跳到主要内容

知识范围路由服务的核心实现（上）

上一篇讲了 AUTO_DOCUMENT 模式的整体流程，这一篇我们深入 KnowledgeRouteService.route 方法，看看它是如何实现三层路由决策的。

route 方法的整体结构​

KnowledgeRouteServiceImpl.route 方法是整个知识范围路由的核心入口，它的代码结构非常清晰：

/**
 * 执行知识范围路由主流程。
 * 路由顺序大致为：
 * 1. 构造查询上下文
 * 2. 识别知识域候选
 * 3. 识别主题候选
 * 4. 对具体文档打分排序
 * 5. 计算置信度并生成最终决策
 *
 * @param question 原始问题
 * @param rewriteQuestion 改写问题
 * @return 路由决策结果
 */
@Override
public KnowledgeRouteDecision route(String question, String rewriteQuestion) {
    // 先把原问题和改写问题整理成统一的路由查询上下文，后续所有打分都复用这份上下文。
    RouteQueryContext queryContext = buildQueryContext(question, rewriteQuestion);
    KnowledgeRouteDecision decision = new KnowledgeRouteDecision();
    if (queryContext.queryTerms().isEmpty()) {
        // 连有效关键词都提不出来时，直接返回失败决策，避免后续无意义打分。
        decision.setRouteStatus("FAILED");
        decision.setReason("问题为空或无法提取有效关键词");
        return decision;
    }

    // 路由采用"知识域 -> 主题 -> 文档"的逐层缩小策略，先粗筛再细排。
    List<ScopeRouteCandidate> scopeCandidates = rankScopes(queryContext);
    List<TopicRouteCandidate> topicCandidates = rankTopics(queryContext, scopeCandidates);
    List<DocumentRouteCandidate> documentCandidates = rankDocuments(queryContext, scopeCandidates, topicCandidates);
    decision.setScopes(scopeCandidates);
    decision.setTopics(topicCandidates);
    decision.setDocuments(documentCandidates);

    // 最终置信度主要由 top1 和 top2 的相对差距决定。
    BigDecimal confidence = resolveConfidence(documentCandidates);
    decision.setConfidence(confidence);
    if (documentCandidates.isEmpty()) {
        decision.setRouteStatus("FAILED");
    }
    else if (confidence.compareTo(BigDecimal.valueOf(0.55D)) < 0) {
        // 候选存在但置信度不足时，保留结果但标记为低置信度，交给上层决定是否澄清。
        decision.setRouteStatus("LOW_CONFIDENCE");
    }
    else {
        decision.setRouteStatus("SUCCESS");
    }

    // reason 用于解释"为什么是这些候选"，便于调试和前端展示。
    decision.setReason(documentCandidates.isEmpty()
        ? "没有找到可用候选文档"
        : resolveDecisionReason(documentCandidates, confidence));
    return decision;
}

整个方法可以分为五个步骤，我们按照执行顺序逐一来看。

第一步：构造路由查询上下文​

RouteQueryContext queryContext = buildQueryContext(question, rewriteQuestion);

这一步调用 buildQueryContext 方法，把原问题和改写问题整理成一个统一的查询上下文对象。

RouteQueryContext 的结构​

/**
 * 路由查询上下文。
 * 汇总原问题、改写问题、组合路由文本、关键词列表以及问题向量。
 */
private record RouteQueryContext(String originalQuestion,
                                 String rewriteQuestion,
                                 String routingText,
                                 `List<String>` queryTerms,
                                 float[] queryEmbedding) {
    private boolean semanticEnabled() {
        return queryEmbedding != null && queryEmbedding.length > 0;
    }
}

这个上下文对象包含了路由所需的所有信息：

字段类型说明
originalQuestionString用户的原始问题
rewriteQuestionString改写后的问题
routingTextString组合后的路由文本（原问题 + 改写问题）
queryTermsList<String>提取出的关键词列表
queryEmbeddingfloat[]问题的向量表示（用于语义匹配）

付费内容提示

该文档的全部内容仅对「JavaUp项目实战&技术讲解」知识星球用户开放

加入星球后，你可以获得：

  • 超级八股文：100万+字的全栈技术知识库，涵盖技术核心、数据库、中间件、分布式等深度剖析的讲解
  • 讲解文档：超级AI智能体、黑马点评Plus、大麦、大麦pro、大麦AI、流量切换、数据中台的从0到1的详细文档
  • 讲解视频：超级AI智能体、黑马点评Plus、大麦、大麦pro、大麦AI、流量切换、数据中台的核心业务详细讲解
  • 1 对 1 解答：可以对我进行1对1的问题提问，而不仅仅只限于项目
  • 针对性服务：有没理解的地方，文档或者视频还没有讲到可以提出，本人会补充
  • 面试与简历指导：提供面试回答技巧，项目怎样写才能在简历中具有独特的亮点
  • 中间件环境：对于项目中需要使用的中间件，可直接替换成我提供的云环境
  • 面试后复盘：小伙伴去面试后，如果哪里被面试官问住了，可以再找我解答
  • 远程的解决：如果在启动项目遇到问题，本人可以帮你远程解决
进入星球后，即可享受上述所有服务，保证不会再有其他隐藏费用。
知识星球二维码

1. 打开微信 -> 扫描左侧二维码 -> 加入「JavaUp项目实战&技术讲解」知识星球

2. 查看星球使用指导，获取完整项目讲解资料索引

👉 点击解锁全部付费内容
🎁优惠