› RAG (retrieval-augmented generation) to czat z własnymi dokumentami: program najpierw wyszukuje w nich fragmenty pasujące do pytania, a dopiero potem model odpowiada na ich podstawie i podaje źródło.
› Zbudowałem to od zera w około 70 liniach Pythona: trzy polskie ustawy w PDF, embeddingi liczone lokalnie w Ollamie, baza wektorowa w numpy (i dla porównania w Chroma).
› Na 11 pytaniach zadanych potocznym językiem model odpowiedział dobrze w 8 przypadkach, w 2 uczciwie przyznał, że nie znalazł odpowiedzi, i ani razu nie zmyślił.
› Poniżej cały kod, wszystkie wyniki i dwie poprawki, które sprawdziłem.