MemoryBear/docs/rag/_indexes/glossary.md

MemoryBear RAG · 关键术语表

合并 Sprint-1 / Sprint-2 / Sprint-3 各文档术语，按字母顺序排列。 每个术语注明：含义 + 在 MemoryBear 代码中的对应位置 + 出现的文档。

A

术语	含义	代码位置	出现文档
ASR	Automatic Speech Recognition，语音转文字。MemoryBear 中通过 seq2txt_model.transcription 调用（QWenSeq2txt 带时间戳，GPTSeq2txt 用 Whisper）	rag/llm/sequence2txt_model.py:1-215	S2-T1, S2-T5
Autopilot	工作空间内的"按时触发 / 按事件触发"自动化代理；与 multica autopilot 命令族对应	—	平台机制（项目 SOP）

B

术语	含义	代码位置	出现文档
BaseVector	VDB 抽象基类（仅定义抽象方法，目前唯一实现为 ElasticSearchVector）	rag/vdb/vector_base.py:9	S1-T3, S2-T3, S3-T1
BM25	Best Match 25，全文检索经典 ranking 函数；MemoryBear 通过 ES query_string + IK 分词器实现	rag/nlp/query.py, rag/vdb/elasticsearch/elasticsearch_vector.py:468 search_by_full_text	S2-T3, S3-T2
Boundaries	11 个 RAG 阶段的输入/输出/接口契约文档（S1-T2 交付物之一）	—	S1-T2

C

术语	含义	代码位置	出现文档
Celery	任务队列；MemoryBear 用它派发文档解析、GraphRAG 构建等异步流水线	tasks.py:212 parse_document, tasks.py:472 build_graphrag_for_kb, tasks.py:557 build_graphrag_for_document	S1-T3, S2-T1, S2-T3, S3-T2
chat_limiter	Trio CapacityLimiter，控制 GraphRAG 中实体/关系 Embedding 的并发；默认 10	rag/graphrag/utils.py:41	S2-T2, S3-T1
Chunk	最终交给 Embedding 的文本片段，一般 ≤ chunk_token_num（默认 128–512）	rag/models/chunk.py:17 DocumentChunk	S2-T1, S2-T2, S2-T3
chunk_token_num	单个 chunk 的最大 token 数	rag/app/naive.py 调用层指定	S2-T1
citation	答案文本中插入的 [ID:N] 引用标记	rag/nlp/search.py:489-577 Dealer.insert_citations	S2-T5
CLIP / BGE-VL / Jina-Clip	跨模态 Embedding 模型，把图像和文本映射到同一语义空间	当前未启用，规划见 S3-T2 D1	S3-T2
cl100k_base	OpenAI GPT-4 系列使用的 BPE tokenizer；MemoryBear 用它做 token 计数	rag/common/token_utils.py	S2-T1, S2-T2
Cross-Encoder	一种 Reranker 范式：把 (query, doc) 拼接后过同一个 Encoder，输出相关性分数	当前未自训，仅在外部 rerank 服务（DashScope/Jina）调用，规划见 S3-T2 D5	S2-T5, S3-T2

D

术语	含义	代码位置	出现文档
Dealer	rag/nlp/search.py:349 Dealer 类，BM25/hybrid 搜索调度器；GraphRAG 主要使用此通道	rag/nlp/search.py:349	S1-T3, S2-T3, S2-T5, S3-T1
deepdoc	MemoryBear 的多格式解析模块，含 parser（11 种格式）+ vision（OCR / 版面识别 / TSR）	rag/deepdoc/{parser,vision}	S1-T3, S2-T1
DocumentChunk	Chunk 数据模型	rag/models/chunk.py:17	S2-T1, S2-T2, S2-T3
dense_vector	ES 向量字段类型；MemoryBear 用 HNSW 索引 + cosine 相似度	elasticsearch_vector.py:653-658, rag/res/mapping.json	S2-T2, S2-T3

