RAG Knowledge Base

# retriever.py - полный RAG-пайплайн в одной функции
  def ask(question: str) -> str:
      # 1. Эмбеддинг вопроса в том же векторном пространстве что и чанки
      docs = vectorstore.similarity_search(question, k=TOP_K)
  
      if not docs:
          return "Релевантные документы не найдены."
  
      # 2. Контекст из топ-4 извлечённых чанков
      context = "\n\n".join(d.page_content for d in docs)
  
      # 3. GPT-4o-mini отвечает ТОЛЬКО по контексту - не по обучающим данным
      response = openai.chat.completions.create(
          model="gpt-4o-mini",
          messages=[
              {"role": "system", "content":
                  "Отвечай только на основе контекста ниже. "
                  "Если ответа нет в контексте, так и скажи."},
              {"role": "user", "content":
                  f"Контекст:\n{context}\n\nВопрос: {question}"}
          ]
      )
  
      # 4. Дедупликация источников и добавление к ответу
      sources = list({
          f"{d.metadata['source']} (стр. {d.metadata['page']})"
          for d in docs
      })
      return response.choices[0].message.content + "\n\n📎 Источники:\n" + "\n".join(f" • {s}" for s in sources)