mirror of
https://github.com/Alkatrazz24/Funk-lab.git
synced 2026-07-08 22:14:43 +02:00
529bb66ebd
- CLAUDE.md : /srv/data NVMe (plus RAID5), structure k8s/ expliquée, namespace ai ajouté, Hermes data code/données séparés - README.md : roadmap complète (n8n/Open WebUI/monitoring opérationnels), Talos v1.13, vault vars complètes, rôles Ansible manquants, RAID5→NVMe - admin/ia/rag.md : 284→339 chunks, RAID5→NVMe - admin/ia/hermes.md : RAID5→NVMe (incidents 2026-05-13 et 2026-05-29) - admin/ia/litellm.md : qwen2.5→qwen3-8b, gap IaC CPU models documenté - admin/ia/llama_server.md : gap IaC instances CPU documenté - admin/index_knowledge.py : 5 chunks RAG mis à jour (Qwen2.5→Qwen3, RAID5→NVMe, vault vars + rôles complets) Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
194 lines
6.2 KiB
Markdown
194 lines
6.2 KiB
Markdown
# RAG — Documentation Funk
|
||
|
||
Le RAG (Retrieval-Augmented Generation) permet à Hermes de répondre en s'appuyant
|
||
sur la documentation du repo (`admin/`) plutôt que sur sa seule mémoire de modèle.
|
||
|
||
---
|
||
|
||
## Architecture
|
||
|
||
```
|
||
Hermes (funk-ai)
|
||
│ terminal: rag-query "comment relancer dnsmasq ?"
|
||
▼
|
||
/usr/local/bin/rag-query (storage-01)
|
||
│ 1. Embed la question → POST http://192.168.10.20:1234/v1/embeddings
|
||
│ 2. Recherche vectorielle → POST http://127.0.0.1:6333/collections/funk-docs/points/search
|
||
▼
|
||
Qdrant (storage-01:6333)
|
||
│ Retourne les N chunks les plus proches sémantiquement
|
||
▼
|
||
rag-query affiche les extraits + fichier source + score
|
||
│
|
||
▼
|
||
Hermes formule sa réponse en citant les sources
|
||
```
|
||
|
||
---
|
||
|
||
## Composants déployés
|
||
|
||
| Composant | Emplacement | Rôle |
|
||
|---|---|---|
|
||
| Qdrant | storage-01:6333/6334 | Base vectorielle — stocke les embeddings |
|
||
| `rag-ingest` | `/usr/local/bin/rag-ingest` | Indexe les docs dans Qdrant |
|
||
| `rag-query` | `/usr/local/bin/rag-query` | Interroge Qdrant depuis la ligne de commande |
|
||
| Skill `rag-docs` | Profil `funk-ai` Hermes | Enseigne à Hermes comment utiliser `rag-query` |
|
||
| Docs indexées | `/srv/data/rag/docs/` (NVMe) | Copie locale du dossier `admin/` |
|
||
| Collection Qdrant | `funk-docs` | 339 chunks — dimension 4096 (Cosine) |
|
||
|
||
---
|
||
|
||
## Modèle d'embedding utilisé
|
||
|
||
**Qwen3-8B** via llama-server GPU (port 1234), avec les flags `--embeddings --pooling mean`.
|
||
|
||
C'est le modèle de chat principal, réutilisé pour les embeddings.
|
||
|
||
### Limitation connue
|
||
|
||
Qwen3-8B est un modèle génératif, **pas un modèle d'embedding dédié**.
|
||
Ses représentations vectorielles ont peu de discrimination sémantique :
|
||
les scores de similarité cosinus sont uniformément hauts (0.90–0.95)
|
||
quelle que soit la pertinence du résultat.
|
||
|
||
Conséquence : les résultats retournés ne sont pas triés par pertinence réelle —
|
||
le fichier avec le plus de tokens (ex : `incidents.md`) remonte souvent en premier.
|
||
|
||
### Quand améliorer
|
||
|
||
Pour une recherche sémantique précise, utiliser un modèle d'embedding dédié :
|
||
|
||
| Modèle | Taille | Dimension | Notes |
|
||
|---|---|---|---|
|
||
| `nomic-embed-text-v1.5` | ~274 MB | 768 | Rapide, bon équilibre qualité/taille |
|
||
| `bge-m3` | ~1.2 GB | 1024 | Multilingue (français natif) — meilleur choix pour ce repo |
|
||
|
||
Déploiement si besoin :
|
||
```bash
|
||
# Sur gpu-01 — télécharger le modèle
|
||
ssh gpu-01 "lms get nomic-ai/nomic-embed-text-v1.5-GGUF"
|
||
|
||
# Ajouter une instance llama-server sur port 1238 (CPU, embedding only)
|
||
# Modifier ansible/roles/rag/defaults/main.yml :
|
||
# embed_url: "http://192.168.10.20:1238/v1/embeddings"
|
||
# embed_model: "nomic-embed-text-v1.5"
|
||
# Puis re-indexer : rag-ingest /srv/data/rag/docs/
|
||
```
|
||
|
||
---
|
||
|
||
## Utilisation
|
||
|
||
### Via Hermes (funk-ai)
|
||
|
||
Le skill `rag-docs` est chargé dans le profil `funk-ai`. Hermes l'utilise
|
||
automatiquement pour les questions sur le cluster :
|
||
|
||
```
|
||
# Dans le TUI Hermes :
|
||
"Comment je relance dnsmasq ?"