E

术语	含义	代码位置	出现文档
E2E（End-to-End）	端到端调用链路，覆盖文档入库 + 在线检索 + 生成的完整时序	rag/app/, workflow/nodes/knowledge/, rag/llm/	S2-T6（待交付）
Embedder	Embedding 模型抽象接口（S3-T1 提议的统一 Protocol）	提议中：app/core/rag/protocols/embedder.py	S3-T1, S3-T2
Embedding 双轨	MemoryBear 当前同时存在两条 Embedding 调用路径：RedBearEmbeddings（LangChain，新）与 OpenAIEmbed/QWenEmbed/...（遗留）	rag/models/embedding.py + rag/llm/embedding_model.py	S2-T2, S3-T1
embed_cache	GraphRAG 中的实体/关系 Embedding Redis 缓存，TTL 24h	rag/graphrag/utils.py:115-134	S2-T2, S3-T1
EMBEDDING_BATCH_SIZE	批量 Embedding 大小的环境变量（README 提及但当前未生效）	—	S2-T2, S3-T1
Entity Resolution	实体消歧；GraphRAG 索引流程的一环	rag/graphrag/entity_resolution.py:31	S1-T3
ESConnection	ES 连接单例	rag/utils/es_conn.py	S1-T3, S2-T3
ElasticSearchVector	VDB 主实现；同时承载 chunk + GraphRAG entity/relation + community_report	rag/vdb/elasticsearch/elasticsearch_vector.py:29	S1-T3, S2-T3, S3-T1

F

术语	含义	代码位置	出现文档
FOLDER 类型知识库	包含子知识库的文件夹型 KB；检索时递归遍历	workflow/nodes/knowledge/node.py	S1-T3
FusionExpr	ES 检索中的"加权融合"DSL；当前固定 0.05/0.95（BM25:Vector）	rag/nlp/search.py:439	S2-T3, S3-T2

G

术语	含义	代码位置	出现文档
GraphRAG（general）	Microsoft GraphRAG 风格：完整流水线（子图 → 合并 → PageRank → Leiden 社区 → 社区报告）	rag/graphrag/general/index.py:36 run_graphrag	S1-T2, S1-T3
GraphRAG（light）	LightRAG 风格：简化的实体/关系抽取，无社区报告；与 general 共享大部分代码	rag/graphrag/light/graph_extractor.py:31	S1-T2, S1-T3
GraphStore	图存储抽象（S3-T2 提议）	提议中	S3-T2
GraphAugmentedRetriever	在 Hybrid 结果之上叠加 KGSearch 的 Retriever 实现	提议中	S3-T1, S3-T2

H

术语	含义	代码位置	出现文档
HNSW	Hierarchical Navigable Small World，向量索引算法；ES 8.x 内置	ES 集群侧	S2-T3
HYBRID 检索	BM25 + 向量并行 → 去重 → 可选 Rerank	workflow/nodes/knowledge/node.py:236-271	S2-T3, S2-T5
HybridRetriever	Hybrid 检索 Protocol 实现（S3-T1 PoC）	提议中	S3-T1

I

术语	含义	代码位置	出现文档
IK 分词器	中文分词器，ES IK plugin（ik_max_word）	ES 集群侧	S2-T3
init_settings()	模块级副作用，启动时自动建 ES 连接 + retriever 单例	rag/common/settings.py:24	S1-T3, S3-T1
insert_citations	答案分句后按 embedding 相似度回填 [ID:N] 引用	rag/nlp/search.py:489-577	S2-T5

K

术语	含义	代码位置	出现文档
KGSearch	GraphRAG 检索器	rag/graphrag/search.py:19	S1-T3, S3-T2
knowledge_graph_kwd	ES 中区分图类型（entity / relation / community_report）的字段	rag/vdb/elasticsearch/elasticsearch_vector.py	S1-T3
KnowledgeRetrievalNode	Workflow 引擎中的知识检索节点	workflow/nodes/knowledge/node.py:29	S1-T3, S2-T5, S3-T1

