Class IntelligentQueryRouter

rag_modules/intelligent_query_router.py:35–304

智能查询路由器 核心能力： 1. 查询复杂度分析：识别简单查找 vs 复杂推理 2. 关系密集度评估：判断是否需要图结构优势 3. 策略自动选择：路由到最适合的检索引擎 4. 结果质量监控：基于反馈优化路由决策

    reasoning: str  # 推荐理由

class IntelligentQueryRouter:
    """
    智能查询路由器
    
    核心能力：
    1. 查询复杂度分析：识别简单查找 vs 复杂推理
    2. 关系密集度评估：判断是否需要图结构优势
    3. 策略自动选择：路由到最适合的检索引擎
    4. 结果质量监控：基于反馈优化路由决策
    """
    
    def __init__(self, 
                 traditional_retrieval,  # 传统混合检索模块
                 graph_rag_retrieval,    # 图RAG检索模块
                 llm_client,
                 config):
        self.traditional_retrieval = traditional_retrieval
        self.graph_rag_retrieval = graph_rag_retrieval
        self.llm_client = llm_client
        self.config = config
        
        # 路由统计
        self.route_stats = {
            "traditional_count": 0,
            "graph_rag_count": 0,
            "combined_count": 0,
            "total_queries": 0
        }
        
    def analyze_query(self, query: str) -> QueryAnalysis:
        """
        深度分析查询特征，决定最佳检索策略
        """
        logger.info(f"分析查询特征: {query}")
        
        # 使用LLM进行智能分析
        analysis_prompt = f"""
        作为RAG系统的查询分析专家，请深度分析以下查询的特征：
        
        查询：{query}
        
        请从以下维度分析：
        
        1. 查询复杂度 (0-1)：
           - 0.0-0.3: 简单信息查找（如：干眼症有哪些症状？）
           - 0.4-0.7: 中等复杂度（如：青光眼手术后的护理要点？）
           - 0.8-1.0: 高复杂度推理（如：糖尿病视网膜病变与青光眼的关系？）
        
        2. 关系密集度 (0-1)：
           - 0.0-0.3: 单一实体信息（如：白内障的手术方式）
           - 0.4-0.7: 实体间关系（如：干眼症与隐形眼镜佩戴的关系？）
           - 0.8-1.0: 复杂关系网络（如：糖尿病、视网膜病变与黄斑水肿的关联？）
        
        3. 推理需求：
           - 是否需要多跳推理？
           - 是否需要因果分析？
           - 是否需要对比分析？