|
||
→ Hermes appelle rag-query en interne et cite les sources
|
||
```
|
||
|
||
### En ligne de commande
|
||
|
||
```bash
|
||
# Depuis storage-01
|
||
rag-query "ma question"
|
||
rag-query "ma question" --top 3 # limiter les résultats (défaut: 5)
|
||
|
||
# Exemples
|
||
rag-query "comment relancer llama-server gpu"
|
||
rag-query "nftables firewall port cluster"
|
||
rag-query "hermes profils configuration"
|
||
rag-query "alertmanager webhook pipeline"
|
||
rag-query "monitoring grafana dashboard"
|
||
```
|
||
|
||
---
|
||
|
||
## Mise à jour de l'index
|
||
|
||
L'index doit être re-généré après chaque modification de la doc `admin/`.
|
||
|
||
### Via Ansible (recommandé)
|
||
|
||
```bash
|
||
cd ansible/
|
||
../.venv/bin/ansible-playbook -i inventory.yml playbooks/storage-01.yml --tags rag
|
||
```
|
||
|
||
Ansible synchronise `admin/` vers `/srv/data/rag/docs/` puis relance automatiquement
|
||
`rag-ingest` (handler Ansible).
|
||
|
||
### Manuellement
|
||
|
||
```bash
|
||
# Synchroniser les docs (depuis le poste perso)
|
||
rsync -av --delete admin/ storage-01:/srv/data/rag/docs/
|
||
|
||
# Ré-indexer (depuis storage-01)
|
||
ssh storage-01 "rag-ingest /srv/data/rag/docs/"
|
||
```
|
||
|
||
L'ingestion prend ~5-10 minutes pour 339 chunks (embeddings via GPU).
|
||
Elle est idempotente — re-lancer ne crée pas de doublons (IDs stables basés sur MD5 du fichier+section).
|
||
|
||
---
|
||
|
||
## Administration Qdrant
|
||
|
||
```bash
|
||
# Collections existantes
|
||
curl -s http://storage-01:6333/collections | python3 -m json.tool
|
||
|
||
# Stats de la collection funk-docs
|
||
curl -s http://storage-01:6333/collections/funk-docs | python3 -m json.tool
|
||
|
||
# Nombre de points indexés
|
||
curl -s http://storage-01:6333/collections/funk-docs \
|
||
| python3 -c "import sys,json; print(json.load(sys.stdin)['result']['points_count'])"
|
||
|
||
# Vider et re-créer la collection (si re-indexation propre nécessaire)
|
||
curl -s -X DELETE http://storage-01:6333/collections/funk-docs
|
||
rag-ingest /srv/data/rag/docs/
|
||
|
||
# Statut du service
|
||
ssh storage-01 "systemctl status qdrant --no-pager"
|
||
```
|
||
|
||
---
|
||
|
||
## Structure des fichiers
|
||
|
||
```
|
||
ansible/roles/rag/
|
||
├── defaults/main.yml # URLs Qdrant/embed, collection, répertoires
|
||
├── tasks/main.yml # Déploiement scripts + docs + skill Hermes
|
||
├── handlers/main.yml # Handler : Run rag-ingest + Restart hermes-agent
|
||
└── files/
|
||
├── rag-ingest # Script Python d'ingestion
|
||
├── rag-query # Script Python de requête
|
||
└── rag-docs/SKILL.md # Skill Hermes
|
||
|
||
hermes-skills/funk/rag-docs/
|
||
└── SKILL.md # Source versionnée du skill (copié dans files/)
|
||
|
||
/srv/data/rag/ (NVMe storage-01 — bind-mount /home/data)
|
||
├── docs/ # Copie de admin/ — source des chunks
|
||
└── (Qdrant stocke dans /srv/data/qdrant/)
|
||
```
|
||
|
||
---
|
||
|
||
## Points d'attention
|
||
|
||
| Sujet | Détail |
|
||
|---|---|
|
||
| Qualité embeddings | Qwen3-8B = modèle chat réutilisé — scores peu discriminants. Fonctionnel mais pas optimal. |
|
||
| Modèle dédié | `nomic-embed-text` ou `bge-m3` diviseraient les faux positifs par ~3 |
|
||
| Contention GPU | `rag-ingest` sollicite le GPU (port 1234) pendant ~5-10 min — éviter pendant une session d'inférence active |
|
||
| Re-indexation | Obligatoire après modification de `admin/` — pas de sync automatique |
|
||
| Qdrant persistance | Données dans `/srv/data/qdrant/` sur NVMe — survivent aux redémarrages |
|
||
| Score minimum | `MIN_SCORE = 0.60` dans `rag-query` — tous les résultats sont au-dessus avec ce modèle |
|