对话与模板
MimirQ 的对话引擎基于 RAG 架构，将用户提问经过检索增强后交由 LLM 生成流式回答，同时提供 Prompt 模板管理和多轮对话记忆。
架构概览
Prompt 模板管理
模板由 PromptResolver 在运行时解析，支持三种选择策略：
| 优先级 | 选择方式 | 说明 |
|---|---|---|
| 1 | prompt_template_id | 指定模板 ID，精确匹配 |
| 2 | template_key | 按 key 查找最高版本的 active 模板 |
| 3 | ab_experiment_key | A/B 实验，按 weight 稳定路由 |
模板内容包含三部分：
- System Prompt — 定义助手角色与行为约束
- RAG Context — 检索到的 chunks 注入位置（由引擎自动填充）
- User Prompt — 用户原始问题 + 对话历史
A/B 实验路由
A/B 路由使用 SHA-256(ab_user_key) 生成稳定哈希，确保同一用户始终命中同一模板变体，适用于 Prompt 效果对比评测。
多轮对话记忆
引擎通过 RAGChatContext.history 传入对话历史，支持两种记忆策略：
- 滑动窗口 — 保留最近 N 轮对话作为上下文
- 格式化注入 —
format_history_text()将历史转换为User: ... / Assistant: ...文本格式拼入 Prompt
Token 预算控制
num_tokens_from_string() + truncate() 确保注入的历史不会超出模型 context window，超限部分自动截断。
流式响应机制
引擎产出的 SSE 事件流包含多种事件类型：
| 事件类型 | 内容 |
|---|---|
token | LLM 生成的文本 token |
citation | 引用溯源信息 |
confidence | 置信度分数 |
followup | 推荐追问问题 |
done | 流结束标记 |
响应后处理包括：PII 脱敏（pii_redaction）、句级引用标注（sentence_citations）、时效性增强（recency_boost）。
Chat API 端点
| 方法 | 路径 | 说明 |
|---|---|---|
| POST | /api/v1/chat/stream | 流式 RAG 对话 |
| POST | /api/v1/chat/completions | 非流式对话 |
| GET | /api/v1/conversations | 对话列表 |
| GET | /api/v1/conversations/{id}/messages | 消息历史 |
| DELETE | /api/v1/conversations/{id} | 删除对话 |
Vision 模式
当启用 Vision Reader 时，引擎会将文档页面渲染为图片 block 传入多模态 LLM，适用于含复杂表格/图表的文档问答。
关键源码
| 文件 | 职责 |
|---|---|
app/rag/engine.py | RAGEngine 主入口（~2200+ 行） |
app/services/prompt_resolver.py | 模板解析与 A/B 路由 |
app/rag/core/conversation.py | 对话历史格式化 |
app/rag/core/sentence_citations.py | 句级引用标注 |