Проблема использования векторной базы данных Redis в Spring AI ⇐ JAVA

[Anonymous]

Я пытаюсь создать чат-робота с искусственным интеллектом, чтобы обогатить свое резюме. Фреймворк использует Spring AI, а векторная база данных использует стек Redis. Моя текущая идея заключается в том, что пользователи загружают такие документы, как PDF и Word. После фонового анализа и сохранения документ будет разрезан на части и сохранен в стеке Redis. Чтобы различать разные сеансы разных пользователей, каждый сеанс имеет идентификатор сеанса, привязанный к пользователям, и каждый документ также привязан к идентификатору сеанса, чтобы не путать. Чтобы отличить локальную базу знаний, я установил для sessionId локальной базы знаний значение -1.
Мой подход заключается в связывании во время векторизации и фильтрации во время запроса. Если пользователь говорит «только документ», идентификатор сеанса документа должен совпадать с идентификатором сеанса, переданным из внешнего интерфейса. В противном случае идентификатор сеанса документа совпадает с идентификатором сеанса, переданным из внешнего интерфейса, или идентификатор сеанса равен -1. Теперь я столкнулся с проблемой: я могу записать его в векторную базу данных или просмотреть в инструменте визуализации векторной базы данных, но фильтрация не может подействовать. Идентификатор сеанса имеет значение null. Ниже приведены мои коды синтаксического анализа документов и контроллера чата.
[spring log][1]
[Визуализация Redis][2]
[1]: https://i.sstatic.net/ApCTMi8J.png
[2]: https://i.sstatic.net/tCdBRhXy.png
@Override
public Long uploadAndParseDocument(MultipartFile file, Long sessionId) throws Exception { // 注意：此处抛出Exception（适配Tika的异常类型）

// 这里先获取真实的存储路径，而非返回的带前缀路径
String baseDir = FileUploadUtils.getDefaultBaseDir();
// 生成真实的文件名（和工具类内部逻辑一致：日期目录 + UUID + 后缀）
String fileName = FileUploadUtils.uuidFilename(file); // 直接生成真实文件名
// 生成真实存储的文件对象
File storedFile = FileUploadUtils.getAbsoluteFile(baseDir, fileName);

try {
// 执行文件保存
file.transferTo(storedFile.toPath());
} catch (Exception e) {
throw new Exception("文件上传失败：" + e.getMessage());
}

// 2. 上传后强制校验文件是否存在且有效
if (!storedFile.exists() || !storedFile.isFile() || storedFile.length() == 0) {
throw new Exception("文件上传失败，未找到有效文件：" + storedFile.getAbsolutePath());
}

// 3. 读取存储的文件并解析（此时路径正确，文件存在）
String textContent;
try {
textContent = documentParseUtil.parseDocument(storedFile);
} catch (Exception e) {
throw new Exception("文档解析失败：" + e.getMessage());
}
System.out.println("文本内容"+textContent);
String fileStoragePath = baseDir + fileName;
// 4. 插入文档记录到业务表，获取file_id（主键）
ParsedDocument parsedDoc = new ParsedDocument();
parsedDoc.setFileName(file.getOriginalFilename());
parsedDoc.setFileType(FileUploadUtils.getExtension(file)); // 获取文件后缀（.pdf/.docx等）
parsedDoc.setFileSize(file.getSize() / 1024 + "KB"); // 转换为KB显示
parsedDoc.setFileStoragePath(fileStoragePath); // 存储文件路径
parsedDoc.setParseTime(new Date()); // 解析完成时间
parsedDoc.setStatus("SUCCESS"); // 标记解析成功
parsedDoc.setCreateBy(SecurityUtils.getUserId().toString()); // 创建人（当前用户ID）
parsedDoc.setCreateTime(new Date()); // 记录创建时间
parsedDocumentMapper.insertParsedDocument(parsedDoc); // 插入数据库
Long documentId = parsedDoc.getFileId(); // 获取自增主键file_id

// 5. 文本分割（解决大文本Token超限问题）
TokenTextSplitter splitter = new TokenTextSplitter(); // Spring AI的文本分割器
Document originalDoc = new Document(textContent);
List documentList = splitter.split(originalDoc); // 分割为多个文档片段

