WIP

.gitignore

@@ -1,8 +1,10 @@
+/.vscode/launch.json
 /.data/*
 /rag/input_html/*
 /rag/data/*
 /rag/sys_prompt.txt
 /rag/chats/*.md
+/rag/prompts/*
 
 .old/
 .venv/

.vscode/launch.json.example

@@ -10,17 +10,14 @@
             "request": "launch",
             "program": "${workspaceFolder}/rag/rag.py",
             "args": [
+                "--verbose",
                 "--show-stats",
-                "--interactive",
+                // "--interactive",
                 "--use-rank",
                 // "--stream",
                 "--show-prompt",
-                "--sys-prompt",
-                "${workspaceFolder}/rag/lis-sp.md",
                 "--qdrant-collection",
-                "rag-2000-300",
-                "--query",
-                "привет"
+                "rag-2000-300"
             ],
             "console": "integratedTerminal"
         }

README.md

@@ -37,112 +37,113 @@
 2. Запустить `./ollama run <название модели>` для диалога в терминале
 3. Открыть веб-морду по адресу [localhost:9999](http://localhost:9999) для более богатого функционала
 
+<a id="models"></a>
 <details>
-    <summary>Полный список лёгких и средних моделей, которые можно попробовать для разных целей</summary>
+<summary>Полный список лёгких и средних моделей, которые можно попробовать для разных целей</summary>
 
-    ```
-    codegemma:2b
-    codegemma:7b
-    codellama:7b
-    codellama:13b
-    codellama:34b
-    codeqwen:1.5b
-    codeqwen:7b
-    codestral:22b
-    deepcoder:1.5b
-    deepcoder:14b
-    deepseek-coder:1.3b
-    deepseek-coder:6.7b
-    deepseek-coder:33b
-    deepseek-coder-v2:16b
-    deepseek-r1:1.5b
-    deepseek-r1:7b
-    deepseek-r1:8b
-    deepseek-r1:14b
-    deepseek-r1:32b
-    devstral:24b
-    dolphin3:8b
-    gemma:2b
-    gemma:7b
-    gemma3:1b
-    gemma3:4b
-    gemma3:12b
-    gemma3:27b
-    gemma3:270m
-    gemma3n:e2b
-    gemma3n:e4b
-    gpt-oss:20b
-    granite-code:3b
-    granite-code:8b
-    granite-code:20b
-    granite-code:34b
-    llama2:7b
-    llama2:13b
-    llama3:8b
-    llama3.1:8b
-    llama3.2:1b
-    llama3.2:3b
-    llava-llama3:8b
-    magistral:24b
-    mistral:7b
-    mistral-nemo:12b
-    mistral-small:22b
-    mistral-small:24b
-    mixtral:8x7b
-    mxbai-embed-large:latest
-    nomic-embed-text:latest
-    openthinker:7b
-    openthinker:32b
-    phi:2.7b
-    phi3:3.8b
-    phi3:14b
-    phi3:instruct
-    phi3:medium
-    phi3:mini
-    phi3.5:3.8b
-    phi4:14b
-    phi4-mini-reasoning:3.8b
-    phi4-mini:3.8b
-    phi4-reasoning:14b
-    qwen:0.5b
-    qwen:1.8b
-    qwen:4b
-    qwen:7b
-    qwen:14b
-    qwen:32b
-    qwen2:0.5b
-    qwen2:1.5b
-    qwen2:7b
-    qwen2.5:0.5b
-    qwen2.5:1.5b
-    qwen2.5:3b
-    qwen2.5:7b
-    qwen2.5:14b
-    qwen2.5:32b
-    qwen2.5-coder:0.5b
-    qwen2.5-coder:1.5b
-    qwen2.5-coder:3b
-    qwen2.5-coder:7b
-    qwen2.5-coder:14b
-    qwen2.5-coder:32b
-    qwen3:0.6b
-    qwen3:1.7b
-    qwen3:4b
-    qwen3:8b
-    qwen3:14b
-    qwen3:30b
-    qwen3:32b
-    qwen3-coder:30b
-    qwq:32b
-    smollm2:1.7m
-    smollm2:135m
-    smollm2:360m
-    stable-code:3b
-    stable-code:instruct
-    starcoder2:3b
-    starcoder2:7b
-    starcoder2:15b
-    ```
+```
+codegemma:2b
+codegemma:7b
+codellama:7b
+codellama:13b
+codellama:34b
+codeqwen:1.5b
+codeqwen:7b
+codestral:22b
+deepcoder:1.5b
+deepcoder:14b
+deepseek-coder:1.3b
+deepseek-coder:6.7b
+deepseek-coder:33b
+deepseek-coder-v2:16b
+deepseek-r1:1.5b
+deepseek-r1:7b
+deepseek-r1:8b
+deepseek-r1:14b
+deepseek-r1:32b
+devstral:24b
+dolphin3:8b
+gemma:2b
+gemma:7b
+gemma3:1b
+gemma3:4b
+gemma3:12b
+gemma3:27b
+gemma3:270m
+gemma3n:e2b
+gemma3n:e4b
+gpt-oss:20b
+granite-code:3b
+granite-code:8b
+granite-code:20b
+granite-code:34b
+llama2:7b
+llama2:13b
+llama3:8b
+llama3.1:8b
+llama3.2:1b
+llama3.2:3b
+llava-llama3:8b
+magistral:24b
+mistral:7b
+mistral-nemo:12b
+mistral-small:22b
+mistral-small:24b
+mixtral:8x7b
+mxbai-embed-large:latest
+nomic-embed-text:latest
+openthinker:7b
+openthinker:32b
+phi:2.7b
+phi3:3.8b
+phi3:14b
+phi3:instruct
+phi3:medium
+phi3:mini
+phi3.5:3.8b
+phi4:14b
+phi4-mini-reasoning:3.8b
+phi4-mini:3.8b
+phi4-reasoning:14b
+qwen:0.5b
+qwen:1.8b
+qwen:4b
+qwen:7b
+qwen:14b
+qwen:32b
+qwen2:0.5b
+qwen2:1.5b
+qwen2:7b
+qwen2.5:0.5b
+qwen2.5:1.5b
+qwen2.5:3b
+qwen2.5:7b
+qwen2.5:14b
+qwen2.5:32b
+qwen2.5-coder:0.5b
+qwen2.5-coder:1.5b
+qwen2.5-coder:3b
+qwen2.5-coder:7b
+qwen2.5-coder:14b
+qwen2.5-coder:32b
+qwen3:0.6b
+qwen3:1.7b
+qwen3:4b
+qwen3:8b
+qwen3:14b
+qwen3:30b
+qwen3:32b
+qwen3-coder:30b
+qwq:32b
+smollm2:1.7m
+smollm2:135m
+smollm2:360m
+stable-code:3b
+stable-code:instruct
+starcoder2:3b
+starcoder2:7b
+starcoder2:15b
+```
 