L

术语	含义	代码位置	出现文档
LangChainAgent	基于 create_agent 的 ReAct Agent，工具调用循环	agent/langchain_agent.py:26-641	S2-T5
Late-Interaction	一种检索范式（如 ColBERT），文档级向量改为 token 级，retrieval 用 MaxSim	当前未启用，规划见 S3-T2 D2	S3-T2
Leiden 算法	社区检测算法；GraphRAG 用它划分社区	rag/graphrag/general/index.py 调用 graspologic.partition.leiden	S1-T2, S1-T3
LightRAG	GraphRAG 轻量化变种，无社区报告	rag/graphrag/light/	S1-T2, S1-T3
LLM	Large Language Model；MemoryBear 通过 chat_model.py 与 langchain_agent.py 调用	rag/llm/chat_model.py:52 Base	S2-T5
LO（LibreOffice）	用作 PPT/PPTX 转 PDF 的兜底工具	rag/utils/libre_office.py	S2-T1

M

术语	含义	代码位置	出现文档
MatchSparseExpr / Field.SPARSE_VECTOR	已声明未启用的稀疏向量表达式（SPLADE 接入预埋）	rag/utils/doc_store_conn.py:75, vdb/field.py:11	S3-T2
Memory（记忆系统）	MemoryBear 的对话内存系统：Ebbinghaus 衰减 + ACT-R + Neo4j + langgraph 读写图	core/memory/（与 core/rag/ 当前完全独立）	S3-T2 D4
MemoryAugmentedRetriever	D4 提议：在检索前用长期记忆改写 query 的 Retriever 包装层	提议中	S3-T2 D4
mind_map_extractor	独立运行的思维导图抽取器，不在 GraphRAG 主链路	rag/graphrag/mind_map_extractor.py	S1-T2
MinerU	第三方 PDF 解析服务（外部 API）	rag/deepdoc/parser/mineru_parser.py:41, rag/app/textin_parser.py	S1-T3, S2-T1
Multimodal Embedding	多模态 Embedding；MemoryBear 仅火山引擎支持原生多模态	rag/models/embedding.py:65-78 中 _is_volcano 分支	S2-T2, S3-T2 D1

N

术语	含义	代码位置	出现文档
naive_merge / hierarchical_merge / tree_merge	三种 Chunking 合并策略	rag/nlp/__init__.py	S2-T1
Neo4j	图数据库；README 声明依赖，但 core/rag 当前零调用（规划见 S3-T2 D3）	—	S3-T2

O

术语	含义	代码位置	出现文档
OCR	文字检测 + 识别两阶段	rag/deepdoc/vision/ocr.py:522 OCR.__call__:694	S2-T1
OpenAIEmbed / QWenEmbed / ...	遗留的原始 Embedding 实现，被 GraphRAG 与 Dealer 使用	rag/llm/embedding_model.py:14-65	S2-T2, S3-T1
OpenTelemetry (OTel)	全链路追踪 + 指标 SDK；MemoryBear 当前未引入（规划见 S3-T1 #6）	提议中	S3-T1

P

术语	含义	代码位置	出现文档
PageRank	图节点重要性算法；GraphRAG 用它给实体打分	rag/graphrag/general/index.py	S1-T2, S1-T3
PARTICIPLE 检索	关键词分词检索（BM25）	workflow/nodes/knowledge/node.py:195	S2-T3
Plugin Registry	S3-T1 #5 提议的 Parser/LLM Provider 注册机制，替换 naive.py 11 路 if/elif	提议中	S3-T1
Pydantic Settings	S3-T1 #7 提议的中心化配置管理框架	提议中	S3-T1