// 6. 为每个片段添加元数据（用于向量库检索时过滤和显示）
documentList.forEach(doc -> {
doc.getMetadata().put("sessionId", sessionId.toString()); // 关键：绑定当前会话ID
doc.getMetadata().put("documentId", documentId.toString()); // 关联业务表的file_id
doc.getMetadata().put("fileName", parsedDoc.getFileName()); // 文件名（前端显示用）
doc.getMetadata().put("uploadTime", DateUtils.getDate()); // 上传时间
System.out.println("插入时的元数据："+doc.getMetadata());
});

// 7. 存入向量库（供后续RAG检索使用）
vectorStore.add(documentList);
return documentId; // 返回文档ID，用于后续会话关联
}` @PreAuthorize("@ss.hasPermi('model:message:list')") // 恢复权限注解
@PostMapping("/chat")
public String chat(@RequestParam String msg, @RequestParam Long sessionId) {
Long userId = SecurityUtils.getUserId();
String systemInfo = """
你是一个小助手，可以回答任何问题。
""";
PromptTemplate customPrompt = getPromptTemplate();
// 1. 判断用户是否在询问“当前会话的文档”（需排除公共文档）
boolean isAskingSessionDocs = isAskingCurrentSessionDocs(msg);
// 2. 动态构建过滤条件
FilterExpressionBuilder b = new FilterExpressionBuilder();
Filter.Expression expression;
if (isAskingSessionDocs) {
// 场景1：仅当前会话的文档（排除公共文档）
expression = b.eq("sessionId", sessionId.toString()).build();
} else {
// 场景2：当前会话文档 + 公共文档
expression = b.or(
b.eq("sessionId", sessionId.toString()), b.eq("sessionId", "-1") // 公共文档（如ops.txt）
).build();
}
// RetrievalAugmentationAdvisor advisor = RetrievalAugmentationAdvisor.builder()
// .documentRetriever(VectorStoreDocumentRetriever.builder().vectorStore(vectorStore).filterExpression(expression).
// build())
// .build();
// 3. 构建带过滤器的文档检索器
VectorStoreDocumentRetriever retriever = VectorStoreDocumentRetriever.builder()
.vectorStore(vectorStore)
// .filterExpression(expression)
.build();
Query query = new Query(msg);
// 4. 手动执行检索并打印结果（核心：打印检索到的文档信息）
List retrievedDocs = retriever.retrieve(query);

log.info("=== 检索结果日志 ===");
log.info("检索到的文档总数：{}", retrievedDocs.size());
// 打印每条文档的元数据（sessionId、文件名）和内容片段
for (int i = 0; i < retrievedDocs.size(); i++) {
Document doc = retrievedDocs.get(i);
log.info("文档{}：", i + 1);
log.info(" - 查询时元数据：{}", doc.getMetadata());
log.info(" - 元数据（sessionId）：{}", doc.getMetadata().get("sessionId"));
log.info(" - 元数据（文件名）：{}", doc.getMetadata().get("fileName"));
}
log.info("===================");
// 5. 构建Advisor时直接使用上面创建的retriever
RetrievalAugmentationAdvisor advisor = RetrievalAugmentationAdvisor.builder()
.documentRetriever(retriever) // 复用同一个实例
.build();
MessageChatMemoryAdvisor memoryAdvisor = MessageChatMemoryAdvisor.builder(windowChatMemory)
.conversationId(userId.toString())
.build();
//得到AI回复
String aiReply = chatClient.prompt().system(systemInfo)
.user(msg).advisors(memoryAdvisor, advisor).call().content();
//存储用户消息
ChatMessage userMessage = new ChatMessage();
userMessage.setSessionId(sessionId); // 关联当前会话
userMessage.setSenderType(0L); // 0=用户
userMessage.setMessageType(0L); // 0=文本
userMessage.setContent(msg);
userMessage.setSendTime(new Date());
userMessage.setStatus(1L); // 1=成功
chatMessageService.insertChatMessage(userMessage);
//存储AI消息
ChatMessage aiMessage = new ChatMessage();
aiMessage.setSessionId(sessionId); // 关联当前会话
aiMessage.setSenderType(1L); // 1=AI
aiMessage.setMessageType(0L); // 0=文本
aiMessage.setContent(aiReply);
aiMessage.setSendTime(new Date());
aiMessage.setStatus(1L); // 1=成功
chatMessageService.insertChatMessage(aiMessage);
// 返回完整AI回复给前端
return aiReply;
}


Подробнее здесь: https://stackoverflow.com/questions/798 ... -spring-ai