知识库搜索优化：列表项二次切分，提升细粒度匹配精度

knowledge_base.py

@@ -114,6 +114,7 @@ class KnowledgeBase:
         # 按行首的 ## 标题切分（前面可能有空白）
         parts = re.split(r'(?=^#{1,6}\s)', content, flags=re.MULTILINE)
 
+        section_id = 0
         for i, part in enumerate(parts):
             part_stripped = part.strip()
             if not part_stripped or len(part_stripped) < 5:
@@ -122,12 +123,30 @@ class KnowledgeBase:
             lines = part_stripped.split('\n')
             heading = lines[0].strip()
             body = '\n'.join(lines[1:]).strip() if len(lines) > 1 else ""
+
+            # 检测body中的列表项，进行二次切分
+            # 列表项以 "- " 开头，每个列表项作为独立子section
+            if body:
+                # 按列表项切分
+                list_sections = KnowledgeBase._split_body_by_list_items(body, heading)
+                if list_sections:
+                    for ls in list_sections:
+                        sections.append({
+                            "heading": ls["heading"],
+                            "content": ls["content"],
+                            "body": ls["body"],
+                            "section_id": section_id,
+                        })
+                        section_id += 1
+                    continue
+
             sections.append({
                 "heading": heading,
                 "content": part_stripped,
                 "body": body,
-                "section_id": i,
+                "section_id": section_id,
             })
+            section_id += 1
 
         # 如果没有切分出多个 section，整个文档作为一段
         if len(sections) <= 1:
@@ -140,6 +159,72 @@ class KnowledgeBase:
 
         return sections
 
+    @staticmethod
+    def _split_body_by_list_items(body: str, parent_heading: str) -> List[dict]:
+        """将body中的列表项切分为独立子section。
+
+        列表项以 "- " 开头，每个列表项及其后续内容作为独立子section。
+        返回子section列表，如果列表项少于2个则返回空列表（不切分）。
+        """
+        lines = body.split('\n')
+        list_items = []
+        current_item = []
+        current_item_start = -1
+
+        for i, line in enumerate(lines):
+            stripped = line.strip()
+            if stripped.startswith('- ') and len(stripped) > 2:
+                # 新的列表项开始
+                if current_item:
+                    list_items.append({
+                        'start': current_item_start,
+                        'end': i - 1,
+                        'text': '\n'.join(current_item).strip(),
+                        'title_line': current_item[0][2:].strip()  # 去掉 "- " 前缀
+                    })
+                current_item = [line]
+                current_item_start = i
+            elif current_item:
+                current_item.append(line)
+
+        # 处理最后一个列表项
+        if current_item:
+            list_items.append({
+                'start': current_item_start,
+                'end': len(lines) - 1,
+                'text': '\n'.join(current_item).strip(),
+                'title_line': current_item[0][2:].strip()
+            })
+
+        # 如果列表项少于2个，不切分
+        if len(list_items) < 2:
+            return []
+
+        sections = []
+        for item in list_items:
+            # 提取列表项的标题（前20个字符）
+            title_line = item['title_line']
+            # 去掉可能的链接和图片标记
+            title_clean = re.sub(r'\[([^\]]+)\]\([^\)]+\)', r'\1', title_line)
+            title_clean = re.sub(r'!\[[^\]]*\]\([^\)]+\)', '', title_clean)
+            title_clean = title_clean.strip()
+
+            # 截取标题（最多30字符）
+            if len(title_clean) > 30:
+                title_clean = title_clean[:30] + '...'
+
+            # 构建子section内容
+            sub_content = item['text']
+            sub_heading = f"{parent_heading} - {title_clean}"
+
+            sections.append({
+                "heading": sub_heading,
+                "content": sub_content,
+                "body": sub_content,
+            })
+
+        return sections
+
     def set_path(self, path: str):
         self.root_path = path
         self.reload()