🕵️ 混合型 RAG 架構 (Hybrid RAG)
簡單說：這是 Boring 的「搜尋引擎」，讓 AI 能在你的程式碼大海中找到正確的針，而不只是瞎猜。
🙋 為什麼我需要這個？ (Why?)
你是否遇過這種情況： 1. 問 AI：「幫我有修 Auth」，它卻回：「找不到檔案」。 2. 問 AI：「這個函式哪裡被用到了？」，它卻漏掉了一半。
這就是 RAG (檢索增強生成) 要解決的問題。 Boring 的 混合型 RAG 是市面上最強的代碼搜尋技術之一，它能像資深工程師一樣「理解」你的程式碼結構。
🚀 它厲害在哪？ (What?)
1. 它懂你的「意思」，不只是關鍵字 (HyDE)
- 舊方法：你搜 "Login"，它只找有名稱 "Login" 的檔案。
- Boring RAG：你搜 "登入壞了"，它會幫你找
AuthController,UserSession,JWTService... 即使檔案名稱完全沒有 "Login" 這個字！
2. 它會把相關的人都找來 (Graph 關聯)
- 舊方法：找到
ProcessPayment函數就結束了。 - Boring RAG：它會順便把 誰呼叫了它 (Caller) 和 它呼叫了誰 (Callee) 一起抓出來，讓 AI 一次看懂完整的業務邏輯。
🔧 進階原理 (Under the Hood)
這一節看不懂沒關係，只要知道它很強就好。
1. HyDE (Hypothetical Document Embeddings)
當你的查詢（例如："auth 是怎麼運作的？"）與程式碼（例如：class AuthenticationManager）長得完全不一樣時，傳統 RAG 會失敗。
HyDE 會根據你的查詢生成一個「假設的程式碼片段」，然後去搜尋那個片段。
* 結果: 語意準確度提高 20-30%。
2. Cross-Encoder Reranking (交叉編碼重排序)
向量搜尋很快但不夠精確。我們使用 Cross-Encoder 對前幾名的結果進行深度分析，並根據與你查詢的真實相關性重新排序。 * 結果: 你真正需要的程式碼會出現在最上面。
3. Dependency Graph Expansion (GraphRAG)
程式碼不是孤立存在的。當我們找到一個相關函數時，我們也會通過靜態分析圖把它的 呼叫者 (Callers) 和 被呼叫者 (Callees) 一起抓進來。 * 結果: LLM 理解的是 上下文，而不僅僅是文本。
📊 效能表現
| 指標 | 傳統 RAG | Boring Hybrid RAG |
|---|---|---|
| 找得準嗎？ (Recall) | ~40% (常常找不到) | ~85% (幾乎都找得到) |
| 雜訊多嗎？ | 高 (很多不相關的) | 低 (只給核心代碼) |
| 懂結構嗎？ | 無 (只看單檔) | 高 (懂上下游關係) |
🛠️ 相關工具
boring_rag_search: 主要入口 (混合搜尋)。boring_rag_context: 獲取特定檔案/符號的深度上下文。boring_rag_index: 強制重新索引程式庫。boring_rag_reload: 安裝套件後重新載入 RAG 功能。
⚠️ 注意事項與排查
1. 缺少相依套件 (Dependency)
RAG 功能需要專門的處理套件 (ChromaDB, Torch)。如果您看到「找不到 chromadb」或 sentence-transformers 錯誤，最簡單的修復方法是：
[!IMPORTANT] MCP 伺服器環境問題：如果您使用 Cursor 或其他 IDE 的 MCP 整合，Boring MCP Server 可能運行在獨立的 Python 環境中（如
/usr/local/bin/python或 Docker 容器）。在這種情況下，您需要： 1. 確認 MCP 使用的 Python 路徑（查看錯誤訊息中的
3. 或修改 MCP 設定使用本地 Python 環境Python:行） 2. 在該環境中安裝依賴：
安裝完成後，請務必執行 boring_rag_reload 或是 重新整理 MCP 伺服器。
2. 更新未生效
如果您修改了 RAG 的設定或翻譯，請參考 監控工具排查 - 更新未生效 進行 MCP 伺服器重啟。