refactor: 优化嵌入生成逻辑，失败时返回 None，简化错误处理；更新调度器任务管理逻辑
This commit is contained in:
Windpicker-owo
@@ -1,5 +1,5 @@
|
||||
"""
|
||||
嵌入向量生成器：优先使用配置的 embedding API，sentence-transformers 作为备选
|
||||
嵌入向量生成器：优先使用配置的 embedding API，失败时跳过向量生成
|
||||
"""
|
||||
|
||||
from __future__ import annotations
|
||||
@@ -19,39 +19,33 @@ class EmbeddingGenerator:
|
||||
|
||||
策略：
|
||||
1. 优先使用配置的 embedding API（通过 LLMRequest）
|
||||
2. 如果 API 不可用，回退到本地 sentence-transformers
|
||||
3. 如果 sentence-transformers 未安装，使用随机向量（仅测试）
|
||||
2. 如果 API 不可用或失败，跳过向量生成，返回 None 或零向量
|
||||
3. 不再使用本地 sentence-transformers 模型，避免向量维度不匹配
|
||||
|
||||
优点：
|
||||
- 降低本地运算负载
|
||||
- 即使未安装 sentence-transformers 也可正常运行
|
||||
- 完全避免本地运算负载
|
||||
- 避免向量维度不匹配问题
|
||||
- 简化错误处理逻辑
|
||||
- 保持与现有系统的一致性
|
||||
"""
|
||||
|
||||
def __init__(
|
||||
self,
|
||||
use_api: bool = True,
|
||||
fallback_model_name: str = "paraphrase-multilingual-MiniLM-L12-v2",
|
||||
):
|
||||
"""
|
||||
初始化嵌入生成器
|
||||
|
||||
Args:
|
||||
use_api: 是否优先使用 API（默认 True）
|
||||
fallback_model_name: 回退本地模型名称
|
||||
use_api: 是否使用 API（默认 True）
|
||||
"""
|
||||
self.use_api = use_api
|
||||
self.fallback_model_name = fallback_model_name
|
||||
|
||||
# API 相关
|
||||
self._llm_request = None
|
||||
self._api_available = False
|
||||
self._api_dimension = None
|
||||
|
||||
# 本地模型相关
|
||||
self._local_model = None
|
||||
self._local_model_loaded = False
|
||||
|
||||
async def _initialize_api(self):
|
||||
"""初始化 embedding API"""
|
||||
if self._api_available:
|
||||
@@ -78,67 +72,39 @@ class EmbeddingGenerator:
|
||||
logger.warning(f"⚠️ Embedding API 初始化失败: {e}")
|
||||
self._api_available = False
|
||||
|
||||
def _load_local_model(self):
|
||||
"""延迟加载本地模型"""
|
||||
if not self._local_model_loaded:
|
||||
try:
|
||||
from sentence_transformers import SentenceTransformer
|
||||
|
||||
logger.info(f"📦 加载本地嵌入模型: {self.fallback_model_name}")
|
||||
self._local_model = SentenceTransformer(self.fallback_model_name)
|
||||
self._local_model_loaded = True
|
||||
logger.info("✅ 本地嵌入模型加载成功")
|
||||
except ImportError:
|
||||
logger.warning(
|
||||
"⚠️ sentence-transformers 未安装，将使用随机向量（仅测试用）\n"
|
||||
" 安装方法: pip install sentence-transformers"
|
||||
)
|
||||
self._local_model_loaded = False
|
||||
except Exception as e:
|
||||
logger.warning(f"⚠️ 本地模型加载失败: {e}")
|
||||
self._local_model_loaded = False
|
||||
|
||||
async def generate(self, text: str) -> np.ndarray:
|
||||
|
||||
async def generate(self, text: str) -> np.ndarray | None:
|
||||
"""
|
||||
生成单个文本的嵌入向量
|
||||
|
||||
策略：
|
||||
1. 优先使用 API
|
||||
2. API 失败则使用本地模型
|
||||
3. 本地模型不可用则使用随机向量
|
||||
1. 使用 API 生成向量
|
||||
2. API 失败则返回 None，跳过向量生成
|
||||
|
||||
Args:
|
||||
text: 输入文本
|
||||
|
||||
Returns:
|
||||
嵌入向量
|
||||
嵌入向量，失败时返回 None
|
||||
"""
|
||||
if not text or not text.strip():
|
||||
logger.warning("输入文本为空，返回零向量")
|
||||
dim = self._get_dimension()
|
||||
return np.zeros(dim, dtype=np.float32)
|
||||
logger.debug("输入文本为空，返回 None")
|
||||
return None
|
||||
|
||||
try:
|
||||
# 策略 1: 使用 API
|
||||
# 使用 API 生成嵌入
|
||||
if self.use_api:
|
||||
embedding = await self._generate_with_api(text)
|
||||
if embedding is not None:
|
||||
return embedding
|
||||
|
||||
# 策略 2: 使用本地模型
|
||||
embedding = await self._generate_with_local_model(text)
|
||||
if embedding is not None:
|
||||
return embedding
|
||||
|
||||
# 策略 3: 随机向量（仅测试）
|
||||
logger.warning(f"⚠️ 所有嵌入策略失败，使用随机向量: {text[:30]}...")
