from fastapi import HTTPException # 导入 HTTPException 用于错误处理 from typing import List # 导入 List 用于类型注解 import os import logging import faiss from llama_index import SimpleDirectoryReader, VectorStoreIndex, ServiceContext, StorageContext, load_index_from_storage from llama_index.embeddings.huggingface import HuggingFaceEmbedding from llama_index.vector_stores.faiss import FaissVectorStore from app.core.config import settings # 导入应用配置 from scripts.permissions import get_user_allowed_indexes # 导入权限函数，管理用户索引 import numpy as np USER_INDEX_PATH = "index_data" # 用户索引存储路径 USER_DOC_PATH = "docs" # 用户文档存储路径 # 设置日志记录器，记录操作步骤和错误信息 logger = logging.getLogger(__name__) logger.setLevel(logging.INFO) # # BGEEmbedding 类，继承自 HuggingFaceEmbedding，用于生成查询的嵌入 # class BGEEmbedding(HuggingFaceEmbedding): # def _get_query_embedding(self, query: str) -> List[float]: # # 在查询前加上前缀，生成嵌入向量 # prefix = "Represent this sentence for searching relevant passages: " # return super()._get_query_embedding(prefix + query) # def _get_query_embeddings(self, queries: List[str]) -> List[List[float]]: # # 批量生成嵌入向量 # prefix = "Represent this sentence for searching relevant passages: " # return super()._get_query_embeddings([prefix + q for q in queries]) # BGEEmbedding 类，继承自 HuggingFaceEmbedding，用于生成查询的嵌入 class BGEEmbedding(HuggingFaceEmbedding): def _get_query_embedding(self, query: str) -> List[float]: try: # 在查询前加上前缀，生成嵌入向量 logger.info("Calling _get_query_embedding method...") prefix = "Represent this sentence for searching relevant passages: " embedding = super()._get_query_embedding(prefix + query) # 转换为 float32 类型 embedding = np.array(embedding, dtype=np.float32) # 使用 logger 打印数据类型 logger.info(f"Query embedding dtype after conversion: {embedding.dtype}") return embedding except Exception as e: logger.error(f"Error in _get_query_embedding: {e}") raise def _get_query_embeddings(self, queries: List[str]) -> List[List[float]]: try: # 批量生成嵌入向量 logger.info("Calling _get_query_embeddings method...") prefix = "Represent this sentence for searching relevant passages: " embeddings = super()._get_query_embeddings([prefix + q for q in queries]) # 转换为 float32 类型 embeddings = [np.array(embedding, dtype=np.float32) for embedding in embeddings] # 使用 logger 打印数据类型 logger.info(f"Batch query embeddings dtype after conversion: {embeddings[0].dtype}") return embeddings except Exception as e: logger.error(f"Error in _get_query_embeddings: {e}") raise def build_user_index(user_id: str): logger.info(f"开始为用户 {user_id} 构建索引...") # 确认文档目录是否存在 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}") # 使用 SimpleDirectoryReader 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") # 设置嵌入模型 embed_model = BGEEmbedding(model_name=settings.MODEL_NAME) logger.info(f"使用模型: {settings.MODEL_NAME}") # 创建服务上下文 service_context = ServiceContext.from_defaults(embed_model=embed_model, llm=None) # 直接检查模型嵌入方法是否被调用 logger.info(f"Embedding method being used: {embed_model._get_query_embedding('test query')}") # 使用 Faiss 向量存储 faiss_index = faiss.IndexFlatL2(1024) vector_store = FaissVectorStore(faiss_index=faiss_index) # 确保索引保存路径存在，使用用户 ID 区分索引文件 persist_dir = os.path.join(USER_INDEX_PATH, user_id) logger.info(f"索引保存路径: {persist_dir}") # 如果目录不存在，则创建 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 StorageContext，用于存储和管理索引数据 storage_context = StorageContext.from_defaults( persist_dir=persist_dir, vector_store=vector_store, ) try: # 构建索引，并使用 `storage_context.persist()` 方法保存索引 index = VectorStoreIndex.from_documents( documents, service_context=service_context, storage_context=storage_context ) # 保存 Faiss 索引为文件，使用正确的路径 faiss_index_file = os.path.join(persist_dir, "index.faiss") faiss.write_index(faiss_index, faiss_index_file) # 使用 Faiss 的 write_index 方法保存索引 logger.info(f"Faiss 索引已保存到 {faiss_index_file}") # 使用 storage_context.persist() 保存其他索引数据 storage_context.persist(persist_dir=persist_dir) logger.info(f"索引数据已保存到 {persist_dir}") # # 持久化存储之后，加载已保存的存储上下文信息 # logger.info(f"开始加载持久化存储的数据...") # # 创建一个新的 StorageContext 实例，使用相同的目录 # loaded_storage_context = StorageContext.from_defaults( # persist_dir=persist_dir, # 使用与之前相同的目录 # vector_store=FaissVectorStore(faiss_index=faiss_index) # 使用之前保存的 FAISS 索引 # ) # # 确认存储是否加载成功，检查索引数据 # logger.info("已成功加载存储上下文。") # # 加载索引，进行检查 # loaded_index = VectorStoreIndex.from_storage_context(loaded_storage_context) # logger.info(f"加载的索引数量: {len(loaded_index.get_documents())}") # 持久化存储之后，加载已保存的存储上下文信息 logger.info(f"开始加载持久化存储的数据...") # 加载 Faiss 索引 faiss_index_file = os.path.join(persist_dir, "index.faiss") faiss_index = faiss.read_index(faiss_index_file) # 创建 FaissVectorStore 实例 vector_store = FaissVectorStore(faiss_index=faiss_index) # 创建一个新的 StorageContext 实例，使用相同的目录 storage_context = StorageContext.from_defaults( persist_dir=persist_dir, # 使用与之前相同的目录 vector_store=vector_store # 使用 Faiss 向量存储 ) # 确认存储是否加载成功，检查索引数据 logger.info("已成功加载存储上下文。") # 创建 ServiceContext，显式禁用 LLM service_context = ServiceContext.from_defaults(llm=None) # 使用 load_index_from_storage 加载索引 loaded_index = load_index_from_storage(storage_context) # 检查加载后的索引 logger.info(f"加载的索引数量: {len(loaded_index.get_documents())}") except Exception as e: logger.error(f"索引构建失败: {e}") raise HTTPException(status_code=500, detail="索引构建失败")