6.3

下午实现了RAGService的核心逻辑：
1）文档分块：chunk-size=2000字符，overlap=100字符，按段落边界切分
2）向量化：调用AI模型的getEmbedding()接口生成1024维向量
3）检索：向量余弦相似度 + 关键词匹配双重策略，Top-K=15
4）自动分类：关键词快速匹配 + AI兜底分类
为了保证生成内容的准确性，设计了三层兜底策略：RAG检索→获取完整文档→AI自主生成。这样即使知识库内容不足，也能产出有实质内容的课件。
晚上准备了知识库数据，整理了9大学科（语文、数学、英语、物理、化学、生物、历史、地理、政治）共98篇教学文档，编写了批量导入脚本。