Système de base de connaissances RAG - Intégration chatbot intelligente

Questions-réponses basées sur RAG avec intégration de documents, FAQ et actualités

2025-2026 Personal Project

Ce projet implémente un système complet de base de connaissances utilisant la technologie Retrieval-Augmented Generation (RAG) pour des questions-réponses intelligentes dans le chatbot. Le système intègre documents, FAQs et articles d'actualités pour fournir des réponses basées sur le contexte en utilisant les modèles OpenAI. Il comprend une récupération hybride, un orchestrateur agentique, un magasin vectoriel dédié avec outils MCP, le format TOON pour le formatage efficace du contexte, le stockage automatique des questions sans réponse et une intégration transparente avec le système de gestion de documents.

Génération de réponses basée sur RAG

Modèles OpenAI avec réponses JSON structurées

Recherche vectorielle

Recherche de similarité de documents basée sur les embeddings

Intégration de documents

Indexation et vectorisation automatiques des documents

Intégration FAQ

Recherche FAQ basée sur mots-clés avec scoring

Intégration actualités

Recherche d'articles d'actualités comme source d'information de secours

Gestion des questions

Stockage et gestion automatiques des questions sans réponse

Orchestrateur agentique

Agent de chat multi-étapes qui planifie la récupération et l'usage d'outils

Récupération hybride

Combiner signaux mots-clés et vectoriels pour un meilleur ancrage

Magasin vectoriel et outils MCP

Index vectoriel persistant avec outils de récupération accessibles via MCP

Framework backend

Laravel 11

PHP 8.2+

MySQL

IA & ML

OpenAI GPT-4o-mini

Embeddings vectoriels

Technologie RAG

Frontend

Livewire

Alpine.js

Bootstrap

Gestion des données

Vector Store

Format TOON

JSON Schema

Requête utilisateur : L'utilisateur pose une question dans le chatbot
Recherche FAQ : Le système recherche dans les fichiers FAQ avec correspondance de mots-clés et scoring
Recherche base de connaissances : Si le score FAQ est bas, le système recherche dans les documents vectorisés
Formatage du contexte : Les résultats de recherche sont formatés en TOON (Token-Oriented Object Notation)
Génération de réponse : OpenAI GPT-4o-mini génère une réponse basée sur le contexte avec schéma JSON
Affichage des sources : Les sources de documents pertinentes sont affichées avec informations de chunk
Stockage des questions : Si aucune réponse trouvée, la question est automatiquement stockée pour révision
Secours actualités : Si aucune correspondance de document, le système recherche dans les articles d'actualités
Parcours agentique : L'orchestrateur sélectionne les outils, la récupération hybride et les recherches dans le magasin vectoriel