileSystemWatcher.

[TOC]

# Гібридний пошук: Найкращий з обох світів

Семантичний пошук потужний, але традиційний повний **Рішення?** Використовуйте обидва.

**Чому гібрид?** Різні підходи мають різні переваги:

- **Полний текст PostgreSQL-Text** ([тут закриті](/blog/textsearchingpt1)): Точні співпадінняM SK1 технічні терміни , Бульські оператори
- **Поиск семантичного вектора**: ЗначенняM SK1 контекст , синоніми, концептуально пов 'язаний контент

## Реципрочний рейтинг термоядерного синтезу (RRFM SK1

Ми використовуємо **Об 'єднання рангів** щоб об 'єднати результати з декількох джерел пошуку:

```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
```

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

- `k` МSK0 60 \ \ (констант, щоб запобігти домінуванню ранніх рейківM SK3
- `rank` = місцезнаходження в даному методі пошукуМSK1 результати
- Результати **обидві** джерела отримують очки від кожного доданого разом

**Чому RRF працює:**

- **Дедупликація**: Те ж саме в обох джерелах результати вищі
- **Справедливість**: Жодна методика пошуку несправедливо домінує
- **Простість**: Немає складного налаштування

## Втілення

```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:** Це показує лише семантичні пошуки. В процесі виробництва, виконувати повний PostgreSQLM SK2 текстовий пошук паралельно і включити ці результати в розрахунки RRFMSC3

## Інтеграція

Якщо ви' вже застосували PostgreSQL, то пошук тексту(МSK1)[як показано тут](/blog/textsearchingpt1)), доdanie семантичного пошуку є простим

```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);
}
```

# Автоматичний індексування з File System Watcher

Найпотужніша характеристика: **автоматичний індексування**. За save a blog postM SK1 it 's immediately searchable

## Як це працює

```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
```

**Key Design Decision:** Лише ті, що є в **головне маркування**, не підкаталоги МSK1`translated/`, `drafts/`, `comments/`). Це зберігає чистий індекс пошуку

## Інтеграція щира файлів

В блогі вже є `MarkdownDirectoryWatcherService`. Ми розширюємо його, щоб викликати семантичний індексуванняM SK1

```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);
}
```

## Рухаємось за видаленнями

Коли пост видаляється, remove it from the semantic index

```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);
    }
}
```

# Справка з базовими даними для первинного індексування

Під час запуску, базовий сервіс indeksує наявні місця, які ще не знаходяться в 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);
        }
    }
}
```

**Це гарантує**

1. **Завантаження застарілої моделі** - Завантаження при першій використанніM SK1 не блокує запуску
2. **Індексування зростає** МСК0 Тільки новіМSK1вимінні записи reМСК2indeksовані MСК3за допомогою контенту hashМ СК4
3. **Лише головна директорія** - Проекти та перекладені файли не забруднюють індекс

# Що ми створили

На всіх частинах: 4a, 4bM SK3 і МSK4 тепер ми маємо

- ✅ **CPU-зручний семантичний пошук** - Немає GPU
- ✅ **Подібні записи відкриття** - Симантично схожий контент
- ✅ **Поиск природних мов** - Знайти по значенніM SK1 не просто ключові слова
- ✅ **Гібридний пошук** - Найкраще семантичне МSK1 повнеM SK2текст
- ✅ **Автоматичний індексування** - Нуль МSK1Aktualізації контенту
- ✅ **Самовіддаленість** - Ваші дані залишаються на вашому сервері

**Дальне покращення:**

- **Категория-Визначні пошуки** - Результати стимулювання з певних категорій
- **Мільйовні інтерфейси** - Мова
- **Інтеграція OpenSearch** - Dodaj OpenSearch до гібридної суміші [погляньте на мою статтю про OpenSearch](/blog/textsearchingpt3))

# Завершення

Це завершує практичне застосування алгоритму RAG-style semantic search. в połączeniu з [Частина 4a](/blog/semantic-search-with-onnx-and-qdrant) (зрізницяМSK1 і [Частина 4b](/blog/semantic-search-in-action) ( пошуковий інтерфейс

## Продовжувати навчання

- **[Зразок RAG 1: Походження та основи](/blog/rag-primer)** - Теорія за вбудовами
- **[Частина RAG 2: Архітектура та внутрішні](/blog/rag-architecture)** - Глибокий подив на системи RAG
- **[Частка RAG 3: Практичні застосування](/blog/rag-practical-applications)** - Повний RAG з інтеграцією LLM
- **[Частина 4aM SK1 ONNX & Гарантійне вdrożenie](/blog/semantic-search-with-onnx-and-qdrant)** - Foundation : вбудова та векторне зберігання
- **[Частина 4bM SK1 Семантичний пошук в дії](/blog/semantic-search-in-action)** - Типова головка , гібридні пошуки МSK2 і інтерфейс
- **[Полне-Text Search з PostgreSQL](/blog/textsearchingpt1)** - ЦілковитаM SK1текстова сторона гібридного пошуку

## Ресурс

### Базинки векторів Qdrant &

- [Self-Схований векторні бази з Qdrant](/blog/self-hosted-vector-databases-qdrant) - Глибоке поглинання концепцій Qdrant , Індексування HNSW МSK2 фильтрація
- [Поиск гібриду Qdrant](https://qdrant.tech/documentation/concepts/hybrid-queries/) - Qdrant'с нативною гібридною підтримкою

### Гібридний пошук

- [Реципрочний рейтинг об 'єднання паперу](https://plg.uwaterloo.ca/~gvcormac/cormacksigir09-rrf.pdf) - Алгоритм РР

### Спостереження системи файлів

- [Клас FileSystemWatcher](https://learn.microsoft.com/en-us/dotnet/api/system.io.filesystemwatcher) - МSK1NET-документація
- [Клас Hintergrundсервису](https://learn.microsoft.com/en-us/dotnet/api/microsoft.extensions.hosting.backgroundservice) - Обслуговувані послуги в ASP.NET Core

### Завершити код

Весь код доступний по адресу: [github.comM SK1scottgal/mostlylucidweb](https://github.com/scottgal/mostlylucidweb)

- `Mostlylucid.SemanticSearch/` - Центральна семантична пошукова база
- `Mostlylucid/Blog/WatcherService/` - Файловий монітор з семантичним индексуванням