 </details>
 

compose.yml

@@ -9,24 +9,25 @@ services:
       - "${OLLAMA_PORT:-11434}:11434"
     restart: "no"
 
-  ai-qdrant:
-    container_name: ai-qdrant
-    image: qdrant/qdrant
-    env_file: .env
-    ports:
-      - "${QDRANT_PORT:-6333}:6333"
-    volumes:
-      - ./.data/qdrant/storage:/qdrant/storage
-    restart: "no"
+  # ai-qdrant:
+  #   container_name: ai-qdrant
+  #   image: qdrant/qdrant
+  #   env_file: .env
+  #   ports:
+  #     - "${QDRANT_PORT:-6333}:6333"
+  #   volumes:
+  #     - ./.data/qdrant/storage:/qdrant/storage
+  #   restart: "no"
+  #   profiles: ["rag"]
 
-  ai-webui:
-    container_name: ai-webui
-    image: ghcr.io/open-webui/open-webui:main
-    env_file: .env
-    volumes:
-      - ./.data/webui:/app/backend/data
-    ports:
-      - "${OWEBUI_PORT:-9999}:8080"
-    extra_hosts:
-      - "host.docker.internal:host-gateway"
-    restart: "no"
+  # ai-webui:
+  #   container_name: ai-webui
+  #   image: ghcr.io/open-webui/open-webui:main
+  #   env_file: .env
+  #   volumes:
+  #     - ./.data/webui:/app/backend/data
+  #   ports:
+  #     - "${OWEBUI_PORT:-9999}:8080"
+  #   extra_hosts:
+  #     - "host.docker.internal:host-gateway"
+  #   restart: "no"

rag/CHECKLIST.md

@@ -1,17 +0,0 @@
-# Чек-лист по построению RAG
-
-* [ ] Определиться с форматом входных данных
-* [ ] Очистить входные данные, обеспечив метаданными
-* [ ] Подобрать модель эмбеддинга
-* [ ] Подобрать размер чанка и перекрытия для эмбеддинга
-* [ ] Подобрать место хранения (векторная СУБД)
-* [ ] Подобрать модель ранжирования
-* [ ] Подобрать модель генерации
-* [ ] Подобрать для неё системный промпт (для встраивания найденных чанков, грамотного их цитирования)
-* [ ] Подобрать параметры:
-  * [ ] top_k (количество чанков для поиска при эмбеддинге)
-  * [ ] top_n (остаток найденных чанков после ранжирования)
-  * [ ] temperature (степень фантазии)
-  * [ ] top_p (???)
-  * [ ] другие?
-* [ ] 

rag/README.md

@@ -8,7 +8,7 @@
 cd ..; ./up; cd -
 python3 -m venv .venv
 source .venv/bin/activate
-pip install beautifulsoup4 markdownify sentence-transformers qdrant-client langchain transformers
+pip install beautifulsoup4 markdownify sentence-transformers qdrant-client langchain transformers ollama
 pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu
 ./download.sh 123456789 # <<== pageId страницы в Confluence
 python3 convert.py
@@ -66,7 +66,7 @@ rag/
 ```bash
 python3 -m venv .venv
 source ./venv/bin/activate
-pip install beautifulsoup4 markdownify sentence-transformers qdrant-client langchain transformers
+pip install beautifulsoup4 markdownify sentence-transformers qdrant-client langchain transformers ollama
 pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu
 ```
 
@@ -202,7 +202,7 @@ python3 rag.py --help
 5. При вызове `rag.py` указать путь к файлу промпта, используя аргумент `--sys-prompt $путь_к_файлу`
 6. Если указанного файла не существует, то будет применён промпт по умолчанию.
 
-Посмотреть полный промпт можно указав аргумент `--show_prompt` при вызове `rag.py`.
+Посмотреть полный промпт можно указав аргумент `--show-prompt` при вызове `rag.py`.
 
 ## Неплохие модели для экспериментов
 
@@ -219,8 +219,8 @@ python3 rag.py --help
 
 ### Ранжирование
 
-- [`cross-encoder/ms-marco-MMarco-mMiniLMv2-L12-V1`](https://hf.co/cross-encoder/ms-marco-MMarco-mMiniLMv2-L12-V1) ☑️
-- [`cross-encoder/ms-marco-MiniLM-L-6-v2`](https://hf.co/cross-encoder/ms-marco-MiniLM-L-6-v2)
+- [`cross-encoder/ms-marco-MMarco-mMiniLMv2-L12-V1`](https://hf.co/cross-encoder/ms-marco-MMarco-mMiniLMv2-L12-V1)
+- [`cross-encoder/ms-marco-MiniLM-L-6-v2`](https://hf.co/cross-encoder/ms-marco-MiniLM-L-6-v2) ☑️
 - [`cross-encoder/ms-marco-TinyBERT-L-2-v2`](https://hf.co/cross-encoder/ms-marco-TinyBERT-L-2-v2)
 - ...
 
@@ -229,7 +229,7 @@ python3 rag.py --help
 
 ### Генеративные
 
-Перечислен список: по убыванию качества ответов и размера модели, по возрастанию скорости ответов на обычном домашнем ПК.
+Список по убыванию качества ответов и размера модели, по возрастанию скорости ответов на обычном домашнем ПК.
 
 - [`deepseek-r1:8b`](https://ollama.com/library/deepseek-r1) 🏋️🧠
 - [`qwen3:8b`](https://ollama.com/library/qwen3) 🏋️🧠
@@ -241,6 +241,8 @@ python3 rag.py --help
 - [`gemma3n:e4b`](https://ollama.com/library/gemma3n)
 - [`gemma3n:e2b`](https://ollama.com/library/gemma3n)
 
+Также можно посмотреть на [эти модели](../README.md#models) или свои собственные.
+
 ## Дисклеймер
 
 Проект родился на энтузиазме из личного любопытства.
@@ -250,8 +252,17 @@ python3 rag.py --help
 **Задачи:**
 
 1. облегчить поиск информации о проекте среди почти 2000 тысяч документов в корпоративной Confluence, относящихся к нему;
-2. обеспечить минимум телодвижений для развёртывания RAG с нуля внутри команды.
+2. обеспечить минимум телодвижений для развёртывания RAG с нуля внутри команды;
+3. построить воспроизводимую среду для запуска проекта.
 
