diff --git a/scripts/rag_build_query.py b/scripts/rag_build_query.py
index ba94f5d..95df6b5 100644
--- a/scripts/rag_build_query.py
+++ b/scripts/rag_build_query.py
@@ -1,23 +1,16 @@
 import os
 import logging
-from typing import List
 import faiss
-from llama_index import (
-    SimpleDirectoryReader,
-    VectorStoreIndex,
-    ServiceContext,
-    StorageContext,
-    PromptTemplate
-)
+from llama_index import SimpleDirectoryReader, VectorStoreIndex, ServiceContext, StorageContext
 from llama_index.embeddings.huggingface import HuggingFaceEmbedding
 from llama_index.vector_stores.faiss import FaissVectorStore
 from app.core.config import settings  # 确保配置导入
-from scripts.permissions import get_user_allowed_indexes  # 确保权限导入
+from scripts.permissions import get_user_allowed_indexes  # 导入权限函数
 
 USER_INDEX_PATH = "index_data"
 USER_DOC_PATH = "docs"
 
-# ✅ 自动加前缀的 BGE-m3 embedding 封装类
+# BGEEmbedding 类
 class BGEEmbedding(HuggingFaceEmbedding):
     def _get_query_embedding(self, query: str) -> List[float]:
         prefix = "Represent this sentence for searching relevant passages: "
@@ -34,14 +27,21 @@ def build_user_index(user_id: str):
 
     logger.info(f"开始为用户 {user_id} 构建索引...")
     
+    # 确认文档目录
     doc_dir = os.path.join(USER_DOC_PATH, user_id)
     if not os.path.exists(doc_dir):
+        logger.error(f"文档目录不存在: {doc_dir}")
         raise FileNotFoundError(f"文档目录不存在: {doc_dir}")
     
     logger.info(f"发现文档目录: {doc_dir}")
     
-    documents = SimpleDirectoryReader(doc_dir).load_data()
-    logger.info(f"载入文档数量: {len(documents)}")
+    # 载入文档
+    try:
+        documents = SimpleDirectoryReader(doc_dir).load_data()
+        logger.info(f"载入文档数量: {len(documents)}")
+    except Exception as e:
+        logger.error(f"加载文档时出错: {e}")
+        raise HTTPException(status_code=500, detail="文档加载失败")
     
     embed_model = BGEEmbedding(model_name=settings.MODEL_NAME)
     logger.info(f"使用模型: {settings.MODEL_NAME}")
@@ -51,17 +51,31 @@ def build_user_index(user_id: str):
     faiss_index = faiss.IndexFlatL2(1024)
     vector_store = FaissVectorStore(faiss_index=faiss_index)
 
+    # 确保索引路径存在
     persist_dir = os.path.join(USER_INDEX_PATH, user_id)
-    os.makedirs(persist_dir, exist_ok=True)
     logger.info(f"索引保存路径: {persist_dir}")
-
-    # 检查目录中是否存在 index_store.json 文件
+    
+    # 如果目录不存在，创建它
+    if not os.path.exists(persist_dir):
+        logger.info(f"目录 {persist_dir} 不存在，准备创建")
+        os.makedirs(persist_dir, exist_ok=True)
+        logger.info(f"目录 {persist_dir} 已创建")
+    
+    # 确保 index_store.json 文件路径存在
     index_store_path = os.path.join(persist_dir, "index_store.json")
     if not os.path.exists(index_store_path):
         logger.info(f"未找到 index_store.json，准备创建")
+        try:
+            with open(index_store_path, "w") as f:
+                f.write("{}")  # 创建空的 index_store.json 文件
+            logger.info(f"已创建 index_store.json 文件")
+        except Exception as e:
+            logger.error(f"创建 index_store.json 时出错: {e}")
+            raise HTTPException(status_code=500, detail="创建 index_store.json 文件失败")
     else:
         logger.info(f"已找到 index_store.json，跳过创建")
 
+    # 创建 storage context
     storage_context = StorageContext.from_defaults(
         persist_dir=persist_dir,
         vector_store=vector_store,