知识库（RAG）

IriX 内置基于 RAG（检索增强生成）的知识库，可对文档进行语义检索。其核心设计是职责分离：向量存取与检索由 Rust 负责，embedding 生成统一走 HTTP 服务。

职责分工

职责	承担方	说明
向量存取与相似检索	vector_store crate	rusqlite + sqlite-vec，不做 embedding
embedding 请求	HttpFfiService（http_client crate）	调用 AI 模型 API 生成向量
组装与业务逻辑	knowledge_service.dart	组装请求、传入向量、处理结果

工作流程

文档内容
  │
  ├──► embedding 请求（Rust HttpFfiService 调 AI 模型 API）
  │
  ▼
向量 ──► vector_store（sqlite-vec 存储）
  │
查询：查询文本 ──► embedding ──► 相似检索 ──► 返回相关片段

1. 入库：文档切分后，经 Rust HttpFfiService 调用 AI 模型 API 生成 embedding 向量，写入 vector_store
2. 检索：查询时生成查询向量，在向量库中做相似检索，返回最相关的片段
3. 组装：knowledge_service.dart 负责两端的组装与业务处理

注意事项

警告

向量维度需与建库时一致。embedding 由 knowledge_service.dart 组装请求并传入向量，若更换 AI 模型导致向量维度变化，与已有库不匹配，检索将失效。