'commit'

dsLightRag/Start.py

@@ -1,6 +1,8 @@
-import asyncio
 import json
+<<<<<<< HEAD
 import os.path
+=======
+>>>>>>> 8a5ee36bebcc62d27044e0e6967719d6d343306c
 import subprocess
 import tempfile
 import urllib
@@ -18,11 +20,21 @@ from starlette.staticfiles import StaticFiles
 from Util.LightRagUtil import *
 from Util.PostgreSQLUtil import init_postgres_pool
 
+<<<<<<< HEAD
 rag_instances = {}
 rag_lock = asyncio.Lock()
 
+=======
+# 在程序开始时添加以下配置
+logging.basicConfig(
+    level=logging.INFO,  # 设置日志级别为INFO
+    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s'
+)
+
+# 或者如果你想更详细地控制日志输出
+>>>>>>> 8a5ee36bebcc62d27044e0e6967719d6d343306c
 logger = logging.getLogger('lightrag')
-logger.setLevel(logging.DEBUG)
+logger.setLevel(logging.INFO)
 handler = logging.StreamHandler()
 handler.setFormatter(logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s'))
 logger.addHandler(handler)
@@ -30,9 +42,6 @@ logger.addHandler(handler)
 
 async def lifespan(app: FastAPI):
     yield
-    # 在应用关闭时清理rag实例
-    for rag in rag_instances.values():
-        await rag.finalize_storages()
 
 
 async def print_stream(stream):
@@ -73,70 +82,10 @@ async def rag(request: fastapi.Request):
 
             await rag.initialize_storages()
             await initialize_pipeline_status()
-=======
-    # 用户提示词
-    output_model = data.get("output_model", "txt")
-
-    if output_model == "txt":
-        user_prompt = "1、如果资料中提供了图片的，一定要严格按照原文提供图片输出，绝对不能省略或不输出！"
-        user_prompt = user_prompt + "\n 2、不要提供引用信息！"
-        user_prompt = user_prompt + "\n 3、提供给你的材料中，与问题完全相关的需要完整保留！"
-        user_prompt = user_prompt + "\n 4、提供给你的材料中，与问题不完全相关的一定不要输出！"
-        user_prompt = user_prompt + "\n 5、资料中提供化学反应方程式的，一定要严格按提供的Latex公式输出，绝对不允许对Latex公式进行修改 ！"
-        user_prompt = user_prompt + "\n 6、发现输出内容中包含Latex公式的，一定要检查是不是包含了$$或$的包含符号,不能让Latex无包含符号出现！"
-    elif output_model == 'html':
-        user_prompt = """
-        我需要一个专业的交互式数据可视化，数据资料我将提供，你也可以根据自己了解的信息进行补充，
-        注意：
-        (1)直接输出html代码,以```html 开头， ``` 结尾。
-        (2)不要与用户进行二次交互，直接生成即可。
-        (3)不要添加参考信息等内容
-        (4)请确保生成的JSON数据格式完全正确，特别注意字符串内部的引号必须使用反斜杠转义。
-            例如："desc": "猛将，有\"人中吕布，马中赤兔\"之称"
-        (5)正面负面信息都要。
-        绘制可视化具体要求如下：
-        1. **技术要求**：
-       - 使用 D3.js v7 + SVG
-       - 实现可拖动节点和关系线分类着色
-       - 必须包含右侧信息面板和3D节点效果
-
-        2. **设计规范**：
-           - 主色调：深蓝色渐变背景
-           - 标题：在以醒目字体字号在界面顶部中间位置显示，最好有渐变效果 
-           - 视觉特效：3D立体节点（非平面）+ 发光选中效果
-           - 文字要求：使用 dominant-baseline: central 和 text-anchor: middle 确保文字垂直和水平居中
-           - 布局响应式：支持窗口缩放
-        
-        3. **数据要求**：
-           - 数据结构：网络关系图
-           - 关系分类：[至少3种关系类型]
-           - 节点属性：[如类型/描述/重要性]
-           - 关系线描述：需要有关系线的不同颜色描述的图例
-        
-        4. **交互细节**：
-           - 悬停：显示人物简介弹窗
-           - 点击：右侧面板更新详细信息+关系列表,仔细检查，确保每个节点都可以点击
-           - 布局切换：力导向/辐射状/环形/网格
-        
-        5. **拒绝内容**：
-           - 不要树状结构或平面2D节点
-           - 避免使用canvas代替SVG
-        """
-
-    # 使用PG库后，这个是没有用的,但目前的项目代码要求必传，就写一个吧。
-    WORKING_DIR = './output/'
-    async def generate_response_stream(query: str):
-        try:
-            logger.info("workspace=" + workspace)
-            # 使用锁确保线程安全
-            async with rag_lock:
-                if workspace not in rag_instances:
-                    rag_instances[workspace] = await initialize_pg_rag(WORKING_DIR=WORKING_DIR, workspace=workspace)
-            rag = rag_instances[workspace]
->>>>>>> 66c0614648a1e8f5f7b9274bdb7218f082104b24
             resp = await rag.aquery(
                 query=query,
                 param=QueryParam(mode=mode, stream=True, user_prompt=user_prompt))
+            # hybrid naive
 
             async for chunk in resp:
                 if not chunk:
@@ -146,13 +95,8 @@ async def rag(request: fastapi.Request):
         except Exception as e:
             yield f"data: {json.dumps({'error': str(e)})}\n\n"
         finally:
-<<<<<<< HEAD
             # 清理资源
             await rag.finalize_storages()
-=======
-                # 发送流结束标记
-                yield "data: [DONE]\n\n"
->>>>>>> 66c0614648a1e8f5f7b9274bdb7218f082104b24
 
     return EventSourceResponse(generate_response_stream(query=query))
 
@@ -309,5 +253,3 @@ async def update_knowledge(request: fastapi.Request):
 
 if __name__ == "__main__":
     uvicorn.run(app, host="0.0.0.0", port=8000)
-
-

dsLightRag/Topic/Math/kv_store_llm_response_cache.json

@@ -3881,6 +3881,16 @@
       "embedding_min": null,
       "embedding_max": null,
       "original_prompt": "小学数学中有哪些常见模型？"
+    },
+    "39927327159cfd7cca859e211cc6e357": {
+      "return": "{\"high_level_keywords\": [\"\\u6559\\u5b66\\u8bbe\\u8ba1\", \"\\u51e0\\u4f55\\u6982\\u5ff5\", \"\\u6570\\u5b66\\u6559\\u5b66\"], \"low_level_keywords\": [\"\\u70b9\", \"\\u7ebf\", \"\\u9762\", \"\\u4f53\", \"\\u89d2\"]}",
+      "cache_type": "keywords",
+      "chunk_id": null,
+      "embedding": null,
+      "embedding_shape": null,
+      "embedding_min": null,
+      "embedding_max": null,
+      "original_prompt": "帮我写一下 如何理解点、线、面、体、角 的教学设计"
     }
   }
 }

dsLightRag/Util/LightRagUtil.py

@@ -170,8 +170,7 @@ async def initialize_pg_rag(WORKING_DIR, workspace):
         graph_storage="PGGraphStorage",
         vector_storage="PGVectorStorage",
         auto_manage_storages_states=False,
-        vector_db_storage_cls_kwargs={"workspace": workspace}
-    )
+        vector_db_storage_cls_kwargs={"workspace": workspace})
 
     await rag.initialize_storages()
     await initialize_pipeline_status()