实施者RAG:混合搜索和自动索引

Saturday, 22 November 2025

一. 导言导言导言导言导言导言一,导言导言导言导言导言导言

部分RAG系列: 这是第五部分 - 生产一体化模式:

第1部分:RAG起源和基本要点 - 什么是嵌入,为什么它们重要
第2部分:RAG建筑和内部 - 启动、象征化、矢量数据库
第3部分:在实务中协助通知书 - 建立完整的ARAG系统
第4a部分:ONNX和Qdrant执行 - CPU友好语义搜索基金会
第4b部分:语义搜索行动 - 头型、混合搜索和UI组件
第5部分:混合搜索和自动插入 (本条) -- -- 生产一体化模式
第6部分:图表 - 用于了解人身知识的知识图

内第4部分a我们建立了基础:ONNX嵌入和Qdrant存储。第4部分b,我们覆盖了搜索界面和混合搜索实施。 自动自动索引化 (零触摸内容更新)通过文件系统监视器。

混合搜索:两个世界中最好的

语义搜索是强有力的,但传统的全文搜索在确切的词语和技术术语方面仍然优异。 解决办法? 两者皆用。

为什么是混血? 不同办法的优点不同:

PostgresSQL 全文本 (覆盖于此:精确匹配、技术术语、布尔操作员
语义矢量搜索含义、上下文、同义词、概念相关内容

相互排名融合(RRF)

我们用 相互排名融合 组合多个搜索来源的结果:

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公式: score = Σ(1 / (k + rank))

k = 60(防止早期排行排行排行排行至上)
rank = 搜索方法结果中的位置
成果和成果 两者兼 每个来源加起来都得分

RRF为何工作:

调解:同样的结果是两个来源的得分都更高
公平公正:没有一种搜索方法不公平地占主导地位
简单化:不需要复杂的调试

执行执行情况执行

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();
    }
}

注: 这只显示语义搜索。制作时, 平行执行 PostgreSQL 全文搜索, 并将这些结果纳入 RRF 计算。

融入

如果您已经实施了 PostgreSQL 全文搜索( PostgreSQL) 。所覆盖的添加语义搜索是直截了当的:

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

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

使用文件系统监视器自动索引

最强大的特征是: 自动自动索引化保存博客文章, 即刻可以搜索 - 没有手动干预。

如何运作

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

关键设计决定: 仅在 主标记按下目录,而不是子目录(translated/, drafts/, comments/这样可以保持搜索索引的干净。

文件监视器集成

博客已经有一个 MarkdownDirectoryWatcherService我们将其扩展至触发语义索引:

// 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);
}

处理删除

删除时, 从语义索引中删除 :

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);
    }
}

初始索引编制背景服务

启动时,尚未在Qdrant设置的现有员额有一个背景服务指数:

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

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);
        }
    }
}

这确保:

Lazy 模型装货 - 首次使用下载,不阻碍启动
递增指数化 - 只有(通过内容散列)重新索引的新的/修改的日志
仅主目录 - 草稿和翻译文件不会污染索引

我们所建造的

横跨第4a、4b和5部分,我们现在有:

✅ CPU 方便的语义搜索 - 不需要 GPU
✅ 相关职位的发现 - 具有历史相似内容的内容
✅ 自然语言搜索 - 不仅查找关键词,还查明关键词
✅ 混合查找 - 最好的语义语法+全文
✅ 自动索引化 - 零触碰内容更新
✅ 自自托管 - 您的数据保留在服务器上

未来改进:

类别软件搜索 - 特定类别的促进结果
多语种嵌入器 - 具体语言嵌入模式
开放搜索船一体化 - 在混合混合体中添加 OpenSearch( OpenSearch)看我的《开放搜索》)

结论结论结论结论结论

这完成了实际实施RAG式语义搜索。第4部分a (基金会)和(基金会) 第4部分b (搜索 UI), 您需要的一切, 都可以在您的. NET 应用程序中添加智能搜索 - 完全在 CPU 上运行, 以零额外费用。

继续学习

RAG 第一部分:起源和基本 - 嵌入背后的理论
RAG 第二部分:建筑和内部 - 深入潜入RAG系统
RAG 第三部分:实际应用 - 与LLLM整合完成RAG
第4a部分:ONNX和Qdrant执行 - 基础:嵌入和病媒储存
第4b部分:语义搜索行动 - 头型、混合搜索和UI
带有 PostgreSQL 的全文本搜索 - 混合搜索的全文

资源资源资源资源资源资源资源资源资源资源

Qdrant 和矢量数据库

带有 Qdrant 的自住矢量数据库 - 深入潜入 Qdrant 概念、 HNSW 索引、过滤和 C# 客户端
Qdrant 混合搜索 - Qdrant的本地混合支持

混合搜索

相互排名合并文件 RRF算法

文件系统监视

文件系统监视器类 - .网域文件
背景服务类 - ASP.NET核心托管服务

完整代码

所有代码可在以下网址查阅: com/scottgal/ mostlylylucidweb 缩略图/ com/ scottgal/ mostlylylucidweb 缩略图/ 缩略图/ 缩略图/ 缩略图/ 缩略图/ 缩略图/ 缩略图/ 缩略图/ 缩略图/ 缩略图/ 缩略图/ 缩略图/ 缩略图/ 缩略图/ 缩略图/ 缩略图/ 缩略图

Mostlylucid.SemanticSearch/ - 核心语义搜索库
Mostlylucid/Blog/WatcherService/ - 带有语义索引的文件监视器