Cấu trúc Dữ liệu: AI Assistant

Tài liệu này chi tiết về cấu trúc cơ sở dữ liệu cho module AI Assistant, bao gồm hỗ trợ cho pgvector.

---

1. Tổng quan

Module AI Assistant sử dụng cơ sở dữ liệu PostgreSQL với tiện ích mở rộng pgvector. Nó tuân theo cấu trúc đa thuê bao nơi tất cả nội dung cơ sở tri thức, các vector và lịch sử trò chuyện được cô lập bởi orgId.

Mô hình Tên miền Cốt lõi

---

2. Định nghĩa các Bảng

kb_sources

Sổ đăng ký chính cho các tệp và liên kết được thêm vào cơ sở tri thức.

Trường	Kiểu	Mô tả
id	uuid	PK.
org_id	uuid	Phạm vi tổ chức.
name	text	Tên hiển thị của nguồn.
type	enum	drive, document, url.
status	enum	indexing, synced, error.
external_id	text	ID trong hệ thống đích (ví dụ: Drive File ID).

kb_chunks

Các đoạn văn bản riêng lẻ kèm theo vector nhúng.

Trường	Kiểu	Mô tả
id	uuid	PK.
source_id	uuid	FK đến kb_sources.id.
content	text	Đoạn văn bản thô.
embedding	vector(1536)	Embedding tương thích OpenAI.
chunk_index	integer	Thứ tự sắp xếp trong nguồn.

chat_sessions

Các luồng trò chuyện bền vững của người dùng.

Trường	Kiểu	Mô tả
id	uuid	PK.
org_id	uuid	Phạm vi tổ chức.
user_id	uuid	Chủ sở hữu phiên làm việc.
title	text	Tiêu đề tự động tạo cho cuộc trò chuyện.

chat_messages

Các trao đổi riêng lẻ trong một phiên làm việc.

Trường	Kiểu	Mô tả
id	uuid	PK.
session_id	uuid	FK đến chat_sessions.id.
role	enum	user, assistant.
content	text	Nội dung tin nhắn (Markdown).
citations	jsonb	Mảng các { sourceId, excerpt, score }.

---

3. Đánh chỉ mục Tìm kiếm Vector

Bảng kb_chunks sử dụng chỉ mục IVFFlat hoặc HNSW để tối ưu hóa các tìm kiếm độ tương đồng cosine.

-- Ví dụ tạo chỉ mục
CREATE INDEX ON kb_chunks 
USING ivfflat (embedding vector_cosine_ops) 
WITH (lists = 100);

Ví dụ Truy vấn Truy xuất

SELECT content, source_id, 1 - (embedding <=> :query_vector) AS score
FROM kb_chunks
WHERE org_id = :org_id
ORDER BY embedding <=> :query_vector
LIMIT 5;

---

4. Cô lập Đa thuê bao

Tất cả các truy vấn PHẢI lọc theo org_id. Điều này được thực thi tại lớp dịch vụ bằng cách trích xuất organizationId từ Platform JWT.

// Thực thi Cô lập
const relevantChunks = await db.select()
  .from(kbChunks)
  .where(and(
    eq(kbChunks.orgId, orgId),
    cosineDistance(kbChunks.embedding, queryVector).lt(0.2)
  ))
  .limit(5);