 Здесь не было задачи сделать всё сложно и по красоте.
 
+Этот проект -- пазл, который позволяет пошагово, по косточкам понять и настроить работу RAG.
+
 Частично (в качестве агентов) в проекте участвовали модели семейств qwen, clause и chatgpt.
+
+## Дополнительные материалы
+
+* https://github.com/ollama/ollama/blob/main/docs/api.md
+* https://habr.com/ru/articles/881268/
+* https://habr.com/ru/companies/oleg-bunin/articles/835910/

rag/chat.py

@@ -0,0 +1,505 @@
+import os
+import requests
+import json
+import time
+import sys
+from qdrant_client import QdrantClient
+from sentence_transformers import SentenceTransformer, CrossEncoder
+
+DEFAULT_CHAT_MODEL = "openchat:7b"
+DEFAULT_EMBED_MODEL = "sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2"
+# DEFAULT_RANK_MODEL = "cross-encoder/mmarco-mMiniLMv2-L12-H384-v1"
+DEFAULT_RANK_MODEL = "cross-encoder/ms-marco-MiniLM-L-6-v2"
+# DEFAULT_RANK_MODEL = "cross-encoder/ms-marco-TinyBERT-L-2-v2"
+DEFAULT_MD_FOLDER = "data"
+DEFAULT_OLLAMA_URL = "http://localhost:11434"
+DEFAULT_QDRANT_HOST = "localhost"
+DEFAULT_QDRANT_PORT = 6333
+DEFAULT_QDRANT_COLLECTION = "rag"
+DEFAULT_TOP_K = 30
+DEFAULT_USE_RANK = False
+DEFAULT_TOP_N = 8
+DEFAULT_VERBOSE = False
+DEFAULT_SHOW_STATS = False
+DEFAULT_STREAM = False
+DEFAULT_INTERACTIVE = False
+DEFAULT_SHOW_PROMPT = False
+DEFAULT_MIN_RANK_SCORE = 0
+
+class RagSystem:
+    def __init__(self,
+                 ollama_url: str = DEFAULT_OLLAMA_URL,
+                 qdrant_host: str = DEFAULT_QDRANT_HOST,
+                 qdrant_port: int = DEFAULT_QDRANT_PORT,
+                 embed_model: str = DEFAULT_EMBED_MODEL,
+                 rank_model: str = DEFAULT_RANK_MODEL,
+                 use_rank: bool = DEFAULT_USE_RANK,
+                 chat_model: str = DEFAULT_CHAT_MODEL):
+        self.ollama_url = ollama_url
+        self.qdrant_host = qdrant_host
+        self.qdrant_port = qdrant_port
+        self.chat_model = chat_model
+        self.emb_model = SentenceTransformer(embed_model)
+        self.qdrant = QdrantClient(host=args.qdrant_host, port=args.qdrant_port)
+        self.use_rank = use_rank
+        if self.use_rank:
+            self.rank_model = CrossEncoder(rank_model)
+        self.conversation_history = []
+
+        self.load_chat_model()
+
+    def load_chat_model(self):
+        url = f"{self.ollama_url}/api/generate"
+        body = {"model": self.chat_model}
+        requests.post(url, json=body, timeout=600)
+
+    def search_qdrant(self, query: str, doc_count: int = DEFAULT_TOP_K, collection_name = DEFAULT_QDRANT_COLLECTION):
+        query_vec = self.emb_model.encode(query, show_progress_bar=False).tolist()
+        results = self.qdrant.query_points(
+            collection_name=collection_name,
+            query=query_vec,
+            limit=doc_count,
+            # score_threshold=0.5,
+        )
+        docs = []
+        for point in results.points:
+            docs.append({
+                "payload": point.payload,
+                "score": point.score,
+            })
+        return docs
+
+    def rank_documents(self, query: str, documents: list, top_n: int = DEFAULT_TOP_N, min_score: int = DEFAULT_MIN_RANK_SCORE):
+        if not self.use_rank:
+            return documents
+
+        pairs = [[query, doc["payload"]["text"]] for doc in documents]
+        scores = self.rank_model.predict(pairs)
+
+        ranked_docs = []
+        for i, doc in enumerate(documents):
+            score = float(scores[i])
+            doc["rank_score"] = score
+            if score >= min_score:
+                ranked_docs.append(doc)
+
+        ranked_docs.sort(key=lambda x: x['rank_score'], reverse=True)
+        return ranked_docs[:top_n]
+
+    def generate_answer(self, sys_prompt: str, user_prompt: str):
+        url = f"{self.ollama_url}/api/chat"
+        body = {
+            "model": self.chat_model,
+            # "system": sys_prompt,
+            # "prompt": user_prompt,
+            "messages": self.conversation_history,
+            "stream": False,
+            "options": {
+                "temperature": 0.5,
+                # "top_p": 0.2,
+            },
+        }
+
+        response = requests.post(url, json=body, timeout=900)
+        if response.status_code != 200:
+            return f"Ошибка генерации ответа: {response.status_code} {response.text}"
+        self.response = response.json()
+        return self.response["message"]["content"]
+
+    def generate_answer_stream(self, sys_prompt: str, user_prompt: str):
+        url = f"{self.ollama_url}/api/chat"
+        body = {
+            "model": self.chat_model,
+            # "system": sys_prompt,
+            # "prompt": user_prompt,
+            "messages": self.conversation_history,
+            "stream": True,
+            "options": {
+                "temperature": 0.5,
+                # "top_p": 0.2,
+            },
+        }
+        resp = requests.post(url, json=body, stream=True, timeout=900)
+        if resp.status_code != 200:
+            raise RuntimeError(f"Ошибка генерации ответа: {resp.status_code} {resp.text}")
+
+        answer = ""
+        for chunk in resp.iter_lines():
+            if chunk:
+                try:
+                    decoded_chunk = chunk.decode('utf-8')
+                    data = json.loads(decoded_chunk)
+                    if "response" in data:
+                        yield data["response"]
+                        answer += data["response"]
+                    if "done" in data and data["done"] is True:
+                        self.response = data
+                        break
+                    elif "error" in data:
+                        answer += f" | Ошибка стриминга ответа: {data['error']}"
+                        break
+                except json.JSONDecodeError as e:
+                    answer += f" | Ошибка конвертации чанка: {chunk.decode('utf-8')} - {e}"
+                except Exception as e:
+                    answer += f" | Ошибка обработки чанка: {e}"
+
+    def get_prompt_eval_count(self):
+        if not self.response["prompt_eval_count"]:
+            return 0
+        return self.response["prompt_eval_count"]
+
+    def get_prompt_eval_duration(self):
+        if not self.response["prompt_eval_duration"]:
+            return 0
+        return self.response["prompt_eval_duration"] / (10 ** 9)
+
+    def get_eval_count(self):
+        if not self.response["eval_count"]:
+            return 0
+        return self.response["eval_count"]
+
+    def get_eval_duration(self):
+        if not self.response["eval_duration"]:
+            return 0
+        return self.response["eval_duration"] / (10 ** 9)
+
+    def get_total_duration(self):
+        if not self.response["total_duration"]:
+            return 0
+        return self.response["total_duration"] / (10 ** 9)
+
+    def get_tps(self):
+        eval_count = self.get_eval_count()
+        eval_duration = self.get_eval_duration()
+        if eval_count == 0 or eval_duration == 0:
+            return 0
+        return eval_count / eval_duration
+
+class App:
+    def __init__(
+        self,
+        args: list = []
+    ):
+        if not args.query and not args.interactive:
+            print("Ошибка: укажите запрос (--query) и/или используйте интерактивный режим (--interactive)")
