Merge pull request #130 from svc-design/codex/replace-vector1536-with-vector1024

docs: update embedding dimension to 1024

docs/architecture/ai-kb-design.md

@@ -53,7 +53,7 @@ CREATE TABLE chunks (
     id SERIAL PRIMARY KEY,
     doc_id TEXT,
     content TEXT,
-    vector vector(1536),
+    vector vector(1024),
     metadata JSONB
 );
 ```

docs/pg-vector-db-init.md

@@ -57,6 +57,6 @@ psql -h 127.0.0.1 -U shenlan -d mydb -f docs/init.sql
 ```bash
 psql postgres://shenlan:<密码>@127.0.0.1:5432/mydb -c "\d+ documents"
 ```
-若能看到 `embedding | vector(1536)` 字段，说明 pgvector 已成功启用。
+若能看到 `embedding | vector(1024)` 字段，说明 pgvector 已成功启用。
 
 完成以上步骤后，应用即可通过连接串 `postgres://shenlan:<密码>@127.0.0.1:5432/mydb` 使用数据库。

docs/rag-system-design.md

@@ -20,8 +20,8 @@
 ## 3. 向量化
 
 - 默认嵌入模型：
-  - [bge-m3](https://github.com/BAAI-bge/): 本地部署，HTTP 服务返回 1536 维向量。
-  - [OpenAI `text-embedding-3-large`](https://platform.openai.com/docs/guides/embeddings): 通过 OpenAI API 获取 1536 维向量。
+  - [bge-m3](https://github.com/BAAI-bge/): 本地部署，HTTP 服务返回 1024 维向量。
+  - [OpenAI `text-embedding-3-large`](https://platform.openai.com/docs/guides/embeddings): 通过 OpenAI API 获取 1024 维向量。
 - 统一的 `Embed(text string) ([]float32, error)` 接口屏蔽具体实现，可在配置中切换模型。
 
 ## 4. 数据库设计
@@ -41,7 +41,7 @@
        path TEXT NOT NULL,         -- 文件路径
        chunk_id INT NOT NULL,
        content TEXT NOT NULL,
-       embedding VECTOR(1536),     -- 向量
+       embedding VECTOR(1024),     -- 向量
        metadata JSONB              -- 额外信息：标签/更新时间等
    );
 

example/db/config/init.sql

@@ -7,7 +7,7 @@ CREATE TABLE IF NOT EXISTS documents (
     path TEXT NOT NULL,
     chunk_id INT NOT NULL,
     content TEXT NOT NULL,
-    embedding VECTOR(1536),
+    embedding VECTOR(1024),
     metadata JSONB
 );