CLAUDE.md

This file provides guidance to Claude Code (claude.ai/code) when working with code in this repository.

项目概述

AI 智能客服系统，基于 Spring AI Alibaba + 通义千问 + PGVector，支持 RAG 知识库检索、多轮对话、结构化数据提取、知识库全生命周期管理。

构建与运行

# 编译
./mvnw compile

# 运行（端口 9090）
./mvnw spring-boot:run

# 运行测试
./mvnw test

# 运行单个测试类
./mvnw test -Dtest=SupportBotApplicationTests

# 运行单个测试方法
./mvnw test -Dtest=SupportBotApplicationTests#testRag

前提条件: PostgreSQL 12+ 需运行且安装 PGVector 扩展，数据库 support_bot 需存在。knowledge_category 和 knowledge_document 表由 DatabaseInitConfig 自动创建，无需手动建表。

核心架构决策

主启动类排除了 PgVectorStoreAutoConfiguration

SupportBotApplication.java 中 @SpringBootApplication(exclude = PgVectorStoreAutoConfiguration.class)，因为项目在 PgVectorStoreConfig 中手动配置 PgVectorStore Bean（标记 @Primary），不使用自动配置。另有一个 InMemoryVectorStoreConfig 作为开发备选。

Spring AI 集成模式

ChatClient Builder: 所有对话通过 ChatClient.builder(dashscopeChatModel) 构建
Advisor 链: MessageChatMemoryAdvisor(记忆) → MyLoggerAdvisor(日志) → QuestionAnswerAdvisor(RAG)
结构化输出: ProductInfoApp 使用 .entity(ProductInfo.class) 提取结构化数据
SSE 流式: 三种实现 — Flux<String>、Flux<ServerSentEvent>、SseEmitter

ChatMemory 持久化

当前使用 DatabaseChatMemory（PostgreSQL 持久化），FileBasedChatMemory（Kryo 序列化）已注释掉。ProductInfoApp 单独使用 InMemoryChatMemory。

RAG 双模式

QuestionAnswerAdvisor 模式（生产使用）: 预检索优化 + QuestionAnswerAdvisor
RetrievalAugmentationAdvisor 模式（实验性）: doChatWithRagEnhance() 中 queryTransformers 和 multiQueryExpander 未生效

文档处理管道

DocumentService.uploadDocument() 统一流程：文档提取 → MyTokenTextSplitter 分块 → MyKeywordEnricher AI 关键词提取 → pgVectorVectorStore.add() 向量化存储。每个分块的 metadata 中注入 documentId、chunkIndex、sourceName、title 以关联 knowledge_document 表。

预检索查询优化

四种策略在 rag/preretrieval/ 下，由 AssistantApp.doChatWithRagStrategy() 根据 strategy 参数动态选择：REWRITE / TRANSLATION / COMPRESSION / MULTI_QUERY。另存在 Bean 配置版本（QueryTransformerConfig、QueryExpanderConfig），但实际使用自定义 Rewriter 组件。

关键配置

application.yml 含 API Key，已被 .gitignore 排除
MyBatis Plus 逻辑删除字段: isDelete，主键策略: assign_id(雪花算法)
雪花 ID 精度问题: KnowledgeDocument.id、categoryId 和 KnowledgeCategory.id、parentId 已添加 @JsonSerialize(using = ToStringSerializer.class)，序列化为字符串避免前端 JS 精度丢失
PostgreSQL JSONB 字段使用自定义 PostgresJsonTypeHandler（期望 JSON 对象 '{}'，非数组 '[]'）
向量维度: 1536，距离类型: COSINE_DISTANCE，索引: HNSW
分块配置: knowledge.chunk.* 配置项（ChunkConfig），默认 chunkSize=200, overlap=100
上传校验: ALLOWED_EXTENSIONS 白名单 + 50MB 大小限制，前后端双重校验
文档去重: KnowledgeDocument.contentHash 字段（SHA-256），上传时自动计算并查重

前端架构

技术栈: Vue 3 CDN + ES Module（importmap 引入，无构建工具）
入口: src/main/resources/static/index.html → js/app.js
组件化: 每个功能模块一个 JS 文件（components/ 目录），导出 Vue 组件定义对象
状态管理: js/store.js 使用 Vue 3 reactive，跨组件共享分类、统计、弹窗状态
API 封装: js/api.js 统一封装所有后端调用，API 基址为空字符串（同源部署）
SSE 流式: js/utils.js 中 readSSEStream() 统一处理三种 SSE 接口
添加新功能: 在 components/ 下新建 JS 组件文件，在 app.js 中导入注册即可

API 路由约定

AI 对话: /ai/*（AiController）
文档上传: /upload/*（DocumentController）
文档管理: /document/*（DocumentController）
批量操作: /document/batch/*（DocumentController，用 POST 避免 DELETE+RequestBody 路径冲突）
分类管理: /category/*（DocumentController）

已知 TODO

AssistantApp.doChatWithRagEnhance(): queryTransformers 未生效
DocumentService.updateDocumentMetadata(): Spring AI 无直接更新 vector_store metadata 的 API，向量元数据同步留后续
DocumentService.searchDocuments(): Spring AI 1.0.0-M6 的 filter 支持有限，分类过滤暂未实现
CompressionQueryRewriter: 当前传入空历史列表
MyBatis Plus 3.5.12 的 mybatis-plus-spring-boot3-starter 不含 PaginationInnerInterceptor，分页通过 SQL LIMIT/OFFSET 手动实现

5.1 KiB Raw Blame History