Correction d’un système RAG retournant du contexte non pertinent

Scénario

Contexte : Un assistant interne utilise une base vectorielle pour enrichir les prompts envoyés au LLM. Le Problème : Les documents récupérés ne sont pas toujours pertinents, ce qui dégrade la qualité des réponses. Extrait logique actuelle : top_k = 10 results = vector_store.search(query, top_k) Sans seuil de similarité. Contraintes : Introduire seuil minimal de similarité. Ajuster top_k. Tester impact sur précision des réponses. Livrable attendu : Corriger le pipeline de récupération afin d’améliorer la pertinence du contexte injecté dans le prompt.

Compétences ciblées