```

feat(database): 为MySQL服务添加text函数导入支持

添加了SQLAlchemy的text函数导入，用于支持原始SQL查询操作，
增强数据库交互的灵活性和兼容性。

---

feat(excel): 改进Excel存储服务的列名处理机制

优化了列名清理逻辑，支持UTF8编码包括中文字符，实现唯一列名
生成机制，防止列名冲突。同时切换到pymysql直接插入方式，
提升批量数据插入性能并解决SQLAlchemy异步问题。

---

fix(rag): 改进RAG服务嵌入模型加载策略

当嵌入模型加载失败时，采用更稳健的降级策略，使用简化模式
运行RAG服务而非完全失败，确保系统核心功能可用性。
```

backend/app/services/rag_service.py

@@ -40,24 +40,31 @@ class RAGService:
     def _init_embeddings(self):
         """初始化嵌入模型"""
         if self.embedding_model is None:
-            model_name = getattr(settings, 'EMBEDDING_MODEL', 'all-MiniLM-L6-v2')
+            # 使用轻量级本地模型，避免网络问题
+            model_name = 'all-MiniLM-L6-v2'
             try:
                 self.embedding_model = SentenceTransformer(model_name)
                 self._dimension = self.embedding_model.get_sentence_embedding_dimension()
                 logger.info(f"RAG 嵌入模型初始化完成: {model_name}, 维度: {self._dimension}")
             except Exception as e:
-                logger.warning(f"嵌入模型 {model_name} 加载失败，使用默认模型: {e}")
-                # 使用轻量级默认模型
-                self.embedding_model = SentenceTransformer('all-MiniLM-L6-v2')
-                self._dimension = self.embedding_model.get_sentence_embedding_dimension()
-                logger.info(f"RAG 嵌入模型使用默认: all-MiniLM-L6-v2, 维度: {self._dimension}")
+                logger.warning(f"嵌入模型 {model_name} 加载失败: {e}")
+                # 如果本地模型也失败，使用简单hash作为后备
+                self.embedding_model = None
+                self._dimension = 384
+                logger.info("RAG 使用简化模式 (无向量嵌入)")
 
     def _init_vector_store(self):
         """初始化向量存储"""
         if self.index is None:
             self._init_embeddings()
-            self.index = faiss.IndexIDMap(faiss.IndexFlatIP(self._dimension))
-            logger.info("Faiss 向量存储初始化完成")
+            if self.embedding_model is None:
+                # 无法加载嵌入模型，使用简化模式
+                self._dimension = 384
+                self.index = None
+                logger.warning("RAG 嵌入模型未加载，使用简化模式")
+            else:
+                self.index = faiss.IndexIDMap(faiss.IndexFlatIP(self._dimension))
+                logger.info("Faiss 向量存储初始化完成")
 
     async def initialize(self):
         """异步初始化"""
@@ -86,6 +93,11 @@ class RAGService:
         if not self._initialized:
             self._init_vector_store()
 
+        # 如果没有嵌入模型，只记录到日志
+        if self.embedding_model is None:
+            logger.debug(f"字段跳过索引 (无嵌入模型): {table_name}.{field_name}")
+            return
+
         text = f"表名: {table_name}, 字段: {field_name}, 描述: {field_description}"
         if sample_values:
             text += f", 示例值: {', '.join(sample_values)}"
@@ -108,6 +120,11 @@ class RAGService:
         if not self._initialized:
             self._init_vector_store()
 
+        # 如果没有嵌入模型，只记录到日志
+        if self.embedding_model is None:
+            logger.debug(f"文档跳过索引 (无嵌入模型): {doc_id}")
+            return
+
         doc = SimpleDocument(
             page_content=content,
             metadata=metadata or {"doc_id": doc_id}