Proiect final 2: baza de cunoștințe ca tool
Jumătate din mesajele primite de suport nu sunt despre o comandă anume, ci despre reguli: cât costă livrarea, cum plătești, cât durează rambursarea. Răspunsurile sunt în FAQ-ul magazinului. În această parte îl transformi în tool-ul cauta_in_faq, cu index pe embeddings, prag de relevanță și sursa fiecărui fragment, și măsori cât de bine găsește.
FAQ-ul ca tool local
În modulul 5 ai văzut RAG-ul agentic: căutarea devine un tool, iar modelul decide dacă și ce caută. Pentru agentul CasaNova, întrebarea „unde e comanda 10422?” nu are nevoie de FAQ, iar „pot plăti ramburs?” nu are nevoie de serverul de comenzi. Modelul alege.
Construiește baza de cunoștințe a agentului: clasa IndexFAQ (indexul pe embeddings), tool-ul cauta_in_faq și evaluarea regăsirii pe cele 5 întrebări din TESTE. FAQ-ul și funcția similaritate sunt date.
- IndexFAQ.__init__: păstrează fragmentele și calculează embedding-urile tuturor textelor într-un singur apel oa.embeddings.create(model=EMBED, input=[...]).
- cauta(intrebare, k=2): embedding-ul întrebării, scorurile sortate descrescător, primele k ca listă de (round(scor, 2), fragment), doar cele cu scorul cel puțin PRAG.
- cauta_in_faq(intrebare): Niciun rezultat relevant în FAQ. sau câte o linie [faq/livrare] text pentru fiecare fragment găsit.
- Evaluarea: pentru fiecare test afișează Cât costă livrarea? -> 0.49 faq/livrare, 0.37 faq/program (sau -> nimic), apoi HIT sau MISS (așteptat: faq/garantie); un test cu None e HIT când nu s-a găsit nimic.
Restul explicațiilor, editorul și verificarea automată se deblochează cu Proiect final și interviu.

Ioana Dumitrache
Marina Pahom
Alex Cristian