Phase 7: Hoàn thiện Modular RAG Backend với FastAPI và Đa LLM Provider

chat/rag_engine.py

@@ -0,0 +1,49 @@
+import logging
+from typing import List, Dict
+from search.retriever import SearchRetriever
+from .llm_factory import LLMFactory
+
+logger = logging.getLogger("RAGEngine")
+
+class RAGEngine:
+    def __init__(self):
+        self.retriever = SearchRetriever()
+        self.llm = LLMFactory.get_provider()
+        logger.info(f"RAG Engine đã sẵn sàng với LLM Provider: {type(self.llm).__name__}")
+
+    def chat(self, user_query: str, history: List[Dict[str, str]] = None) -> Dict:
+        """
+        Quy trình RAG hoàn chỉnh: Search -> Augment -> Generate
+        """
+        # 1. RETRIEVAL: Tìm kiếm ngữ cảnh liên quan
+        relevant_chunks = self.retriever.retrieve(user_query, top_k=5)
+        
+        if not relevant_chunks:
+            context_text = "Không tìm thấy thông tin liên quan trong cơ sở dữ liệu nội bộ."
+        else:
+            # Gộp text từ các chunks lại thành 1 khối context
+            context_text = "\n---\n".join([
+                f"[Nguồn: {c.file_name}, Trang: {c.page_from}]\nNội dung: {c.text}" 
+                for c in relevant_chunks
+            ])
+
+        # 2. GENERATION: Gửi sang LLM để trả lời
+        logger.info("Đang yêu cầu LLM tổng hợp câu trả lời...")
+        answer = self.llm.generate_response(
+            prompt=user_query,
+            context=context_text,
+            history=history
+        )
+
+        # 3. Trả về kết quả kèm theo nguồn trích dẫn (Citations)
+        return {
+            "answer": answer,
+            "context_used": context_text,
+            "sources": [
+                {
+                    "file_name": c.file_name,
+                    "page": c.page_from,
+                    "url": c.source_url
+                } for c in relevant_chunks
+            ]
+        }