fix(rag): T2.2 把"三路混合"做实 —— 中文全文/图谱两路从 0 贡献修活

基建拉起后实测发现"三路混合检索"对中文其实只有向量路在干活：
`hybrid: 向量=1 全文=0 图谱=0` —— 全文、图谱两路恒 0 贡献（典型"广而浅"）。两个真因：

1. Bleve 全文：默认标准分词器不切中文 → 整段当一个 token → 中文查询永远 0 命中。
   修：text 字段用 cjk 分词器（bigram），kb/doc 用 keyword（保 TermQuery 精确过滤）。
2. 图谱检索：`$q CONTAINS a.name` 要求实体名是查询子串，而 LLM 把实体抽成"星云一号卫星"
   （带后缀），查询说"星云一号"→ CONTAINS 失败 → 0 命中。
   修：加查询字符 n-gram（2..8）双向子串匹配，`星云一号` 即可命中 `星云一号卫星`。

live 验证（同一查询）：修复前 `向量=1 全文=0 图谱=0` → 修复后 `向量=1 全文=1 图谱=9`，
三路全贡献。中文混合检索从 1/3 变真 3/3。
测试：Bleve 中文检索命中 + queryNgrams 子串/长度边界（CI 安全，无需基建）。

DEPTH_ROADMAP T2.2：三路做实✅；检索质量度量(离线评测集 recall@k/MRR)待补。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

sundynix-mcp-go/internal/rag/bleve.go

@@ -6,6 +6,9 @@ import (
 	"log"
 
 	"github.com/blevesearch/bleve/v2"
+	"github.com/blevesearch/bleve/v2/analysis/analyzer/keyword"
+	"github.com/blevesearch/bleve/v2/analysis/lang/cjk"
+	"github.com/blevesearch/bleve/v2/mapping"
 	"github.com/blevesearch/bleve/v2/search/query"
 )
 
@@ -15,8 +18,24 @@ type bleveStore struct {
 	idx bleve.Index
 }
 
+// bleveMapping：text 字段用 cjk 分词器（bigram，能切中文，否则默认标准分词器把整段中文当一个
+// token → 中文全文检索永远 0 命中）；kb/doc 用 keyword（不分词，保 TermQuery 精确过滤）。
+func bleveMapping() mapping.IndexMapping {
+	text := bleve.NewTextFieldMapping()
+	text.Analyzer = cjk.AnalyzerName
+	kw := bleve.NewTextFieldMapping()
+	kw.Analyzer = keyword.Name
+	doc := bleve.NewDocumentMapping()
+	doc.AddFieldMappingsAt("text", text)
+	doc.AddFieldMappingsAt("kb", kw)
+	doc.AddFieldMappingsAt("doc", kw)
+	im := bleve.NewIndexMapping()
+	im.DefaultMapping = doc
+	return im
+}
+
 func openBleve() *bleveStore {
-	idx, err := bleve.NewMemOnly(bleve.NewIndexMapping())
+	idx, err := bleve.NewMemOnly(bleveMapping())
 	if err != nil {
 		log.Printf("[rag] bleve 初始化失败，全文路降级: %v", err)
 		return &bleveStore{}

