.

scripts/rag_build_query.py

@@ -148,15 +148,16 @@ def build_user_index(user_id: str):
         logger.info(f"Faiss 索引已保存到 {faiss_index_file}")
         
 
-        # 同步保存文本和向量
+        # 将文本和向量存储为 Node 对象
-        # 将文本和对应的向量一起存储，确保 Faiss 向量存储和文本数据关联
+        for i, document in enumerate(documents):
-        for i, document in enumerate(documents):  # 修改日期：2025-05-10
-            # 获取文本并生成向量
             text = document.text
             embedding = embed_model._get_query_embedding(text)
 
-            # 将文本和向量添加到 Faiss 向量存储
+            # 创建一个 Node 对象，它包含文本和嵌入
-            vector_store.add([(embedding, text)])  # 保存向量和文本
+            node = Node(text=text, embedding=embedding)
+
+            # 将 Node 对象添加到 FaissVectorStore 中
+            vector_store.add([node])  # 确保添加的是 Node 对象，而不是元组
 
 
         # 使用 storage_context.persist() 保存其他索引数据