+            sys.exit(1)
+
+        self.args = args
+        self.print_v(text=f"Включить интерактивный режим диалога: {args.interactive}")
+        self.print_v(text=f"Включить потоковый вывод: {args.stream}")
+        if self.is_custom_sys_prompt():
+            self.print_v(text=f"Системный промпт: {args.sys_prompt}")
+        else:
+            self.print_v(text=f"Системный промпт: по умолчанию")
+        self.print_v(text=f"Показать сист. промпт перед запросом: {args.show_prompt}")
+        self.print_v(text=f"Выводить служебные сообщения: {args.verbose}")
+        self.print_v(text=f"Выводить статистику об ответе: {args.show_stats}")
+        self.print_v(text=f"Адрес хоста Qdrant: {args.qdrant_host}")
+        self.print_v(text=f"Номер порта Qdrant: {args.qdrant_port}")
+        self.print_v(text=f"Название коллекции для поиска документов: {args.qdrant_collection}")
+        self.print_v(text=f"Ollama API URL: {args.ollama_url}")
+        self.print_v(text=f"Модель генерации Ollama: {args.chat_model}")
+        self.print_v(text=f"Модель эмбеддинга: {args.emb_model}")
+        self.print_v(text=f"Количество документов для поиска: {args.topk}")
+        self.print_v(text=f"Включить ранжирование: {args.use_rank}")
+        self.print_v(text=f"Модель ранжирования: {args.rank_model}")
+        self.print_v(text=f"Количество документов после ранжирования: {args.topn}")
+        self.init_rag()
+
+    def print_v(self, text: str = "\n"):
+        if self.args.verbose:
+            print(f"{text}")
+
+    def init_rag(self):
+        self.print_v(text="\nИнициализация моделей...")
+        self.rag = RagSystem(
+            ollama_url = self.args.ollama_url,
+            qdrant_host = self.args.qdrant_host,
+            qdrant_port = self.args.qdrant_port,
+            embed_model = self.args.emb_model,
+            rank_model = self.args.rank_model,
+            use_rank = self.args.use_rank,
+            chat_model = self.args.chat_model
+        )
+        self.print_v(text=f"Модели загружены. Если ответ плохой, переформулируйте запрос, укажите --chat-model или улучшите исходные данные RAG")
+
+    def init_query(self):
+        self.query = None
+        if args.interactive:
+            self.print_v(text="\nИНТЕРАКТИВНЫЙ РЕЖИМ")
+            self.print_v(text="Можете вводить запрос (или 'exit' для выхода)\n")
+
+        if self.args.query:
+            self.query = self.args.query.strip()
+            print(f">>> {self.query}")
+        elif args.interactive:
+            self.query = input(">>> ").strip()
+
+    def process_help(self):
+        print("<<< Команды итерактивного режима:")
+        print("save  -- сохранить диалог в файл")
+        print("exit  -- выход\n")
+        self.query = None
+        self.args.query = None
+
+    def process_save(self):
+        import datetime
+        timestamp = int(time.time())
+        dt = datetime.datetime.fromtimestamp(timestamp).strftime('%Y-%m-%dT%H:%M:%SZ')
+        filename = f"chats/chat-{timestamp}-{self.args.chat_model}.md"
+
+        markdown_content = f"# История диалога от {dt}\n\n"
+        markdown_content += f"## Параметры диалога\n"
+        markdown_content += f"```\nargs = {self.args}\n```\n"
+        markdown_content += f"```\nemb_model = {self.rag.emb_model}\n```\n"
+        markdown_content += f"```\nrank_model = {self.rag.rank_model}\n```\n"
+
+        for entry in self.rag.conversation_history:
+            if entry['role'] == 'user':
+                markdown_content += f"## Пользователь\n\n"
+            elif entry['role'] == 'assistant':
+                markdown_content += f"## Модель\n\n"
+                docs = self.rag.prepare_ctx_sources(entry['docs']).replace("```", "")
+                markdown_content += f"```\n{docs}\n```\n\n"
+            markdown_content += f"{entry['content']}\n\n"
+
+        os.makedirs('chats', exist_ok=True)
+        with open(filename, 'w') as fp:
+            fp.write(markdown_content)
+
+        print(f"<<< Диалог сохранён в файл: {filename}\n")
+        self.query = None
+
+    def find_docs(self, query: str, top_k: int, collection_name: str):
+        self.print_v(text="\nПоиск документов...")
+        context_docs = self.rag.search_qdrant(query, top_k, collection_name)
+        self.print_v(text=f"Найдено {len(context_docs)} документов")
+        return context_docs
+
+    def rank_docs(self, docs: list = [], top_n = DEFAULT_TOP_N, min_score: int = DEFAULT_MIN_RANK_SCORE):
+        self.print_v(text="\nРанжирование документов...")
+        ranked_docs = self.rag.rank_documents(self.query, docs, top_n, min_score)
+        self.print_v(text=f"После ранжирования осталось {len(ranked_docs)} документов")
+        return ranked_docs
+
+    def prepare_ctx_sources(self, docs: list):
+        sources = ""
+        for idx, doc in enumerate(docs, start=1):
+            text = doc['payload'].get("text", "").strip()
+            sources = f"{sources}\n<source id=\"{idx}\">\n{text}\n</source>\n"
+        return sources
+
+    def prepare_cli_sources(self, docs: list):
+        sources = "\nИсточники:\n"
+        for idx, doc in enumerate(docs, start=1):
+            title = doc['payload'].get("filename", None)
+            url = doc['payload'].get("url", None)
+            date = doc['payload'].get("date", None)
+            version = doc['payload'].get("version", None)
+            author = doc['payload'].get("author", None)
+
+            if url is None:
+                url = "(нет веб-ссылки)"
+            if date is None:
+                date = "(неизвестно)"
+            if version is None:
+                version = "0"
+            if author is None:
+                author = "(неизвестен)"
+
+            sources += f"{idx}. {title}\n"
+            sources += f"   {url}\n"
+            sources += f"   Версия {version} от {author}, актуальная на {date}\n"
+            if doc['rank_score']:
+                sources += f"   score = {doc['score']} | rank_score = {doc['rank_score']}\n"
+            else:
+                sources += f"   score = {doc['score']}\n"
+        return sources
+
+    def prepare_sys_prompt(self, query: str, docs: list):
+        if self.is_custom_sys_prompt():
+            with open(self.args.sys_prompt, 'r') as fp:
+                prompt = fp.read()
+        else:
+            prompt = """You are a helpful assistant that can answer questions based on the provided context.
+Your user is the person asking the source-related question.
+Your job is to answer the question based on the context alone.
+If the context doesn't provide much information, answer "I don't know."
+Adhere to this in all languages.
+
+Context:
+
+-----------------------------------------
+{{sources}}
+-----------------------------------------
+"""
+
+        sources = self.prepare_ctx_sources(docs)
+        return prompt.replace("{{sources}}", sources).replace("{{query}}", query)
+
+    def show_prompt(self, sys_prompt: str):
+        print("\n================ Системный промпт ==================")
+        print(f"{sys_prompt}\n============ Конец системного промпта ==============\n")
+
+    def process_query(self, sys_prompt: str, user_prompt: str, streaming: bool = DEFAULT_STREAM):
+        answer = ""
+        # try:
+        if streaming:
+            self.print_v(text="\nГенерация потокового ответа (^C для остановки)...\n")
