📚 RAG Knowledge Skill
🎯 Цель (Objective)
Обеспечение Агента (Виктора) актуальной контекстной информацией для точных ответов на технические и бизнес-вопросы.
🛠️ Инструментарий (Tools & Scripts)
- •
scripts/rag-migrate.ts: Миграция схемы (автоматическое определение размерности). - •
scripts/diagnostic.ts: Проверка подключения к векторной БД и целостности конфигурации. - •
scripts/rebuild-vector-store.ts: Полная переиндексация базы знаний. - •
scripts/test-rag-system.ts: Полная проверка работоспособности RAG (Step-by-step). - •
src/infrastructure/rag/IngestionPipeline.ts: Ядро логики обработки документов. - •
src/infrastructure/rag/VectorStore.ts: Слой взаимодействия с векторной БД.
📋 Протокол Действий (Workflow)
- •Миграция: Выполнить
npx tsx scripts/rag-migrate.tsдля создания таблицы с нужной размерностью (HF=1024, Gemini=768). - •Индексация: Выполнить
npx tsx scripts/rebuild-vector-store.tsдля загрузки данных изdocs/knowledge_base/. - •Верификация: Запустить
npx tsx scripts/test-rag-system.tsдля проверки поиска и задержек. - •Использование: В специалистах использовать
vectorStore.search(query, { namespace: '...' }). - •Обновление: При изменении документации в
docs/knowledge_base/повторить шаг 2.
⚠️ Ограничения (Constraints)
- •ЗАПРЕЩЕНО использовать размерность вектора, не соответствующую провайдеру (HuggingFace=1024, Gemini=768, OpenAI=1536).
- •ЗАПРЕЩЕНО индексировать файлы, содержащие секреты.
- •Максимальный размер чанка — 1000 токенов для сохранения семантики.
- •Всегда указывать
source_fileв метаданных. - •При ошибках соединения с БД проверять статус Neon Postgres.