xsl
9c1802130d
第三批（T12 后台/T13 黄金集/T14 检索缓存）协调提交： - kb：KbAssetService（登记/审核，tryon_ready 只能随 approved 打开）+ Asset 模型与 repo - retrieval：list_gaps 缺口看板查询 + invalidate_cache() 钩子（T14 背后实现真缓存） - 配置：ADMIN_TOKEN（空=后台 404）+ 检索缓存三参数 - pytest golden marker（默认跳过，CI 强制跑）+ Makefile golden + CI 防线 5c - 测试隔离修复：test_auth_sms 加 autouse 清 sms:* 键夹具（频控计数跨运行 累积会毒化后续运行——随机 IP 空间仅 254 且部分用例固定 device_id）
packages/retrieval/ — 向量与混合检索
架构 §8.3。进程内包，CPU + PostgreSQL，无 HTTP 路由（被 agent / report 的 service 调用）。
模块
embedding.py：EmbeddingProviderProtocol +DeterministicEmbedder（测试/dev 的确定性假实现，sha256 种子 → 归一化 1024 维向量）+ 工厂。 真实 BGE-M3 ONNX 加载是后续任务（kb_embedding_device已预留）。repo.py：kb_chunk/kb_gap数据访问。一条 CTE 完成硬过滤 + 向量召回（<=>余弦）+ 关键词召回（ts_rank）。rerank.py：RRF 融合重排的纯数学（单测逐项断言，不连库）。service.py：编排 embed → 检索 →（无结果）gap 埋点。
管线：
硬过滤(SQL WHERE) → 向量召回(pgvector) → 关键词召回(tsvector)
→ RRF 融合 + 权重重排 → 输出 ScoredChunk；空结果落 kb_gap
重排权重（可配置，需用黄金集调参）：
最终分 = 0.45×向量 + 0.2×关键词 + 0.25×规则权重 + 0.1×新鲜度
两条不能妥协的要求
- 硬过滤零漏（FR-KB-06 / T-P2-04）：draft/禁忌实体必须在 SQL 的
WHERE 里排除，不能靠权重压低 —— 这是过滤问题，不是排序问题。
集成测试
tests/integration/test_hybrid_retrieval.py断言"禁忌实体 即使向量最近也绝不出现"。 - 规则命中要有明显加权：专业规则的可信度高于语义相似度（
rule_boost接口已留，规则引擎联动属后续任务）。 - p95 < 200ms（NFR-PERF-06）。