RAGFlow Adapter for AstrBot

这是一个为 AstrBot 设计的插件，旨在集成 RAGFlow 的检索能力，为语言模型提供动态、实时的上下文增强。

功能

• 自动化 RAG：通过 AstrBot 的 on_llm_request 钩子，自动拦截用户的提问，并将其发送到 RAGFlow 进行检索。
• 查询重写 (可选)：在检索前，可配置使用一个指定的 LLM Provider 对用户原始问题进行优化，使其更适合作为检索引擎的输入。
• 灵活的上下文注入：支持三种方式将检索到的内容注入到 LLM 的上下文中：
  1. system_prompt (默认): 将检索内容作为系统提示词的一部分。
  2. user_prompt: 将检索内容附加在用户问题的最前面。
  3. insert_system_prompt: 将检索内容作为一条独立的 system 消息插入到对话历史中。
• 高度可配置：所有关键参数，如 RAGFlow API 地址、API Key、知识库 ID、查询重写等，均可在插件配置页面进行设置。

实现思路

本插件的核心设计思想是“无感增强”。它不提供任何需要用户手动调用的命令，而是作为一个中间件，在后台自动为所有与 LLM 的交互提供 RAG 能力。

1. 拦截请求：利用 @filter.on_llm_request() 装饰器，插件可以在每次 LLM 请求发生前执行代码。
2. 查询与检索：
   • 插件首先会检查是否启用了“查询重写”。如果启用，它会调用一个 LLM 对用户的原始问题进行改写。
   • 接着，使用最终的查询问题，通过 httpx 异步调用 RAGFlow 的 /api/v1/retrieval 接口。
3. 解析与提取：插件会解析 RAGFlow 返回的 JSON 数据，并只提取其中 data.chunks 数组里每个对象的 content 字段，确保注入的上下文干净、有效。
4. 动态注入：根据用户在配置中选择的 rag_injection_method，插件将拼接好的检索内容动态地修改到即将发送给 LLM 的 ProviderRequest 对象中。
5. 继续流程：插件执行完毕后，AstrBot 框架会将这个被“增强”过的请求对象发送给原始的 LLM Provider，从而实现基于检索的增强生成。

配置项说明