+            print(f"<<< ", end='', flush=True)
+            for token in self.rag.generate_answer_stream(sys_prompt, user_prompt):
+                answer += token
+                print(token, end='', flush=True)
+        else:
+            self.print_v(text="\nГенерация ответа (^C для остановки)...\n")
+            answer = self.rag.generate_answer(sys_prompt, user_prompt)
+            print(f"<<< {answer}\n")
+        # except RuntimeError as e:
+            # answer = str(e)
+
+        print(f"\n===================================================")
+        return answer
+
+    def is_custom_sys_prompt(self):
+        return self.args.sys_prompt and os.path.exists(self.args.sys_prompt)
+
+    def print_stats(self):
+        print(f"* Time: {self.rag.get_total_duration()}s")
+        print(f"* TPS: {self.rag.get_tps()}")
+        print(f"* PEC: {self.rag.get_prompt_eval_count()}")
+        print(f"* PED: {self.rag.get_prompt_eval_duration()}s")
+        print(f"* EC: {self.rag.get_eval_count()}")
+        print(f"* ED: {self.rag.get_eval_duration()}s\n")
+        self.query = None
+        self.args.query = None
+
+    def process(self):
+        while True:
+            try:
+                self.init_query()
+
+                if not self.query or self.query == "":
+                    continue
+
+                if self.query.lower() == "help":
+                    self.process_help()
+                    continue
+
+                if self.query.strip().lower() == "save":
+                    self.process_save()
+                    continue
+
+                if self.query.strip().lower() == "stats":
+                    print("\n<<< Статистика:")
+                    self.print_stats()
+                    continue
+
+                if self.query.strip().lower() == "exit":
+                    self.print_v(text="\n*** Завершение работы")
+                    sys.exit(0)
+
+                context_docs = self.find_docs(self.query, self.args.topk, self.args.qdrant_collection)
+                if not context_docs:
+                    if args.interactive:
+                        print("<<< Релевантные документы не найдены")
+                        self.query = None
+                        self.args.query = None
+                        continue
+                    else:
+                        break
+
+                ranked_docs = self.rank_docs(context_docs, self.args.topn, self.args.min_rank_score)
+                if not ranked_docs:
+                    if args.interactive:
+                        print("<<< Документы были отсеяны полностью")
+                        #TODO сделать ещё 2 попытки перезапроса+реранка других документов без учёта нерелевантных context_docs
+                        self.query = None
+                        self.args.query = None
+                        continue
+                    else:
+                        break
+
+                # ctx = self.prepare_ctx_sources(ranked_docs)
+                sys_prompt = self.prepare_sys_prompt(self.query, ranked_docs)
+                if self.args.show_prompt:
+                    self.show_prompt(sys_prompt)
+
+                # self.rag.conversation_history.append({
+                #     "role": "system",
+                #     "content": sys_prompt,
+                # })
+
+                self.rag.conversation_history.append({
+                    "role": "system",
+                    "content": sys_prompt,
+                })
+
+                self.rag.conversation_history.append({
+                    "role": "user",
+                    "content": self.query,
+                })
+
+                try:
+                    answer = self.process_query(sys_prompt, self.query, self.args.stream)
+                except KeyboardInterrupt:
+                    print("\n*** Генерация ответа прервана")
+                    self.query = None
+                    self.args.query = None
+                    print(self.prepare_cli_sources(ranked_docs))
+                    if self.args.show_stats:
+                        print("\nСтатистика:")
+                        self.print_stats()
+                    continue
+
+                print(self.prepare_cli_sources(ranked_docs))
+
+                if self.args.show_stats:
+                    print("\nСтатистика:")
+                    self.print_stats()
+
+                self.rag.conversation_history.append({
+                    "role": "assistant",
+                    "docs": ranked_docs,
+                    "content": answer,
+                })
+
+                if args.interactive:
+                    self.query = None
+                    self.args.query = None
+                else:
+                    break
+
+            except KeyboardInterrupt:
+                print("\n*** Завершение работы")
+                break
+
+            except Exception as e:
+                print(f"Ошибка: {e}")
+                break
+
+if __name__ == "__main__":
+    import argparse
+
+    parser = argparse.ArgumentParser(description="RAG-система с использованием Ollama и Qdrant")
+    parser.add_argument("--query", type=str, help="Запрос к RAG")
+    parser.add_argument("--interactive", default=DEFAULT_INTERACTIVE, action=argparse.BooleanOptionalAction, help="Включить интерактивный режим диалога")
+    parser.add_argument("--stream", default=DEFAULT_STREAM, action=argparse.BooleanOptionalAction, help="Включить потоковый вывод")
+    parser.add_argument("--sys-prompt", type=str, help="Путь к файлу шаблона системного промпта")
+    parser.add_argument("--show-prompt", default=DEFAULT_SHOW_PROMPT, action=argparse.BooleanOptionalAction, help="Показать сист. промпт перед запросом")
+    parser.add_argument("--verbose", default=DEFAULT_VERBOSE, action=argparse.BooleanOptionalAction, help="Выводить служебные сообщения")
+    parser.add_argument("--show-stats", default=DEFAULT_SHOW_STATS, action=argparse.BooleanOptionalAction, help="Выводить статистику об ответе (не работает с --stream)")
+    parser.add_argument("--qdrant-host", default=DEFAULT_QDRANT_HOST, help="Адрес хоста Qdrant")
+    parser.add_argument("--qdrant-port", type=int, default=DEFAULT_QDRANT_PORT, help="Номер порта Qdrant")
+    parser.add_argument("--qdrant-collection", type=str, default=DEFAULT_QDRANT_COLLECTION, help="Название коллекции для поиска документов")
+    parser.add_argument("--ollama-url", default=DEFAULT_OLLAMA_URL, help="Ollama API URL")
+    parser.add_argument("--chat-model", default=DEFAULT_CHAT_MODEL, help="Модель генерации Ollama")
+    parser.add_argument("--emb-model", default=DEFAULT_EMBED_MODEL, help="Модель эмбеддинга")
+    parser.add_argument("--topk", type=int, default=DEFAULT_TOP_K, help="Количество документов для поиска")
+    parser.add_argument("--use-rank", default=DEFAULT_USE_RANK, action=argparse.BooleanOptionalAction, help="Включить ранжирование")
+    parser.add_argument("--rank-model", type=str, default=DEFAULT_RANK_MODEL, help="Модель ранжирования")
+    parser.add_argument("--min-rank-score", type=int, default=DEFAULT_MIN_RANK_SCORE, help="Минимальный ранк документа")
+    parser.add_argument("--topn", type=int, default=DEFAULT_TOP_N, help="Количество документов после ранжирования")
+    args = parser.parse_args()
+
+    app = App(args)
+    app.process()

