rag-from-scratch/CLAUDE.md

CLAUDE.md — RAG from Scratch

Regole invarianti

• Lingua: Rispondi sempre in italiano.
• Venv: Usa .venv/bin/python o source .venv/bin/activate. Mai pip/python di sistema.
• raw.md immutabile: La copia di lavoro è sempre clean.md.

---

Pipeline

PDF → conversione → chunking → verifica → vettorizzazione → retrieval

--stem = nome PDF senza estensione = nome collection ChromaDB.

Per i path degli script e degli output usa git ls-files o esplora la root: la struttura è in evoluzione verso un programma unico.

---

Configurazione

config.py è la fonte di verità: EMBED_MODEL, OLLAMA_MODEL, TOP_K, TEMPERATURE, SYSTEM_PROMPT.

Se cambi EMBED_MODEL: riesegui ingest con --force — embedding incoerenti non producono errori ma risposte insensate.

Se cambi MIN_CHARS / MAX_CHARS: cerca tutte le occorrenze nel repo e sincronizza.

---

Workflow consigliato

1. Converti il PDF con lo script di conversione
2. /prepare-md conversione/<stem>/clean.md
3. Chunking
4. Vettorizza con --stem <stem>
5. python rag.py --stem <stem>

---

Skills custom

• /prepare-md <path|stem> — corregge clean.md: sillabazione, artefatti, header, paragrafi spezzati, gerarchia.
• /step6-fix <stem> — verifica chunk, dry-run e applicazione fix via fix_chunks.py.