RAG Fusion

RAG-Fusion MCP 服务器

这个仓库实现了一个面向生产的双索引检索增强生成（RAG）系统，该系统专为模型上下文协议（MCP）集成而设计。其架构将权威的事实性知识与经验性使用示例分离开来，从而能够生成既精确又包含现实世界见解的融合响应。

仓库布局

rag-fusion-mcp/
├── configs/                # Runtime configuration sources (models, MCP tools, env templates)
├── data/                   # Persistent volume root (pdf, artifacts, indexes)
├── docker/                 # Container build assets
├── docs/                   # Operational and configuration documentation
├── indexer/                # Ad-hoc indexing pipeline
├── server/                 # Persistent MCP server
├── tests/                  # Automated evaluation suites
├── docker-compose.yml      # Orchestration for indexer + server
├── pyproject.toml          # Project metadata and tooling configuration
└── requirements.txt        # Shared Python dependencies

快速入门（适用于 Windows PowerShell）

# 1. Create virtual environment (optional but recommended)
python -m venv .venv
. .\.venv\Scripts\Activate.ps1

# 2. Install dependencies
pip install -r requirements.txt

# 3. Run indexer pipeline locally (dry-run)
python -m indexer.cli build --input data\pdf --output data\indexes

# 4. Launch MCP server (development)
uvicorn server.app:app --host 0.0.0.0 --port 8080 --reload

Docker 的使用方法记录在 docs/OPERATIONS.md所有管理命令均与 Windows PowerShell 壳程序兼容。

状态

• ✅ 仓库脚手架（或：仓库结构框架）
• ✅ 配置模板
• ✅ 带有详细文档字符串的索引器和服务器框架
• ☐ 完整的PDF内容抓取实现
• ☐ 端到端检索融合
• ☐ 评估数据集的人群/样本

按照基于阶段的检查清单进行 docs/OPERATIONS.md 从搭建脚手架阶段过渡到生产准备阶段。