tokenless-RAG

考虑到平台免费限额终究有限，BYOK学生党囊中羞涩：

此版RAG采用纯语义词法加权，当用户输入准确知识点才会精准匹配相应历年卷及题目，此外此版采用的eventstream loop强制只走1次，不在证据不充足时轮询；
唯一的好处是，本版RAG已做到初期目标，稳定，可用，个人使用15个对话，包含长对话，累计调用30+次测试，虽然检索粗，但够用，当提示词足够精确会给出常见知识点对应的部分题目，再也不用复习把大量资料丢给AI还要担心会不会产生幻觉or过于繁琐以至于懒得借用AI了

但我们建立RAG的目的是检索，在第三期senior-v2迭代完成后我使用BYOK试用了一下，给一门学科今年考试大纲，然后让他根据往年卷和考纲（即知识库所有知识）生成复习计划，规定12小时，规定薄弱知识点情况下，对最耗费token最考验检索的备考复习进行了控制变量实验：
abtest-hybrid检索优化实验线路花费deepseekv4flash谷价0.05¥；
master-hybrid检索线路花费deepseekv4flash谷价0.08¥；
第一版RAG可能因为没有重复思考而导致输出的计划和建议偏薄弱，但单次平均都在0.02¥左右

因此紧急发布一版实惠学生版的RAG，没有embedding 没有rerank 没有workflow adapter 也没有proof insufficient 的Loop，质量差一点，但是亲民