rag_framework

basic framework for rag(retrieval augment generation)

data # 存放检索的原始数据json + 后续会生成保存的向量索引文件 script # 必要脚本 build_vec_index.py 离线构造索引的脚本 src #项目源码（模型、搜索、服务器） - models(有不同的模型) - searcher （重写搜索系统，向量、字面、数字、经纬度索引、根据不同的数据拆分不同的库、 searcher.py 对外， vec_searcher 对内 - server 包裹服务，tornado ， handler（差分若干个自服务就写几个handler）main_service_online.py 启动脚本

两个方案：

1. 向量模型和索引拆开成两个服务：
2. 向量模型和索引合成一个： 放在一个服务内

simcse_model是核心模型：模型和推理

model.py 包裹模型，给出模型预测的特定功能，推理向量，服务化转化，计算相似度

提供向量索引的解决方案：

VecIndex