Sistema knowledgebase RAG - Integrazione chatbot intelligente

Domande e risposte basate su RAG con integrazione documenti, FAQ e notizie

2025-2026 Personal Project

Descrizione del progetto

Questo progetto implementa un sistema completo di knowledgebase che utilizza la tecnologia Retrieval-Augmented Generation (RAG) per domande e risposte intelligenti nel chatbot. Il sistema integra documenti, FAQ e articoli di notizie per fornire risposte basate sul contesto usando modelli OpenAI. Include retrieval ibrido, un orchestratore agentico, un vector store dedicato con strumenti MCP, formato TOON per formattazione efficiente del contesto, archiviazione automatica delle domande senza risposta e integrazione perfetta con il sistema di gestione documenti.

Funzionalità principali

Generazione risposte basata su RAG

Modelli OpenAI con risposte JSON strutturate

Ricerca vettoriale

Ricerca similarità documenti basata su embedding

Integrazione documenti

Indicizzazione e vettorizzazione automatica dei documenti

Integrazione FAQ

Ricerca FAQ basata su parole chiave con scoring

Integrazione notizie

Ricerca articoli di notizie come fonte informativa di fallback

Gestione domande

Archiviazione e gestione automatica delle domande senza risposta

Orchestratore agentico

Agente chat multi-step che pianifica retrieval e uso degli strumenti

Retrieval ibrido

Combina segnali keyword e vettoriali per un grounding migliore

Vector store e strumenti MCP

Indice vettoriale persistente con strumenti di retrieval accessibili via MCP

Stack tecnologico

Framework backend

Laravel 11
PHP 8.2+
MySQL

IA & ML

OpenAI GPT-4o-mini
Embedding vettoriali
Tecnologia RAG

Frontend

Livewire
Alpine.js
Bootstrap

Gestione dati

Vector Store
Formato TOON
JSON Schema

Workflow

  1. Query utente: L'utente pone una domanda nel chatbot
  2. Ricerca FAQ: Il sistema cerca nei file FAQ con matching parole chiave e scoring
  3. Ricerca knowledgebase: Se lo score FAQ è basso, il sistema cerca nei documenti vettorizzati
  4. Formattazione contesto: I risultati di ricerca sono formattati come TOON (Token-Oriented Object Notation)
  5. Generazione risposta: OpenAI GPT-4o-mini genera risposta basata sul contesto con schema JSON
  6. Visualizzazione fonti: Le fonti documenti rilevanti sono visualizzate con informazioni sui chunk
  7. Archiviazione domande: Se non viene trovata risposta, la domanda viene archiviata automaticamente per revisione
  8. Fallback notizie: Se non c'è match documenti, il sistema cerca negli articoli di notizie
  9. Percorso agentico: L'orchestratore seleziona strumenti, retrieval ibrido e lookup nel vector store