import type { KnowledgeBase, EmbeddingProvider, TextChunk, SearchResult, DocMeta } from './types.js';
/**
 * 内存知识库实现
 *
 * 当注入 EmbeddingProvider 时使用语义向量检索（余弦相似度）；
 * 未注入时回退到 TF-IDF 关键词匹配（余弦相似度）。
 *
 * 零外部依赖，适合开发/测试及小规模知识库场景。
 */
export declare class InMemoryKnowledgeBase implements KnowledgeBase {
    /** 文档存储：docId -> StoredDoc */
    private docs;
    /** 嵌入向量提供者（可选） */
    private embeddingProvider?;
    /** 全局文档频率：term -> 包含该词的文档数 */
    private df;
    /** 总文档数（用于 IDF 计算） */
    private totalDocs;
    /** 缓存的 chunk TF-IDF 向量：chunkId -> TFIDFVector */
    private chunkVectors;
    constructor(embeddingProvider?: EmbeddingProvider);
    ingest(docId: string, chunks: TextChunk[]): Promise<void>;
    search(query: string, topK?: number): Promise<SearchResult[]>;
    remove(docId: string): Promise<void>;
    list(): Promise<DocMeta[]>;
    /** 计算文本的 TF-IDF 稀疏向量 */
    private computeTFIDF;
}
//# sourceMappingURL=in-memory-kb.d.ts.map