学习 Coze Studio 的知识库检索逻辑

// 新建知识库检索器kr, err := newKnowledgeRetriever(ctx, &retrieverConfig{  knowledgeConfig: conf.Agent.Knowledge,})
// 第一个节点检索_ = g.AddLambdaNode(keyOfKnowledgeRetriever,  compose.InvokableLambda[*AgentRequest, []*schema.Document](kr.Retrieve),  compose.WithNodeName(keyOfKnowledgeRetriever))
// 第二个节点组装成字符串_ = g.AddLambdaNode(keyOfKnowledgeRetrieverPack,  compose.InvokableLambda[[]*schema.Document, string](kr.PackRetrieveResultInfo),  compose.WithOutputKey(placeholderOfKnowledge),)

func (k *knowledgeSVC) Retrieve(ctx context.Context, request *RetrieveRequest) (response *RetrieveResponse, err error) {
  // 检索上下文  retrieveContext, err := k.newRetrieveContext(ctx, request)
  // 查询重写  rewriteNode := compose.InvokableLambda(k.queryRewriteNode)  // 向量化召回  vectorRetrieveNode := compose.InvokableLambda(k.vectorRetrieveNode)  // ES召回  EsRetrieveNode := compose.InvokableLambda(k.esRetrieveNode)  // Nl2Sql召回  Nl2SqlRetrieveNode := compose.InvokableLambda(k.nl2SqlRetrieveNode)  // 用户查询透传  passRequestContextNode := compose.InvokableLambda(k.passRequestContext)  // 重排序  reRankNode := compose.InvokableLambda(k.reRankNode)  // 打包查询结果  packResult := compose.InvokableLambda(k.packResults)
  // 多路召回  parallelNode := compose.NewParallel().    AddLambda("vectorRetrieveNode", vectorRetrieveNode).    AddLambda("esRetrieveNode", EsRetrieveNode).    AddLambda("nl2SqlRetrieveNode", Nl2SqlRetrieveNode).    AddLambda("passRequestContext", passRequestContextNode)
  // 编排检索链  chain := compose.NewChain[*RetrieveContext, []*knowledgeModel.RetrieveSlice]()  r, err := chain.    AppendLambda(rewriteNode).    AppendParallel(parallelNode).    AppendLambda(reRankNode).    AppendLambda(packResult).    Compile(ctx)  // 调用链  output, err := r.Invoke(ctx, retrieveContext)  return &RetrieveResponse{    RetrieveSlices: output,  }, nil} 

# 角色：你是一名专业的查询重构工程师，擅长根据用户提供的上下文信息重写查询语句，使其更清晰、更完整，并与用户的意图相符。你应使用与用户输入相同的语言进行回复。
## 输出格式：输出内容应为重构后的查询语句，以纯文本格式呈现。
## 示例：示例 1：输入：[  {    "role": "user",    "content": "世界上最大的沙漠在哪里？"  },  {    "role": "assistant",    "content": "世界上最大的沙漠是撒哈拉沙漠。"  },  {    "role": "user",    "content": "怎么去那里？"  }]输出：怎么去撒哈拉沙漠？
示例 2：输入：[  {    "role": "user",    "content": "分析当前网红欺骗公众以获取流量对当今社会的影响。"  }]输出：当前网红欺骗公众以获取流量，分析这一现象对当今社会的影响。

export BUILTIN_CM_TYPE="openai"

export M2Q_BUILTIN_CM_TYPE="openai"

$ docker compose --profile '*' up -d --force-recreate --no-deps coze-server

func (k *knowledgeSVC) nl2SqlExec(ctx context.Context, doc *model.KnowledgeDocument, retrieveCtx *RetrieveContext, opts []nl2sql.Option) (retrieveResult []*schema.Document, err error) {
  // 调用大模型，将自然语言查询转换为 SQL 语句  sql, err := k.nl2Sql.NL2SQL(ctx, retrieveCtx.ChatHistory, []*document.TableSchema{packNL2SqlRequest(doc)}, opts...)
  // 对 SQL 中表名和列名进行替换  parsedSQL, err := sqlparser.NewSQLParser().ParseAndModifySQL(sql, replaceMap)
  // 执行 SQL  resp, err := k.rdb.ExecuteSQL(ctx, &rdb.ExecuteSQLRequest{    SQL: parsedSQL,  })
  return retrieveResult, nil}

export BUILTIN_CM_TYPE="openai"

export NL2SQL_BUILTIN_CM_TYPE="openai"

角色：NL2SQL顾问
目标：将自然语言陈述转换为MySQL标准的SQL查询。遵循约束条件，且仅返回JSON格式。
格式：- 仅JSON格式。JSON包含字段“sql”（用于生成的SQL）、字段“err_code”（用于原因类型）、字段“err_msg”（用于详细原因，最好超过10个字）- 不要使用“```json”标记格式
技能：- 擅长将自然语言陈述转换为MySQL标准的SQL查询。
定义：“err_code”原因类型定义：- 0表示已生成SQL- 3002表示因超时无法生成SQL- 3003表示因缺少表结构无法生成SQL- 3005表示因某些术语不明确无法生成SQL
示例：问：帮我实现NL2SQL。表结构描述：CREATE TABLE `sales_records` (  `sales_id` bigint(20) unsigned NOT NULL COMMENT '销售员ID',  `product_id` bigint(64) COMMENT '产品ID',  `sale_date` datetime(3) COMMENT '销售日期和时间',  `quantity_sold` int(11) COMMENT '销售量',  PRIMARY KEY (`sales_id`)) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='销售记录表';SQL需求的自然语言描述：查询上月的销量总额第一名的销售员和他的销售总额答：{  "sql":"SELECT sales_id, SUM(quantity_sold) AS total_sales FROM sales_records WHERE MONTH(sale_date) = MONTH(CURRENT_DATE - INTERVAL 1 MONTH) AND YEAR(sale_date) = YEAR(CURRENT_DATE - INTERVAL 1 MONTH) GROUP BY sales_id ORDER BY total_sales DESC LIMIT 1",  "err_code":0,  "err_msg":"SQL查询生成成功"}

SELECT 成绩 FROM 学生信息 WHERE 姓名 = '胡阳';