Tag RAG（按自定义标识符进行一次，二次切分）

实现的功能

• 传入数据：各类lora的tag

• 功能1：按照你输入的tag，检索知识库，输出与给定的tag匹配度最高的 一次切分后的tag组。

• 功能2：输入想要的角色/画风要求，大模型按照比例（默认：知识库：大模型 = 7：3）进行相似tag输出

你要的行为

• 入库切分规则：
  • 第一次：按 ！！！（全角感叹号 3 个）切分（默认）
  • 第二次：对每一段再按英文逗号 , 切分（默认）
  • 二次切分后的每个片段视为一个 tag，写入向量库
• 回答输出格式：只输出 知识库中检索到的、切分好的 tag 标签
• 查询输出：当你查询某个 tag，会输出 包含该 tag 的“一次切分分组”里的全部 tag（保留分组边界）

启动

PowerShell（Windows）：

python -m venv .venv
.venv\Scripts\Activate.ps1
pip install -r requirements.txt
# 必填：DashScope（Qwen）API Key
$env:OPENAI_API_KEY="API-key"
# 可选：OpenAI 兼容 Base URL（DashScope）
$env:OPENAI_BASE_URL="Base URL"
uvicorn app.main:app --reload --host 127.0.0.1 --port 8000

如果激活脚本被策略拦住，可先执行：Set-ExecutionPolicy -Scope Process Bypass

1) 上传文件入库

准备一个文本文件，例如 data.txt：

苹果,香蕉,水果！！！猫,狗,宠物！！！红色,蓝色,颜色

上传并入库：

curl.exe -F "file=@data.txt" http://127.0.0.1:8000/ingest

清空知识库（重新上传前建议先清空）：

curl.exe -X POST http://127.0.0.1:8000/reset

返回示例（字段可能略有不同）：

{
  "source": "data.txt",
  "split_rule": ["！！！", ","],
  "total_tags": 9,
  "unique_tags": 9,
  "added": 9
}

2) 查询（只返回 tag）

curl.exe -X POST http://127.0.0.1:8000/query -H "Content-Type: application/json" -d "{\"query\":\"宠物\",\"top_k\":10}"

PowerShell 更推荐这样写（引号更省心）：

curl.exe -X POST http://127.0.0.1:8000/query -H "Content-Type: application/json" -d '{"query":"宠物","top_k":10}'

返回示例：

{
  "model": "qwen3-max",
  "answer": "猫,狗,宠物",
  "selected_tags": ["宠物"],
  "groups": [["猫", "狗", "宠物"]],
  "top_k": 10,
  "candidates": ["猫", "狗", "宠物", "颜色", "水果"]
}

数据存储

• 向量库使用本地持久化（TF-IDF 向量 + 余弦相似度），文件在 ./vector_store.joblib