|
||||
dim = self._get_dimension()
|
||||
return np.random.rand(dim).astype(np.float32)
|
||||
# API 失败，记录日志并返回 None
|
||||
logger.debug(f"⚠️ 嵌入生成失败，跳过: {text[:30]}...")
|
||||
return None
|
||||
|
||||
except Exception as e:
|
||||
logger.error(f"❌ 嵌入生成失败: {e}", exc_info=True)
|
||||
dim = self._get_dimension()
|
||||
return np.random.rand(dim).astype(np.float32)
|
||||
logger.error(f"❌ 嵌入生成异常: {e}", exc_info=True)
|
||||
return None
|
||||
|
||||
async def _generate_with_api(self, text: str) -> np.ndarray | None:
|
||||
"""使用 API 生成嵌入"""
|
||||
@@ -164,51 +130,16 @@ class EmbeddingGenerator:
|
||||
logger.debug(f"API 嵌入生成失败: {e}")
|
||||
return None
|
||||
|
||||
async def _generate_with_local_model(self, text: str) -> np.ndarray | None:
|
||||
"""使用本地模型生成嵌入"""
|
||||
try:
|
||||
# 加载本地模型
|
||||
if not self._local_model_loaded:
|
||||
self._load_local_model()
|
||||
|
||||
if not self._local_model_loaded or not self._local_model:
|
||||
return None
|
||||
|
||||
# 在线程池中运行
|
||||
loop = asyncio.get_event_loop()
|
||||
embedding = await loop.run_in_executor(None, self._encode_single_local, text)
|
||||
|
||||
logger.debug(f"💻 本地生成嵌入: {text[:30]}... -> {len(embedding)}维")
|
||||
return embedding
|
||||
|
||||
except Exception as e:
|
||||
logger.debug(f"本地模型嵌入生成失败: {e}")
|
||||
return None
|
||||
|
||||
def _encode_single_local(self, text: str) -> np.ndarray:
|
||||
"""同步编码单个文本（本地模型）"""
|
||||
if self._local_model is None:
|
||||
raise RuntimeError("本地模型未加载")
|
||||
embedding = self._local_model.encode(text, convert_to_numpy=True) # type: ignore
|
||||
return embedding.astype(np.float32)
|
||||
|
||||
|
||||
def _get_dimension(self) -> int:
|
||||
"""获取嵌入维度"""
|
||||
# 优先使用 API 维度
|
||||
if self._api_dimension:
|
||||
return self._api_dimension
|
||||
|
||||
# 其次使用本地模型维度
|
||||
if self._local_model_loaded and self._local_model:
|
||||
try:
|
||||
return self._local_model.get_sentence_embedding_dimension()
|
||||
except Exception:
|
||||
pass
|
||||
raise ValueError("无法确定嵌入向量维度，请确保已正确配置 embedding API")
|
||||
|
||||
# 默认 384（sentence-transformers 常用维度）
|
||||
return 384
|
||||
|
||||
async def generate_batch(self, texts: list[str]) -> list[np.ndarray]:
|
||||
async def generate_batch(self, texts: list[str]) -> list[np.ndarray | None]:
|
||||
"""
|
||||
批量生成嵌入向量
|
||||
|
||||
@@ -216,7 +147,7 @@ class EmbeddingGenerator:
|
||||
texts: 文本列表
|
||||
|
||||
Returns:
|
||||
嵌入向量列表
|
||||
嵌入向量列表，失败的项目为 None
|
||||
"""
|
||||
if not texts:
|
||||
return []
