Unregister 注销指定名称的工具

Unwrap 支持 errors.Is / errors.As 链式解包

Upload 上传文档 POST /api/v1/documents

WrapError 将标准错误包装为应用错误

WrapError 为错误添加追踪信息

:param url: Redis 连接 URL :param semantic_embedder: 可选，具备 encode(texts)->np.ndarray 的编码器（如 SentenceTransformer） :param max_sem

:param session_factory: 可选，返回 AsyncSession 的异步上下文工厂； 若为 None，execute 时需传入 session 参数。

:param redis_client: ``redis.asyncio.Redis`` 实例 :param llm: 用于摘要的模型，需实现 ``ainvoke`` :param window_size: 最大保留消息条数（角色交替计一条）

:param milvus_collection: Milvus Collection，需包含向量、文本、会话 ID 等字段 :param embedding_model: 含 ``embed_query`` 的嵌入模型

:param short_term: 短期记忆实现（Redis + 窗口） :param long_term: 长期记忆实现（向量库）

:param milvus_client: pymilvus Collection 或实现 ``search`` 的兼容对象 :param embedding_model: 含 ``embed_query(str) -> list[float]`` 的嵌入模型

:param llm: 实现 ``ainvoke`` 的模型对象，或兼容 OpenAI 风格的封装 :param system_prompt: 可选系统提示，强调引用格式 :param model_name: 写入 RAGResponse.model

:param model_name: sentence-transformers CrossEncoder 模型名或路径 :param device: 如 cuda / cpu / mps，None 表示由库自动选择

尝试调用指定模型（经熔断器包装，不在此处重复熔断逻辑）。

关闭连接。

构建 LLM 请求所需的消息上下文 <p> 组装顺序：系统提示 → 历史对话 → 长期记忆相关片段 @param conversationId 会话 ID @param systemPrompt 系统提示 @return 消息列表

非流式对话：经意图识别与链路追踪后返回完整回复。

普通对话接口 <p> 同步返回完整的对话结果，包含思考过程和工具调用记录

处理对话请求（同步） @param request 对话请求 @return 对话响应

SSE 流式对话接口 <p> 通过 Server-Sent Events 实时推送生成内容， 前端可通过 EventSource 或 fetch + ReadableStream 消费。 <p> 响应格式：每个 SSE 事件的 data 字段包含一个文本片段， 流结束时发送 "[DONE]" 标记。

处理对话请求（流式 SSE）

流式输出（Server-Sent Events 兼容格式）。

清除会话所有记忆

置信度阈值：低于该值时建议澄清。

创建向量集合；若已存在则跳过。

获取当前追踪 ID

结束 Span 并记录结果或错误。

执行反思循环

执行 Plan-and-Execute

解析并计算表达式字符串。

执行搜索：优先 DuckDuckGo html 简化解析，失败则返回提示信息。

判断 key 是否存在

快速模型 - GPT-4o-mini，用于简单任务和降级场景

按主键删除一条记忆。

基于检索结果生成回答（同步） @param query 用户查询 @param retrievedDocs 检索到的文档 @param forceModel 指定模型（可为 null） @return 生成的回答文本

基于上下文与历史生成回答，并解析引用。

基于检索结果生成回答（流式）

获取原始对话历史

返回全部工具列表。

依赖注入用：获取异步会话（由路由层负责 commit）。

获取与当前查询相关的记忆上下文（短期历史 + 长期召回）。

按名称获取工具。

生成所有工具的自然语言描述（用于 System Prompt）。

按 trace_id 获取完整追踪记录。