RAG Formation · Référence

Une question à travers le système RAG

Une fiche autonome pour apprendre et tester la qualité RAG sur ce site.

$ reference --status
▸ cours RAG Formation
▸ mode référence autonome
▸ statut Terminé
● apprendre → tester → vérifier

Fiche de référence

Le contenu du cours guidé RAG Formation est complet ; cette fiche est disponible pour un apprentissage autonome.

Chemin principal

Requête HTTP → route → service → récupération → assemblage → citation → génération → réponse

Étape	Fichier / fonction	Responsabilité
1. Entrée HTTP	`routes/qa.py` `ask_question()`	Reçoit `QuestionRequest` et le transmet au service de questions-réponses.
2. Orchestration	`qa_service.py` `answer_question_internal()`	Vérifie l’entrée, résout les services et la configuration, puis coordonne la requête.
3. Récupération	`search.py`	Interroge les fragments et résumés Qdrant, Meilisearch et LightRAG.
4. Contexte	`utils.py` `build_context()`	Répartit le budget entre les canaux et conserve les éléments transmis au modèle.
5. Citations	`utils.py` `sources_from_items()`	Construit la liste des sources à partir des preuves ayant survécu à l’assemblage du contexte.
6. Prompt	`utils.py` `build_prompt()`	Indique au modèle d’utiliser le contexte, de citer les sources et de refuser les réponses non étayées.
7. Génération	`qa_service.py` `completion.generate()`	Génère la réponse finale à partir de la question et du contexte assemblé.
8. Réponse	`models.py` `AnswerResponse`	Renvoie la réponse, les sources et les statistiques de diagnostic.

Avant la génération : vérifier `/api/v1/search` et `context_items_included`.
Au moment de citer : comparer `sources` aux éléments réellement intégrés au contexte.
Après la génération : comparer la réponse aux preuves et à la réponse attendue.
Pour la latence : inspecter les quatre appels de récupération — en particulier LightRAG — et l’appel final de complétion.

Pour continuer : Ouvrir la leçon autonome correspondante · Feuille de route