R

术语	含义	代码位置	出现文档
rag_utils（注意：与 rag/utils 不同）	Chunk 内容 LLM 分析模块（摘要/标签/洞察/人物画像）；与 Memory 系统耦合	api/app/core/rag_utils/	S1-T3
RAGAS	开源 RAG 评估框架；MemoryBear 当前未集成	提议中	S3-T2 D5
rank_feature	ES 中的 tag TF-IDF + PageRank 辅助排序分	rag/nlp/search.py:579-604	S2-T5
RedBearEmbeddings	LangChain 统一封装的 Embedding 类（新路径）	rag/models/embedding.py:9-23	S2-T2
RedBearRerank	LangChain BaseDocumentCompressor 封装的 Reranker	rag/models/rerank.py:11-84	S2-T5, S3-T2
Rerank 三轨	(a) node.py:284 rerank() 模块级；(b) KnowledgeRetrievalNode.rerank() 节点方法；(c) Dealer.rerank() 融合排序	node.py:108-155, 284、nlp/search.py:606-643	S2-T5, S3-T1
Reranker	Reranking Protocol（S3-T1 提议）	提议中	S3-T1, S3-T2
retrieve_type	检索模式 enum：PARTICIPLE / SEMANTIC / HYBRID / Graph	schemas/chunk_schema.py	S2-T3, S3-T2
Retriever	检索器 Protocol（S3-T1 提议）	提议中	S3-T1, S3-T2
RouterRetriever	自适应路由 Retriever（S3-T2 D6 提议）	提议中	S3-T2
RRF（Reciprocal Rank Fusion）	多路检索结果排序融合算法；S3-T2 PoC-A 提议接入	提议中	S3-T2

S

术语	含义	代码位置	出现文档
SEMANTIC 检索	纯向量检索	workflow/nodes/knowledge/node.py:195	S2-T3
Section	解析器吐出的 (text, position_or_layout) 中间结构，是 Chunking 的"原料"	rag/app/naive.py:257	S2-T1
SPLADE	学习型稀疏向量；S3-T2 D2 提议接入	提议中（脚手架已存：MatchSparseExpr）	S3-T2
structlog	结构化日志库；S3-T1 #10 提议替换现有非结构化 logger.*	提议中	S3-T1
System Prompt 组装	"用户自定义 system_prompt + 技能 Prompt + 文档图片识别指令"三段拼接	app_chat_service.py:77-96	S2-T5

T

术语	含义	代码位置	出现文档
TextIn	第三方 PDF 解析 API	rag/app/textin_parser.py	S1-T3
Token	用 cl100k_base 编码后的 BPE token	rag/common/token_utils.py	S2-T1, S2-T2
tokenize_chunks_with_images	带图片的 Chunk 化处理	rag/nlp/__init__.py	S2-T1
TSR	Table Structure Recognition，复杂表格行/列/合并单元格还原	rag/deepdoc/vision/table_structure_recognizer.py:15	S2-T1

V

术语	含义	代码位置	出现文档
VDB（Vector Database）	向量数据库；MemoryBear 当前唯一实现是 Elasticsearch 8.x	rag/vdb/elasticsearch/	S2-T3
VectorBase	见 BaseVector	rag/vdb/vector_base.py:9	—
VLM	Vision-Language Model；图像理解（CV 模型）	rag/llm/cv_model.py	S2-T1

W

术语	含义	代码位置	出现文档
weighted_sum (0.05, 0.95)	ES 层 Hybrid 检索的固定权重（BM25:Vector）	rag/nlp/search.py:439	S2-T3, S3-T2
Workflow Knowledge Node	见 KnowledgeRetrievalNode	workflow/nodes/knowledge/node.py:29	S1-T3, S2-T5

X

术语	含义	代码位置	出现文档
xxhash	快速哈希函数；用于 GraphRAG embed_cache 的 key 生成	rag/graphrag/utils.py:115-134	S2-T2

— Glossary · v1.0-RC1 · 共 81 个术语 · 2026-05-08 —