基于promptx/outfit-match中的query_llm_with_grounding实现,遵循Tauri开发规范 ## 新增功能 - 实现RAG Grounding核心服务逻辑 - 支持基于Vertex AI Search的检索增强生成 - 集成Cloudflare Gateway和Google Gemini API - 提供完整的TypeScript类型定义和前端服务封装 ## 技术架构 - Rust后端:GeminiService扩展RAG功能 - Tauri命令:query_rag_grounding, test_rag_grounding_connection, get_rag_grounding_config - 前端服务:RagGroundingService类,支持统计监控和错误处理 - 数据模型:完整的请求/响应结构和配置管理 ## 核心特性 - 检索增强生成:基于数据存储的智能检索和内容生成 - 容错机制:内置重试机制和错误处理 - 性能监控:响应时间统计和性能指标 - 类型安全:完整的TypeScript类型定义 - 会话管理:支持上下文保持的对话功能 ## 测试覆盖 - 25个单元测试,覆盖核心功能和边界情况 - 包括序列化/反序列化、错误处理、配置验证等 - 所有测试通过,确保功能正确性 ## 文档和示例 - 完整的API文档 (docs/rag-grounding-api.md) - 详细的使用示例 (examples/rag-grounding-usage.ts) - 包含最佳实践和错误处理指南 ## 遵循规范 - 严格遵循promptx/tauri-desktop-app-expert开发规范 - 安全第一:最小权限原则,数据加密保护 - 性能优先:异步处理,响应时间优化 - 模块化设计:清晰的架构分层 - 错误处理完善:全面的错误处理和用户反馈 |
||
|---|---|---|
| .. | ||
| rag-grounding-usage.ts | ||