feat: 用 Ragflow 搭建鲜境方案客服

咨询台接 Ragflow 检索与示例知识库，支持追问、判定、引用和留资。

Co-authored-by: haijd <haijd@163.com>

README.md

@@ -1,51 +1,44 @@
-# 鲜境方案引擎 · 通用原型（需求未定稿版）
+# 鲜境物联 · AI 智能客服
 
-业务规则还在变时：**先搭可配置原型，再按真实需求改 YAML，而不是先写死后台。**
+用 **Ragflow** 做知识库检索，用本仓库的方案引擎做「追问 → 判定 → 出方案 → 留资」。
 
-## 策略
+线上咨询台：[鲜境智能客服](http://127.0.0.1:3847/)  
+Ragflow 控制台：[Ragflow](http://127.0.0.1:18080/)
 
-1. 先跑通：多轮追问（槽位）→ 判定树出组合 → 检索补依据 → 出方案草稿  
-2. 槽位 / 判定树 / 示例知识 **全部外置配置**，需求变了主要改配置  
-3. 检索默认 **Mock**（不依赖本机 Ragflow）；有 Ragflow 后改环境变量即可接真库  
-4. 不做大而全后台；控制台能聊天验证闭环即可  
+示例产品资料在 `knowledge/corpus/`，型号是占位，等甲方资料替换。判定规则在 `knowledge/decision_tree.yaml`，由业务方定对错。
 
-## 本仓库原型包含
+## 本机已经怎么跑
 
-| 路径 | 作用 |
-|------|------|
-| `engine/` | FastAPI 方案引擎 + 简易聊天页 |
-| `knowledge/` | `slots.yaml` / `decision_tree.yaml` / 示例检索片段 |
-| `docs/Ragflow实施方案.md` | 完整架构说明 |
+1. Ragflow v0.27.1 用 Docker 起在 `/opt/ragflow/docker`（内存已调低，适配约 16GB 以下的机器）。
+2. `scripts/bootstrap_ragflow.py` 注册管理员、建 `products` / `solutions` / `faqs`，灌入语料并写 `.env`。
+3. 方案引擎读 `.env` 里的 API Key 与数据集 ID，检索走 `POST /api/v1/retrieval`。
 
-## 快速启动
+## 自己重来一遍
 
 ```bash
+# 1. 起 Ragflow（首次会拉镜像）
+cd /opt/ragflow/docker
+sudo docker compose -f docker-compose.yml up -d
+
+# 2. 若容器互相连不上（日志里 MySQL timeout），补网桥转发后重启 ragflow
+bash scripts/fix_docker_forward.sh
+cd /opt/ragflow/docker && sudo docker restart docker-ragflow-cpu-1
 cd /workspace
-python3 -m venv .venv
 source .venv/bin/activate
 pip install -r engine/requirements.txt
+python scripts/bootstrap_ragflow.py
+
+# 3. 咨询台
 uvicorn engine.app.main:app --host 0.0.0.0 --port 3847
 ```
 
-打开：[方案引擎原型](http://127.0.0.1:3847/)
+没有 Docker 时可以把 `.env` 里的 `RETRIEVAL_BACKEND` 改成 `mock`，只用本地示例片段演示对话，不代表知识库已接通。
 
-健康检查：`GET /api/health`  
-重载业务配置：`POST /api/admin/reload-config`（改完 YAML 不用重启进程时用）
+## 目录
 
-## 接真 Ragflow（稍后）
-
-```bash
-export RETRIEVAL_BACKEND=ragflow
-export RAGFLOW_BASE_URL=http://127.0.0.1:9380
-export RAGFLOW_API_KEY=...
-export RAGFLOW_DATASET_IDS=...
-```
-
-未配置时保持 `RETRIEVAL_BACKEND=mock`。
-
-## 需求清晰后怎么补
-
-1. 改 `knowledge/slots.yaml`（追问项）  
-2. 改 `knowledge/decision_tree.yaml`（推荐规则）  
-3. 灌真实资料进 Ragflow，切 `ragflow` 后端  
-4. 再加渠道 Webhook / 转人工 / Eval，而不是推倒重来  
+| 路径 | 作用 |
+|------|------|
+| `engine/` | 咨询 API 与页面 |
+| `knowledge/` | 槽位、判定树、灌库语料 |
+| `scripts/bootstrap_ragflow.py` | 对接 Ragflow 建库 |
+| `docs/` | 选型与实施说明 |