知识库（RAG）
基于向量检索的知识库：向量存取、相似检索与 embedding 的分工。
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 | 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 |
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- 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 - 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
- 组装：
knowledge_service.dart负责两端的组装与业务处理