优化代码，提高解耦

07_rag_advanced/README.md

@@ -1,3 +1,9 @@
+现在问题：
+1. rag代码与博客你已经全部修正完了
+2. rag里的readme你还没修
+3. langgraph也没修
+
+
 # 🧩 模块说明：RAG 进阶 - 从基础到智能 Agent
 
 > 📌 核心知识点：持久化向量库（Chroma）｜精排序（Reranker）｜RAG 工具化｜Agent 集成｜记忆型对话｜六大模块融合

config.py

@@ -0,0 +1,33 @@
+import os
+from dotenv import load_dotenv
+from pathlib import Path
+
+# 1. 加载.env文件
+load_dotenv()
+
+# 2. 解决 UUID v7 警告
+try:
+    from langsmith import uuid7
+    import uuid
+    uuid.uuid4 = uuid7 # 全局替换
+except ImportError:
+    pass # 如果没装 langsmith，省略
+
+# 3. 获取API_KEYS
+OPENAI_API_KEY = os.getenv("OPENAI_API_KEY")
+LANGCHAIN_API_KEY = os.getenv("LANGCHAIN_API_KEY")
+
+if not OPENAI_API_KEY:
+    raise ValueError("× 请在.env中设置OPENAI_API_KEY")
+
+
+
+
+
+
+
+
+
+
+
+

embeddings.py

@@ -0,0 +1,33 @@
+# 本文件用于下载并获取embedding向量化模型
+
+from pathlib import Path
+from langchain_huggingface import HuggingFaceEmbeddings
+
+# 获取embeddings模型 - 首次调用时自动下载
+def get_embeddings(model_name="BAAI/bge-small-zh-v1.5",device="cpu",**kwargs):
+    # 支持更换其他向量化模型
+    local_dir = Path("models")/model_name.replace("/", "_")
+    if not local_dir.exists():
+        print(f'⚠️ 首次使用嵌入模型，正在下载到{local_dir.absolute()}')
+        print("💡 提示：需要联网(必需梯子)，完成后可离线使用")
+        from huggingface_hub import snapshot_download
+        # 模型下载工具
+        snapshot_download(
+            repo_id = model_name,
+            local_dir = local_dir,
+        )
+        print('✅ 下载完成！')
+
+    # 构造参数字典
+    model_kwargs =  {
+            "device":device,
+            "local_files_only": True,  # 仅使用本地文件
+        }
+
+    # 此处实例化时，把kwargs传入
+    _EMBEDDINGS = HuggingFaceEmbeddings(
+        model_name = str(local_dir), # 使用本地已下载的模型
+        model_kwargs = model_kwargs,
+        **kwargs # 允许传入参数
+    )
+    return _EMBEDDINGS