TL;DR
Zapytanie LIKE '%hosting%' nie znajdzie umowy o "utrzymaniu serwera", mimo że chodzi dokładnie o to samo. RAG rozwiązuje ten problem, zamieniając tekst na wektory i szukając znaczeniowego podobieństwa zamiast dokładnych fraz. Tekst buduje taki system od podstaw, bez frameworka typu LangChain – sam Python, numpy, SQLite jako baza i Gemini API do embeddingów oraz generowania odpowiedzi.
Najciekawsze są detale, które w marketingowych tutorialach zwykle znikają: dzielenie dokumentu na fragmenty potrafi przeciąć zdanie w pół i zepsuć sens całego chunku, embedding o 3072 wymiarach da się bez utraty jakości przyciąć do 768, a zwykły WHERE odpalony przed wyszukiwaniem wektorowym często podnosi trafność bardziej niż zmiana modelu. Bez zestawu testowego mierzącego skuteczność cały pipeline to strzelanie w ciemno – i artykuł pokazuje, jak tego uniknąć.
LIKE znajdzie słowo faktura, ale nie znajdzie rachunku za usługę. RAG rozwiązuje dokładnie ten problem. Budujemy go od zera, bez frameworka.
Czytaj cały wpis u źródła// tagi
