一个可插拔、可观测的模块化 RAG (检索增强生成) 服务框架，通过 MCP (Model Context Protocol) 协议对外暴露工具接口，支持 Copilot / Claude 等 AI 助手直接调用。
开发过程全程使用agent开发，以下为项目起始阶段，agent的部分输出，通过维护md文件来管理项目进度，以及skill.
其中一个教完整的代码的目录为：https://github.com/yahoo17/Agent-RAG-Complete 此项目已经跑通
当前阶段 README 仅提供分支说明，关于项目安装、配置、启动方式等完整文档将在项目完成后补充。requirements / pyproject.toml 中的依赖列表也可能随开发进展调整，不代表最终版本。
本仓库包含三个分支，各有不同用途：
| 分支 | 用途 | 说明 |
|---|---|---|
main |
最新代码 | 始终只有 1 个 commit，包含项目的最新完整代码。适合想直接查看最终代码的用户。 |
dev |
开发过程记录 | 保留了完整的 commit 历史，记录了从零开始逐步构建整个项目的过程。适合想了解项目是如何一步步搭建的用户。 |
clean-start |
干净起点 | 仅包含工程骨架（Skills + DEV_SPEC），DEV_SPEC 中的任务进度全部清零。适合想从零开始自己动手实现的用户——fork 此分支，按照 DEV_SPEC 的排期逐步完成即可。 |
- Ingestion Pipeline：PDF → Markdown → Chunk → Transform → Embedding → Upsert（支持多模态图片描述）
- Hybrid Search：Dense (向量) + Sparse (BM25) + RRF Fusion + 可选 Rerank
- MCP Server：通过标准 MCP 协议暴露
query_knowledge_hub、list_collections、get_document_summary三个 Tools - Dashboard：Streamlit 六页面管理平台（系统总览 / 数据浏览 / Ingestion 管理 / 追踪可视化 / 评估面板）
- Evaluation：Ragas + Custom 评估体系，支持 golden test set 回归测试
📖 详细架构设计和任务排期请参阅 DEV_SPEC.md
MIT