rag/mindmap.puml

@@ -0,0 +1,132 @@
+@startmindmap RAG
+title Mindmap по построению RAG
+header
+https://git.axenov.dev/anthony/ollama
+endheader
+
+* RAG
+
+** Подготовка сырых данных
+*** Количество
+****_ Больше => сложнее
+*** Формат
+**** HTML
+*****_ Очистка
+**** Markdown
+**** JSON
+**** PDF
+***** OCR
+****** Проблема плохого текста\n(сканы, картинки, фото)
+****** Проблема разметки текста\n(колонки, обтекание картинок)
+**** Проблема наличия таблиц
+*****_ Оставить
+*****_ Удалить
+*****_ Конвертировать
+******_ Markdown
+*******_ Таблица
+*******_ Список
+******_ CSV
+*** Качество
+**** Очистка
+*****_ Картинки
+*****_ Бессмысленный текст
+*****_ Разметка HTML, XML, ...
+**** Метаданные
+*****_ Название
+*****_ Ссылка
+*****_ Дата
+*****_ Автор
+*****_ ...
+**** Семантика и смысл текстов
+***** Разделение на осмысленные наборы
+
+** Встраивание данных
+*** Векторизация
+**** Подбор модели эмбеддинга *
+***** Проблема русского языка
+**** Подбор способа разделения
+***** Fixed-length chunking\n(строго по символам)
+******_ самый простой и быстрый
+******_ хорош для длинных текстов
+******_ рвёт тексты с потерей связи
+***** Semantic chunking\n(по смысловым блокам)
+******_ посложнее
+******_ сохраняет логику, даёт больше смысла
+******_ лучше поиск
+******_ чанки могут быть разных размеров
+***** Structural chunking\n(по структуре текстов)
+******_ самый сложный и медленный
+******_ сохраняет контекст
+******_ хорош для сложных и технических текстов
+******_ требует структурированные входные данные
+**** Подбор размера чанка
+*****_ уменьшение
+******_ меньше смысла
+******_ больше нерелевантных результатов и галлюцинаций
+******_ быстрее поиск
+******_ хуже ответ
+*****_ увеличение
+******_ больше смысла
+******_ больше размер контекста
+******_ медленнее поиск
+******_ хуже ответ
+**** Подбор перекрытия чанков
+*****_ уменьшение
+******_ хуже смысловая связь документов
+******_ более уникальные чанки
+*****_ увеличение
+******_ лучше смысловая связь документов
+******_ сильнее дублирование частей чанков
+*** Индексация
+**** Метод хранения чанков
+*****_ chromadb (примитивно на базе sqlite, но медленно)
+*****_ qdrant (быстро, но немного усложняет деплой)
+*****_ postgres + pgvector (сложнее)
+*****_ ...
+
+** Классификация\n(Classification)
+*** Подбор модели классификации
+**** Проблема русского языка
+
+** Поиск и встраивание\n(Embedding)
+***: Подбор модели эмбеддинга *
+<i>та же, что на этапе векторизации</i>;
+***: Подбор top_k
+<i>количество чанков для поиска</i>;
+
+** Ранжирование\n(Re-ranking)
+*** Подбор модели реранкинга
+' **** Проблема русского языка
+***: Подбор top_n
+<i>количество лучших чанков после реранка</i>;
+
+** Генерация ответа
+*** Подбор модели генерации
+**** Проблема размера модели\n(млрд параметров)
+*****_ меньше
+******_ требует меньше ресурсов (RAM, CPU, GPU)
+******_ выше скорость ответа (TPS)
+******_ ниже качество (мешанина токенов, путает язык, игнорирует инструкции)
+*****_ больше
+******_ требует больше ресурсов (RAM, CPU, GPU)
+******_ ниже скорость ответа (TPS)
+******_ выше качество, но может быть избыточно, в зависимости от домена
+*** Подбор системного промпта
+**** Проблема русского языка
+*****_ модель может его не понимать/генерировать
+*****_ язык сложнее, занимает больше токенов в контексте
+**** Проблема размера контекста
+*****: Проблема Lost-in-the-middle
+----
+Исследование:
+* коротко https://huggingface.co/papers/2307.03172
+* целиком https://arxiv.org/abs/2307.03172
+;
+******_ ...
+*****_ Сдвиг контекстного окна
+*****_ Сжатие контекста
+*** Подбор настроек генерации
+****_ temperature
+****_ top_p?
+****_ ...
+@endmindmap

rag/rag.py

@@ -1,16 +1,13 @@
 import os
-import requests
-import json
 import time
 import sys
 from qdrant_client import QdrantClient
 from sentence_transformers import SentenceTransformer, CrossEncoder
+import ollama
 
