# Milestone 2: Hybrid Search

RAG 第二阶段优化规划

参考 GitHub issue "RAG 第二优化节点阶段"，本阶段围绕现有 RAG 系统继续迭代，目标是提升检索效果与服务稳定性，并扩展多模型与多数据源支持。

## 目标

- 提升向量检索精准度与性能。
- 支持增量同步与多仓库数据接入。
- 提供多种嵌入与大模型选择，方便灵活部署。
- 加强 API/CLI 的错误处理、监控与自动化测试。

## 主要任务

1. **向量检索优化**
   - 对比评估不同嵌入模型与相似度度量。
   - 引入向量索引/压缩策略，减少查询延迟。
2. **数据同步管道**
   - 实现增量更新机制，按需重建向量。
   - 支持同步进度追踪与失败重试。
3. **多模型与配置**
   - 通过 LangChainGo 统一接入本地及云端模型。
   - 允许针对不同模型自定义参数与超时配置。
4. **API 与 CLI 稳定性**
   - 改进异常处理与日志记录，暴露更多诊断信息。
   - 完善集成测试，覆盖 RAG upsert 与查询流程。
5. **监控与观测**
   - 接入指标与日志上报，便于性能分析。
   - 构建健康检查与告警机制。

## 里程碑

- **M2.1**：完成增量同步与检索优化的原型验证。
- **M2.2**：集成多模型支持并上线监控体系。
- **M2.3**：完善自动化测试与文档，准备下一阶段迭代。