|
||||
@@ -225,9 +156,8 @@ class EmbeddingGenerator:
|
||||
# 过滤空文本
|
||||
valid_texts = [t for t in texts if t and t.strip()]
|
||||
if not valid_texts:
|
||||
logger.warning("所有文本为空，返回零向量列表")
|
||||
dim = self._get_dimension()
|
||||
return [np.zeros(dim, dtype=np.float32) for _ in texts]
|
||||
logger.debug("所有文本为空，返回 None 列表")
|
||||
return [None for _ in texts]
|
||||
|
||||
# 使用 API 批量生成（如果可用）
|
||||
if self.use_api:
|
||||
@@ -241,15 +171,15 @@ class EmbeddingGenerator:
|
||||
embedding = await self.generate(text)
|
||||
results.append(embedding)
|
||||
|
||||
logger.info(f"✅ 批量生成嵌入: {len(texts)} 个文本")
|
||||
success_count = sum(1 for r in results if r is not None)
|
||||
logger.debug(f"✅ 批量生成嵌入: {success_count}/{len(texts)} 个成功")
|
||||
return results
|
||||
|
||||
except Exception as e:
|
||||
logger.error(f"❌ 批量嵌入生成失败: {e}", exc_info=True)
|
||||
dim = self._get_dimension()
|
||||
return [np.random.rand(dim).astype(np.float32) for _ in texts]
|
||||
return [None for _ in texts]
|
||||
|
||||
async def _generate_batch_with_api(self, texts: list[str]) -> list[np.ndarray] | None:
|
||||
async def _generate_batch_with_api(self, texts: list[str]) -> list[np.ndarray | None] | None:
|
||||
"""使用 API 批量生成"""
|
||||
try:
|
||||
# 对于大多数 API，批量调用就是多次单独调用
|
||||
@@ -257,9 +187,7 @@ class EmbeddingGenerator:
|
||||
results = []
|
||||
for text in texts:
|
||||
embedding = await self._generate_with_api(text)
|
||||
if embedding is None:
|
||||
return None # 如果任何一个失败，返回 None 触发回退
|
||||
results.append(embedding)
|
||||
results.append(embedding) # 失败的项目为 None，不中断整个批量处理
|
||||
return results
|
||||
except Exception as e:
|
||||
logger.debug(f"API 批量生成失败: {e}")
|
||||
@@ -276,22 +204,17 @@ _global_generator: EmbeddingGenerator | None = None
|
||||
|
||||
def get_embedding_generator(
|
||||
use_api: bool = True,
|
||||
fallback_model_name: str = "paraphrase-multilingual-MiniLM-L12-v2",
|
||||
) -> EmbeddingGenerator:
|
||||
"""
|
||||
获取全局嵌入生成器单例
|
||||
|
||||
Args:
|
||||
use_api: 是否优先使用 API
|
||||
fallback_model_name: 回退本地模型名称
|
||||
use_api: 是否使用 API
|
||||
|
||||
Returns:
|
||||
EmbeddingGenerator 实例
|
||||
"""
|
||||
global _global_generator
|
||||
if _global_generator is None:
|
||||
_global_generator = EmbeddingGenerator(
|
||||
use_api=use_api,
|
||||
fallback_model_name=fallback_model_name
|
||||
)
|
||||
_global_generator = EmbeddingGenerator(use_api=use_api)
|
||||
return _global_generator
|
||||
|
||||
Reference in New Issue
Block a user