-DEFAULT_CHAT_MODEL = "phi4-mini:3.8b"
+DEFAULT_CHAT_MODEL = "openchat:7b"
 DEFAULT_EMBED_MODEL = "sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2"
-DEFAULT_RANK_MODEL = "cross-encoder/mmarco-mMiniLMv2-L12-H384-v1"
-# DEFAULT_RANK_MODEL = "cross-encoder/ms-marco-MiniLM-L-6-v2"
-# DEFAULT_RANK_MODEL = "cross-encoder/ms-marco-TinyBERT-L-2-v2"
+DEFAULT_RANK_MODEL = "cross-encoder/ms-marco-MiniLM-L-6-v2"
 DEFAULT_MD_FOLDER = "data"
 DEFAULT_OLLAMA_URL = "http://localhost:11434"
 DEFAULT_QDRANT_HOST = "localhost"
@@ -24,6 +21,7 @@ DEFAULT_SHOW_STATS = False
 DEFAULT_STREAM = False
 DEFAULT_INTERACTIVE = False
 DEFAULT_SHOW_PROMPT = False
+DEFAULT_MIN_RANK_SCORE = 0
 
 class RagSystem:
     def __init__(self,
@@ -39,18 +37,26 @@ class RagSystem:
         self.qdrant_port = qdrant_port
         self.chat_model = chat_model
         self.emb_model = SentenceTransformer(embed_model)
-        self.qdrant = QdrantClient(host=args.qdrant_host, port=args.qdrant_port)
+        self.qdrant = QdrantClient(host=qdrant_host, port=qdrant_port)
         self.use_rank = use_rank
         if self.use_rank:
             self.rank_model = CrossEncoder(rank_model)
         self.conversation_history = []
+        self.ollama = ollama.Client(base_url=ollama_url)
 
-        self.load_chat_model()
+    def check_chat_model(self):
+        models = self.ollama.list()
+        return any(model.name == self.chat_model for model in models)
+
+    def install_chat_model(self, model: str = DEFAULT_CHAT_MODEL):
+        try:
+            result = self.ollama.pull(model)
+            print(f"Модель {model} установлена успешно")
+        except Exception as e:
+            print(f"Ошибка установки модели: {str(e)}")
 
     def load_chat_model(self):
-        url = f"{self.ollama_url}/api/generate"
-        body = {"model": self.chat_model}
-        requests.post(url, json=body, timeout=600)
+        self.ollama.generate(model=self.chat_model, keep_alive=True)
 
     def search_qdrant(self, query: str, doc_count: int = DEFAULT_TOP_K, collection_name = DEFAULT_QDRANT_COLLECTION):
         query_vec = self.emb_model.encode(query, show_progress_bar=False).tolist()
@@ -68,100 +74,89 @@ class RagSystem:
             })
         return docs
 
-    def rank_documents(self, query: str, documents: list, top_n: int = DEFAULT_TOP_N):
+    def rank_documents(self, query: str, documents: list, top_n: int = DEFAULT_TOP_N, min_score: int = DEFAULT_MIN_RANK_SCORE):
         if not self.use_rank:
             return documents
 
         pairs = [[query, doc["payload"]["text"]] for doc in documents]
         scores = self.rank_model.predict(pairs)
 
+        ranked_docs = []
         for i, doc in enumerate(documents):
-            doc["rank_score"] = float(scores[i])
+            score = float(scores[i])
+            doc["rank_score"] = score
+            if score >= min_score:
+                ranked_docs.append(doc)
 
-        documents.sort(key=lambda x: x['rank_score'], reverse=True)
-        return documents[:top_n]
+        ranked_docs.sort(key=lambda x: x['rank_score'], reverse=True)
+        return ranked_docs[:top_n]
 
     def generate_answer(self, sys_prompt: str, user_prompt: str):
-        url = f"{self.ollama_url}/api/generate"
-        body = {
-            "model": self.chat_model,
-            "system": sys_prompt,
-            "prompt": user_prompt,
-            #"context": self.conversation_history,
-            "stream": False,
-            "options": {
-                "temperature": 0.5,
-                # "top_p": 0.2,
-            },
-        }
-
-        response = requests.post(url, json=body, timeout=900)
-        if response.status_code != 200:
-            return f"Ошибка генерации ответа: {response.status_code} {response.text}"
-        self.response = response.json()
-        return self.response["response"]
+        try:
+            with self.ollama.generate(
+                model=self.chat_model,
+                prompt=sys_prompt + "\n" + user_prompt,
+               options={
+                   "temperature": 0.5,
+               },
+               stream=False,
+           ) as generator:
+                response = next(generator)
+                if response.error:
+                    raise RuntimeError(f"Ошибка генерации: {response.error}")
+                self.last_response = response
+                return response.output
+        except Exception as e:
+            print(f"Ошибка генерации ответа: {str(e)}")
+            return str(e)
 
     def generate_answer_stream(self, sys_prompt: str, user_prompt: str):
-        url = f"{self.ollama_url}/api/generate"
-        body = {
-            "model": self.chat_model,
-            "system": sys_prompt,
-            "prompt": user_prompt,
-            #"context": self.conversation_history,
-            "stream": True,
-            "options": {
-                "temperature": 0.1,
-                "top_p": 0.2,
-            },
-        }
-        resp = requests.post(url, json=body, stream=True, timeout=900)
-        if resp.status_code != 200:
-            raise RuntimeError(f"Ошибка генерации ответа: {resp.status_code} {resp.text}")
-
-        answer = ""
-        for chunk in resp.iter_lines():
-            if chunk:
-                try:
-                    decoded_chunk = chunk.decode('utf-8')
-                    data = json.loads(decoded_chunk)
-                    if "response" in data:
-                        yield data["response"]
-                        answer += data["response"]
-                    if "done" in data and data["done"] is True:
-                        self.response = data
-                        break
-                    elif "error" in data:
-                        answer += f" | Ошибка стриминга ответа: {data['error']}"
-                        break
-                except json.JSONDecodeError as e:
-                    answer += f" | Ошибка конвертации чанка: {chunk.decode('utf-8')} - {e}"
-                except Exception as e:
-                    answer += f" | Ошибка обработки чанка: {e}"
+        try:
+            generator = self.ollama.generate(
+                model=self.chat_model,
+                prompt=sys_prompt + "\n" + user_prompt,
+               options={
+                   "temperature": 0.5,
+               },
+               stream=True,
+           )
+            answer = ""
+            for response in generator:
+                if response.data:
+                    yield response.data
+                    answer += response.data
+                if response.done:
+                    self.last_response = response
+                    break
+            return answer
+        except Exception as e:
+            print(f"Ошибка стриминга: {str(e)}")
+            return str(e)
 