sundynix-mcp-go/internal/rag/cjk_test.go

@@ -0,0 +1,60 @@
+package rag
+
+import "testing"
+
+// TestBleve_ChineseSearch 钉死中文全文检索：CJK 分词器让"星云一号的总设计师"能命中含
+// "星云一号""总设计师"的中文块。修复前默认标准分词器把整段中文当一个 token → 永远 0 命中。
+func TestBleve_ChineseSearch(t *testing.T) {
+	b := openBleve()
+	if !b.ready() {
+		t.Skip("bleve 不可用")
+	}
+	const kb = "k1"
+	if err := b.index(kb, "d1", []string{
+		"星云一号卫星于2023年由长征七号发射，项目总设计师是李明华。",
+		"今天天气不错，适合出门散步。",
+	}); err != nil {
+		t.Fatal(err)
+	}
+	hits := b.search(kb, "星云一号的总设计师是谁", 5)
+	if len(hits) == 0 {
+		t.Fatal("中文全文检索应命中（CJK 分词），got 0 —— 分词器回归了？")
+	}
+	if !contains(hits[0].Text, "总设计师") {
+		t.Fatalf("最相关块应含'总设计师'，got %q", hits[0].Text)
+	}
+}
+
+// TestQueryNgrams 钉死查询 n-gram：含"星云一号"等子串，能与更长实体名"星云一号卫星"双向匹配。
+func TestQueryNgrams(t *testing.T) {
+	ng := queryNgrams("星云一号的总设计师是谁")
+	if !hasStr(ng, "星云一号") {
+		t.Fatalf("应含 2..8 长度子串'星云一号'，got %v", ng)
+	}
+	// 长度边界：最短 2、最长 8。
+	for _, s := range ng {
+		if r := []rune(s); len(r) < 2 || len(r) > 8 {
+			t.Fatalf("n-gram 长度应在 [2,8]，got %q(len=%d)", s, len(r))
+		}
+	}
+}
+
+func contains(s, sub string) bool {
+	return len(sub) == 0 || (len(s) >= len(sub) && indexOf(s, sub) >= 0)
+}
+func indexOf(s, sub string) int {
+	for i := 0; i+len(sub) <= len(s); i++ {
+		if s[i:i+len(sub)] == sub {
+			return i
+		}
+	}
+	return -1
+}
+func hasStr(ss []string, want string) bool {
+	for _, s := range ss {
+		if s == want {
+			return true
+		}
+	}
+	return false
+}

sundynix-mcp-go/internal/rag/graph.go

@@ -84,11 +84,14 @@ func (g *graphStore) search(ctx context.Context, kb, query string, limit int) []
 	if !g.ready() || query == "" {
 		return nil
 	}
+	// 匹配两路：① 查询整体含实体名（$q CONTAINS）；② 查询的字符 n-gram 与实体名互为子串
+	// —— 解决"查询说'星云一号'、实体名抽成'星云一号卫星'"这类后缀错配（纯 $q CONTAINS 会漏）。
 	res, err := neo4j.ExecuteQuery(ctx, g.driver,
 		`MATCH (a:Entity {kb:$kb})-[r:REL]->(b:Entity {kb:$kb})
 		 WHERE $q CONTAINS a.name OR $q CONTAINS b.name
+		    OR any(ng IN $ngrams WHERE a.name CONTAINS ng OR b.name CONTAINS ng)
 		 RETURN a.name AS s, r.type AS p, b.name AS o LIMIT $k`,
-		map[string]any{"kb": kb, "q": query, "k": limit},
+		map[string]any{"kb": kb, "q": query, "ngrams": queryNgrams(query), "k": limit},
 		neo4j.EagerResultTransformer, neo4j.ExecuteQueryWithDatabase("neo4j"))
 	if err != nil {
 		return nil
@@ -103,6 +106,28 @@ func (g *graphStore) search(ctx context.Context, kb, query string, limit int) []
 	return hits
 }
 
+// queryNgrams 生成查询的字符 n-gram（长度 2..8，去重并截断）——用于和图谱实体名做双向子串匹配，
+// 解决实体名比查询里提到的更长/更短的错配（中文无词边界，按字符 n-gram 是务实做法）。
+func queryNgrams(q string) []string {
+	r := []rune(q)
+	const minLen, maxLen, cap = 2, 8, 80
+	seen := make(map[string]bool)
+	out := make([]string, 0, cap)
+	for i := 0; i < len(r); i++ {
+		for l := minLen; l <= maxLen && i+l <= len(r); l++ {
+			s := string(r[i : i+l])
+			if !seen[s] {
+				seen[s] = true
+				out = append(out, s)
+				if len(out) >= cap {
+					return out
+				}
+			}
+		}
+	}
+	return out
+}
+
 // triples 返回某 kb 的全部三元组（供 UI 图谱可视化）。
 func (g *graphStore) triples(ctx context.Context, kb string, limit int) []Triple {
 	if !g.ready() {