name	omni-retrieval
description	智能多源联合检索：根据问题特征自动路由并聚合附件、知识库、图谱三路上下文，返回统一的可注入摘要
version	1.0.0
entry	java:com.gijela.morpheus.chat.adapter.skill.OmniRetrievalSkillProvider
timeoutMs	8000
retry	1
tags	["retrieval","graph","knowledge","attachment"]
capabilities	["multi-source-retrieval","intent-routing","context-fusion"]

omni-retrieval

根据用户 query 的意图特征，自动判断需要调用哪些数据源（附件 / 知识库 / 图谱），并行拉取后融合输出统一上下文，供 LLM 注入使用。

触发场景

场景描述	路由策略
"这个文件里说了什么" / "附件里的数据"	→ 仅 attachment-context
"怎么配置 / 参数是什么 / 文档里怎么写"	→ 仅 knowledge-search
"XXX 和 YYY 的关系" / "谁参与了这件事" / "图谱里有没有"	→ 仅 graph-search
复合问题：涉及多个维度	→ 并行调用多路，按置信度加权融合
无明显意图	→ 三路全召回，按相关性排序截断

输入参数

参数	类型	必填	说明
`query`	string	是	用户原始问题
`sessionId`	string	否	会话 ID，用于定位附件范围
`graphSpace`	string	否	指定图谱空间，默认 `default`
`knowledgeBase`	string	否	指定知识库 ID，不传则全库检索
`sources`	array[string]	否	强制指定数据源：`attachment` / `knowledge` / `graph`，不传则自动路由
`maxTokens`	integer	否	融合上下文最大 token 数，默认 2000
`topK`	integer	否	每路最多取 K 条，默认 5

意图路由逻辑

1. IntentClassifier.classify(query) →
       ATTACHMENT  / KNOWLEDGE  / GRAPH  / MIXED  / UNKNOWN

2. 按意图决定启用哪些 Fetcher：
   - ATTACHMENT  → AttachmentFetcher
   - KNOWLEDGE   → KnowledgeFetcher
   - GRAPH       → GraphFetcher
   - MIXED       → AttachmentFetcher + KnowledgeFetcher + GraphFetcher（并行）
   - UNKNOWN     → 三路全开（并行，降低 topK 到 3）

3. 并行执行，超时降级：单路超时不阻塞整体，记录 warnings

4. 融合排序：
   - 按 score 降序合并
   - 去重（同源 chunkId / entityId）
   - 裁剪到 maxTokens

5. 输出 contextText（可直接注入 system prompt）

意图关键词规则（初版，后续可接分类模型）

attachment:
  keywords: [附件, 文件, 上传, 文档里, 这份, 这个文件]

knowledge:
  keywords: [怎么配置, 怎么部署, 参数, 文档, 官方, 规范, 步骤, 如何]

graph:
  keywords: [关系, 图谱, 实体, 谁参与, 连接, 关联, 邻居, 一跳, 路径]

输出结构

{
  "intent": "MIXED",
  "sources": ["attachment", "graph"],
  "items": [
    {
      "source": "attachment",
      "score": 0.91,
      "title": "需求文档v2.pdf",
      "snippet": "..."
    },
    {
      "source": "graph",
      "score": 0.87,
      "entityName": "张三",
      "entityType": "人物",
      "snippet": "张三 → 参与 → 项目A"
    },
    {
      "source": "knowledge",
      "score": 0.73,
      "chunkId": "kb-001-chunk-12",
      "snippet": "..."
    }
  ],
  "contextText": "【附件摘要】...\n\n【知识库片段】...\n\n【图谱关联】...",
  "warnings": [],
  "truncated": false
}

失败策略

单路 Fetcher 超时/异常：降级跳过，在 warnings 中记录，不影响其他路
全路失败：返回空 contextText，warnings 注明原因
retry: 1：整体重试一次（超时路除外）

Java 实现要点

OmniRetrievalSkillProvider
  ├── IntentClassifier          # 关键词 + 可选 embedding 分类
  ├── AttachmentFetcher         # 复用 AttachmentContextSkillProvider 逻辑
  ├── KnowledgeFetcher          # 复用 KnowledgeSearchSkillProvider 逻辑
  ├── GraphFetcher              # 调用 Neo4jGraphRepository 实体/关系检索
  ├── ResultFusion              # 合并 + 去重 + 按 score 排序 + token 截断
  └── OmniRetrievalResponse     # 统一输出结构

包路径：com.gijela.morpheus.chat.adapter.skill

版本演进规划

版本	目标
v1.0	关键词路由 + 三路并行 + 简单拼接融合
v1.1	引入 embedding 意图分类，替换关键词规则
v2.0	支持多轮追问（携带上轮 `intent` 上下文），跨源引用追踪