Drukuj ten rozdziałDrukuj ten rozdział

Budowa asystenta dokumentów

9. Przeniesienie na własne dokumenty

Lokalne chatboty, agenci i systemy RAG z własną bazą wiedzy

Praktyka po kursie · bez GUI

Asystent dokumentów w konsoli

Od działającego RAG do rozmowy i kontrolowanych narzędzi

Orientacyjny czas: 25 min · Tryb pracy: najpierw własna próba, potem przykład

Zrób kopię całego działającego projektu, zanim zmienisz dane. Zachowaj wyniki testu na korpusie kursowym jako punkt odniesienia. Nowy temat wymaga nie tylko nowych fragmentów, lecz także zmiany przykładów pytań, resolvera i opisów selektora.

  1. Wybierz niewielki zestaw jawnych dokumentów z jednoznacznymi tytułami, wersjami i statusem. Przygotuj 5–10 pytań, w tym pytania bez odpowiedzi w bazie.
  2. Przygotuj fragmenty zgodnie z modułem 2 i schematem chunks.jsonl. W razie korzystania z baza.py sprawdź jego dostępne opcje poleceniem poniżej; plik docelowy jest chroniony przed nadpisaniem.
  3. Zweryfikuj document_id, source, title, version i status dla każdego dokumentu. Wszystkie fragmenty tego samego dokumentu muszą mieć zgodne metadane katalogowe.
  4. Zachowaj poprzednie chunks.jsonl i index.json pod innymi nazwami poza aktywną ścieżką danych. Zbuduj indeks nowych fragmentów.
  5. Zmień nazwy i reguły specyficzne dla DocAssist w pamiec.py i decyzja.py. Jeżeli nie potrafisz jednoznacznie rozwiązać odniesienia, pozostaw prośbę o pełne pytanie.
  6. Dostosuj scenariusze, a następnie ponów testy obu trybów. Zmieniaj jeden element naraz, aby umieć wskazać przyczynę poprawy lub pogorszenia.
python baza.py --help
python indeks.py build
python indeks.py search "Pełne pytanie dotyczące nowej bazy"

PDF i HTML: dołączone pliki źródłowe dokumentują pochodzenie gotowych fragmentów. Prosty skrypt baza.py nie jest uniwersalnym konwerterem PDF/HTML. Dla nowych takich dokumentów użyj przygotowania i kontroli jakości z modułu 2, a potem dopasuj zaakceptowane fragmenty do schematu tego projektu.

Nie wpisuj progu podobieństwa tylko dlatego, że dobrze wygląda jako liczba. Sprawdź rozkład wyników dla pytań trafnych i nietrafnych. Wartości podobieństwa zależą od modelu oraz danych. Zmiana top_k może poprawić obecność właściwego fragmentu, lecz zwiększyć szum albo spowodować, że limit kontekstu pominie część kandydatów.

Sprawdź przed przejściem dalej

  • Nowa baza ma spójne ID i metadane.
  • Indeks pasuje do wersji danych i embeddingu.
  • Nie pozostawiłem reguł DocAssist jako rzekomo uniwersalnej pamięci.
  • Mam pytania kontrolne z odpowiedzią i bez odpowiedzi w bazie.

Materiał uzupełniający do modułów 1–6 · wersja 1.0 · 30.09.2026