     def get_prompt_eval_count(self):
-        if not self.response["prompt_eval_count"]:
+        if not hasattr(self, "last_response"):
             return 0
-        return self.response["prompt_eval_count"]
+        return self.last_response.prompt_eval_count or 0
 
     def get_prompt_eval_duration(self):
-        if not self.response["prompt_eval_duration"]:
+        if not hasattr(self, "last_response"):
             return 0
-        return self.response["prompt_eval_duration"] / (10 ** 9)
+        return self.last_response.prompt_eval_duration / (10 ** 9)
 
     def get_eval_count(self):
-        if not self.response["eval_count"]:
+        if not hasattr(self, "last_response"):
             return 0
-        return self.response["eval_count"]
+        return self.last_response.eval_count or 0
 
     def get_eval_duration(self):
-        if not self.response["eval_duration"]:
+        if not hasattr(self, "last_response"):
             return 0
-        return self.response["eval_duration"] / (10 ** 9)
+        return self.last_response.eval_duration / (10 ** 9)
 
     def get_total_duration(self):
-        if not self.response["total_duration"]:
+        if not hasattr(self, "last_response"):
             return 0
-        return self.response["total_duration"] / (10 ** 9)
+        return self.last_response.total_duration / (10 ** 9)
 
     def get_tps(self):
         eval_count = self.get_eval_count()
@@ -216,6 +211,10 @@ class App:
             use_rank = self.args.use_rank,
             chat_model = self.args.chat_model
         )
+        if not self.rag.check_chat_model():
+            print(f"Установка модели {self.args.chat_model} ...")
+            self.rag.install_chat_model(self.args.chat_model)
+        self.rag.load_chat_model()
         self.print_v(text=f"Модели загружены. Если ответ плохой, переформулируйте запрос, укажите --chat-model или улучшите исходные данные RAG")
 
     def init_query(self):
@@ -231,8 +230,9 @@ class App:
             self.query = input(">>> ").strip()
 
     def process_help(self):
-        print("<<< Команды итерактивного режима:")
+        print("<<< Команды интерактивного режима:")
         print("save  -- сохранить диалог в файл")
+        print("stats -- статистика последнего ответа")
         print("exit  -- выход\n")
         self.query = None
         self.args.query = None
@@ -271,9 +271,9 @@ class App:
         self.print_v(text=f"Найдено {len(context_docs)} документов")
         return context_docs
 
-    def rank_docs(self, docs: list = [], top_n = DEFAULT_TOP_N):
+    def rank_docs(self, docs: list = [], top_n = DEFAULT_TOP_N, min_score: int = DEFAULT_MIN_RANK_SCORE):
         self.print_v(text="\nРанжирование документов...")
-        ranked_docs = self.rag.rank_documents(self.query, docs, top_n)
+        ranked_docs = self.rag.rank_documents(self.query, docs, top_n, min_score)
         self.print_v(text=f"После ранжирования осталось {len(ranked_docs)} документов")
         return ranked_docs
 
@@ -338,19 +338,23 @@ Context:
 
     def process_query(self, sys_prompt: str, user_prompt: str, streaming: bool = DEFAULT_STREAM):
         answer = ""
-        # try:
         if streaming:
             self.print_v(text="\nГенерация потокового ответа (^C для остановки)...\n")
             print(f"<<< ", end='', flush=True)
-            for token in self.rag.generate_answer_stream(sys_prompt, user_prompt):
-                answer += token
-                print(token, end='', flush=True)
+            try:
+                for token in self.rag.generate_answer_stream(sys_prompt, user_prompt):
+                    answer += token
+                    print(token, end='', flush=True)
+            except KeyboardInterrupt:
+                print("\n*** Генерация ответа прервана")
+                return answer
         else:
             self.print_v(text="\nГенерация ответа (^C для остановки)...\n")
-            answer = self.rag.generate_answer(sys_prompt, user_prompt)
-            print(f"<<< {answer}\n")
-        # except RuntimeError as e:
-            # answer = str(e)
+            try:
+                answer = self.rag.generate_answer(sys_prompt, user_prompt)
+            except KeyboardInterrupt:
+                print("\n*** Генерация ответа прервана")
+                return ""
 
         print(f"\n===================================================")
         return answer
@@ -403,10 +407,11 @@ Context:
                     else:
                         break
 
-                ranked_docs = self.rank_docs(context_docs, self.args.topn)
+                ranked_docs = self.rank_docs(context_docs, self.args.topn, self.args.min_rank_score)
                 if not ranked_docs:
                     if args.interactive:
-                        print("<<< Релевантные документы были отсеяны полностью")
+                        print("<<< Документы были отсеяны полностью")
+                        #TODO сделать ещё 2 попытки перезапроса+реранка других документов без учёта нерелевантных context_docs
                         self.query = None
                         self.args.query = None
                         continue
@@ -456,10 +461,6 @@ Context:
                 print("\n*** Завершение работы")
                 break
 
-            except Exception as e:
-                print(f"Ошибка: {e}")
-                break
-
 if __name__ == "__main__":
     import argparse
 
@@ -480,6 +481,7 @@ if __name__ == "__main__":
     parser.add_argument("--topk", type=int, default=DEFAULT_TOP_K, help="Количество документов для поиска")
     parser.add_argument("--use-rank", default=DEFAULT_USE_RANK, action=argparse.BooleanOptionalAction, help="Включить ранжирование")
     parser.add_argument("--rank-model", type=str, default=DEFAULT_RANK_MODEL, help="Модель ранжирования")
+    parser.add_argument("--min-rank-score", type=int, default=DEFAULT_MIN_RANK_SCORE, help="Минимальный ранк документа")
     parser.add_argument("--topn", type=int, default=DEFAULT_TOP_N, help="Количество документов после ранжирования")
     args = parser.parse_args()