Codex
48 lines
2.1 KiB
Python
48 lines
2.1 KiB
Python
"""
|
||
知识库分段模型
|
||
"""
|
||
from sqlalchemy import Column, String, Text, Integer, Boolean, JSON, Index
|
||
|
||
from app.base_model import BaseModel
|
||
|
||
|
||
class KnowledgeSegment(BaseModel):
|
||
"""
|
||
知识库分段（Chunk）
|
||
|
||
文档经过分块后的最小检索单元
|
||
向量数据存储在 Qdrant 向量数据库中，此表只存业务数据
|
||
"""
|
||
__tablename__ = "ai_knowledge_segment"
|
||
|
||
knowledge_base_id = Column(String(21), nullable=False, index=True, comment="所属知识库ID（逻辑外键关联ai_knowledge_base）")
|
||
document_id = Column(String(21), nullable=False, index=True, comment="所属文档ID（逻辑外键关联ai_knowledge_document）")
|
||
|
||
# 内容
|
||
position = Column(Integer, default=0, comment="在文档中的位置序号")
|
||
content = Column(Text, nullable=False, comment="分段文本内容")
|
||
answer = Column(Text, nullable=True, comment="Q&A 模式的答案内容")
|
||
token_count = Column(Integer, default=0, comment="Token 数")
|
||
char_count = Column(Integer, default=0, comment="字符数")
|
||
word_count = Column(Integer, default=0, comment="词数")
|
||
|
||
# 元数据
|
||
page_number = Column(Integer, nullable=True, comment="来源页码（PDF/PPT）")
|
||
keywords = Column(JSON, nullable=True, comment="关键词列表（用于全文检索增强）")
|
||
extra_metadata = Column(JSON, nullable=True, comment="元数据（标题/来源等）")
|
||
|
||
# 向量化状态（向量数据存在 Qdrant 中，这里只记录状态）
|
||
embedding_status = Column(String(20), default="pending", comment="向量化状态: pending/completed/failed")
|
||
|
||
# 父子分段（Small-to-Big）
|
||
parent_segment_id = Column(String(21), nullable=True, index=True, comment="父分段ID（逻辑外键，用于 Small-to-Big 检索）")
|
||
|
||
# 状态
|
||
enabled = Column(Boolean, default=True, comment="是否启用（禁用后不参与检索）")
|
||
hit_count = Column(Integer, default=0, comment="命中次数")
|
||
|
||
__table_args__ = (
|
||
Index('idx_segment_kb_doc', 'knowledge_base_id', 'document_id'),
|
||
Index('idx_segment_kb_enabled', 'knowledge_base_id', 'enabled'),
|
||
)
|