1. Jak korzystać z podręcznika

Ten podręcznik prowadzi od plików źródłowych do uporządkowanego zbioru fragmentów, który można przekazać do dalszych eksperymentów z RAG. Najważniejszym wynikiem Modułu 2 jest tekst o zachowanym znaczeniu, z rozpoznawalnym źródłem i udokumentowaną oceną jakości.

Co zrobisz w tym module

W Module 1 sprawdzaliśmy, czy odpowiedź ma podstawę w udostępnionym kontekście. Teraz cofamy się o jeden etap: przygotowujemy materiał, z którego przyszły system będzie ten kontekst wybierał. Błąd w dokumencie, utracony warunek lub nieaktualna wersja mogą przejść przez kolejne etapy i trafić do odpowiedzi. Sam model nie naprawi niezauważonej pomyłki w bazie.

Po lekturze umiesz uzasadnić wybór źródeł, rozpoznać błędy odczytu, zaplanować ostrożne czyszczenie, porównać sposoby podziału tekstu, przypisać metadane oraz zdecydować, które fragmenty można przekazać dalej. Uczysz się także opisywać ograniczenia: czego baza nie zawiera i czego jeszcze nie sprawdzono.

Zakres Modułu 2. Nie tworzymy tu embeddingów, indeksu wektorowego ani odpowiedzi modelu. Nie potrzebujesz Ollamy, klucza API ani karty graficznej. OCR jest tematem rozszerzającym; w podstawowych ćwiczeniach nie rozpoznajemy automatycznie tekstu ze skanów.

Jak pracować offline

Czytaj rozdziały R1–R6 po kolei. W każdym znajdziesz wyjaśnienie, przykład, ćwiczenie i pytania kontrolne. Wszystkie fragmenty potrzebne do rozwiązania ćwiczeń są w książce. Odpowiedzi możesz zapisać na papierze lub w dowolnym edytorze. Internet i pliki z pakietu ćwiczeniowego nie są konieczne do wykonania zadań opisanych tutaj.

Najpierw rozwiąż zadanie samodzielnie. Następnie porównaj tok rozumowania z częścią „Odpowiedzi do ćwiczeń”. W zadaniach projektowych dopuszczalne są różne rozwiązania, jeżeli zachowują znaczenie źródła, pozwalają je wskazać i mają jasne uzasadnienie. Słownik na końcu pomaga wrócić do pojęć.

Część Pytanie przewodnie Rezultat nauki
R1. Dokumenty źródłowe Co powinno znaleźć się w bazie? Zakres i decyzje o źródłach
R2. Wczytywanie Czy odczyt odpowiada oryginałowi? Tekst surowy z lokalizatorem
R3. Czyszczenie Co usunąć, a co koniecznie zachować? Tekst oczyszczony i rejestr zmian
R4. Fragmenty Gdzie kończy się samodzielna informacja? Fragmenty z zachowanym kontekstem
R5. Metadane Skąd pochodzi ten fragment? Wspólny schemat i identyfikatory
R6. Kontrola jakości Co można przekazać do kolejnego modułu? Zbiór przyjęty i raport ograniczeń

Wspólny przykład: fikcyjny DocAssist

Pracujemy nad bazą dla wewnętrznego asystenta wspierającego operatorów fikcyjnej aplikacji DocAssist. Ma pomagać w odczytywaniu bieżących zasad wsparcia i instrukcji. Nie wykonuje poleceń administracyjnych. Występujące w książce komendy są tekstem do analizy, a parametry stanowiska odnoszą się wyłącznie do fikcyjnego przykładu.

Korpus Modułu 2 obejmuje instrukcję TXT, regulamin Markdown, dwustronicową dokumentację PDF i stronę pomocy HTML, wszystkie w wersji dokumentu 1.4. Piąty plik to archiwalny regulamin 1.3. Statusy i wersje są podane w materiałach ćwiczeniowych. Dat obowiązywania nie znamy i nie będziemy ich wymyślać.

Ciągłość między modułami. DocAssist pozostaje przykładem dydaktycznym, ale korpus M2 jest osobnym zestawem. Regulamin 1.4 w M2 podaje dyżur 08:00–16:00. Nie uzupełnia to wstecz odpowiedzi w ćwiczeniu M1, w którym udostępniony regulamin nie zawierał godzin. Odpowiedź zawsze ocenia się względem źródeł danego zadania.

Książka i ćwiczenia komputerowe

Książka wyjaśnia decyzje i pozwala ćwiczyć bez komputera. Karty pracy M12_M2_R1_karta_pracy.docx–M12_M2_R6_karta_pracy.docx oraz notebooki z pakietu Student umożliwiają wykonanie całego procesu na plikach. Ćwiczenia offline nie wymagają przepisywania kodu i nie zastępują wyników notebooków, jeśli prowadzący wymaga ich oddania.

Proponowane 165 minut pracy z notebookami to czas ćwiczeń komputerowych, bez lektury, prezentacji i instalacji. Nie jest to limit czasu czytania książki ani dodatkowy warunek zaliczenia.

Zasada, która łączy wszystkie rozdziały

Zachowaj drogę od fragmentu do oryginału. Przechowuj osobno źródło, wynik odczytu, tekst oczyszczony, fragmenty oraz oceny. Jeżeli wynik budzi wątpliwości, wróć do wcześniejszego etapu. Dobra baza wiedzy pozwala wyjaśnić nie tylko, co zawiera, lecz także dlaczego dana treść została dopuszczona.

Przygotowanie dokumentów i bazy wiedzy
ENHANCER+ · Politechnika Warszawska · materiał do samodzielnej nauki offline