/**
 * Unified Retrieval Layer — 统一检索层
 *
 * 整合三个检索源：
 *   1. 文档 RAG     (rag-engine.ts)     → Markdown 分块
 *   2. 代码切片     (本文件)             → 按 export 分块
 *   3. 知识图谱     (knowledge-graph.ts) → 实体关系链
 *
 * 设计目标：一次查询，返回最相关的混合上下文，AI 不需要知道数据来源
 */
import { DocumentChunk } from './rag-engine';
export interface CodeSlice {
    id: string;
    filePath: string;
    fileName: string;
    type: 'function' | 'class' | 'interface' | 'variable' | 'type' | 'enum';
    name: string;
    /** JSDoc/注释 */
    comments: string;
    /** 函数签名 / 类定义头 / 接口定义 */
    signature: string;
    /** 前 N 行实现 */
    body: string;
    /** 提取的关键词 */
    keywords: string[];
    /** 行号范围 */
    lineStart: number;
    lineEnd: number;
    /** 相关性分数 */
    relevanceScore?: number;
}
export interface UnifiedQuery {
    /** 查询语句（task名称/需求关键词） */
    query: string;
    /** 迭代名称 */
    iteration?: string;
    /** 任务ID */
    taskId?: string;
    /** 平台 */
    platform?: string;
    /** 任务目录 */
    taskDir?: string;
    /** 源码范围 */
    sourceScope?: string;
    /** 按端过滤（backend/web/h5/admin/...） */
    platforms?: string[];
}
export interface UnifiedResult {
    /** 文档检索结果 */
    documentChunks: DocumentChunk[];
    /** 代码切片结果 */
    codeSlices: CodeSlice[];
    /** 知识图谱上下文 */
    graphContext?: string;
    /** 统计信息 */
    stats: {
        docChunksFound: number;
        codeSlicesFound: number;
        totalTokensEstimate: number;
    };
}
/**
 * 将源代码按 export 语句切分为多个块
 * 支持：export function / class / interface / type / enum / const / let / var
 *
 * 不需要 AST 解析，用正则做轻量级分片：
 * - 匹配 export 语句头
 * - 向后扫描到下一个 export 或文件结束
 * - 提取 JSDoc 注释
 */
export declare function sliceCodeFile(content: string, filePath: string): CodeSlice[];
/**
 * 统一检索：同时查询文档 RAG、代码索引、知识图谱
 * 返回按相关性排序的混合上下文
 */
export declare function unifiedSearch(cwd: string, query: UnifiedQuery): Promise<UnifiedResult>;
/**
 * 将统一检索结果组装为 Prompt 可用的格式
 * 输出结构与 extraSpecs 兼容
 */
export declare function assembleUnifiedContext(result: UnifiedResult, options?: {
    maxTotalChars?: number;
    generous?: boolean;
}): {
    name: string;
    path: string;
    content: string;
}[];
/**
 * 将统一检索结果序列化为文本（直接注入 Prompt）
 */
export declare function formatUnifiedContext(result: UnifiedResult): string;
/**
 * 目录条目（轻量级，用于 AI 判断）
 */
export interface CatalogEntry {
    /** chunk ID */
    id: string;
    /** 块标题 */
    title: string;
    /** 源文件名 */
    fileName: string;
    /** 标题级别 */
    level: number;
    /** 自动摘要（≤100字） */
    summary: string;
    /** 关键词 */
    keywords: string[];
    /** 字数 */
    charCount: number;
    /** 起始行号 */
    startLine?: number;
    /** 结束行号 */
    endLine?: number;
}
/**
 * 构建轻量级目录摘要（给 AI 看的“地图”）
 *
 * 设计目标：
 *   - 只包含 ID + 标题 + 摘要 + 关键词，不包含完整内容
 *   - 总大小控制在 ~2000 字以内
 *   - AI 看完后返回候选 ID 列表，CLI 用这些 ID 做精确读取
 *
 * 用法：
 *   const catalog = await buildDirectoryCatalog(cwd, iteration);
 *   // 注入 Prompt 让 AI 判断
 *   const prompt = `以下是可用的文档块目录：\n${catalog}\n\n请根据用户需求返回最相关的 chunk ID 列表（JSON 数组）`;
 */
export declare function buildDirectoryCatalog(cwd: string, iteration?: string, options?: {
    maxEntries?: number;
    maxSummaryChars?: number;
}): Promise<string>;
/**
 * 根据 AI 返回的候选 ID 列表，精确读取对应 chunk 内容
 *
 * 用法：
 *   const candidateIds = ['a1b2c3d4e5f6', 'f6e5d4c3b2a1'];
 *   const chunks = await fetchChunksByIds(cwd, candidateIds, iteration);
 */
export declare function fetchChunksByIds(cwd: string, ids: string[], iteration?: string): Promise<DocumentChunk[]>;
//# sourceMappingURL=unified-retrieval.d.ts.map