Se añadió la configuración local de PostgreSQL para el clasificador RAG de la documentación oficial de Godot.
Se organizó la ejecución de un contenedor pgvector/pgvector:pg16 mediante Docker Compose.
La columna de payload de la base de datos se alineó con los nombres de campo de docs_chunks.jsonl, api_mapping.jsonl y label_prototypes.jsonl.
Se definieron las tablas docs_chunks, api_mapping, label_prototypes, ingest_reports y los índices para búsquedas por keyword/exact.
La columna de embedding se dejó abierta; el índice vectorial real se creará después de confirmar la dimensión del modelo de embeddings mediante una migración separada.
Se registró una retrospectiva del proceso de conversión de Markdown a JSONL y la preparación para la inserción en la base de datos local.
Se describió el flujo de convertir la documentación oficial de Markdown a un producto intermedio JSONL para previsualizar y validar antes de cargarlo en la base de datos.
Se explicó por qué se dividió el resultado en docs_chunks, api_mapping y label_prototypes, y se estructuró de forma que sea fácil de insertar en PostgreSQL local.
Se documentó la razón por la que el repositorio se volvió a poner privado después de haber sido público y se reflexionó sobre la publicación.
Aunque la inseguridad sobre el propio nivel de habilidad hacía que la publicación fuera intimidante, se consideró que compartir el registro podría servir de base para otros y acelerar mi propio crecimiento.
También se planificó desplegar un endpoint LLM local en un entorno Oracle Cloud con 24 GB de VRAM para integrarlo en la automatización de workflows/PR reviews de GitHub.
Debido a la pérdida de la cuenta de Oracle Cloud y la complejidad de la configuración de RunPod, se pospuso la automatización de revisiones de PR basadas en LLM para más adelante.
Las tareas restantes para hoy se centraron en convertir aproximadamente 1 500 archivos Markdown de la documentación oficial a JSONL y cargarlos en la base de datos local.
La conversión de un solo archivo tomó más tiempo de lo esperado, por lo que no está claro si se podrán completar los 1 500 dentro del día.
Según los registros actuales, en aproximadamente 1 hora 9 min se procesaron 39 archivos done + 4 deferred, totalizando 43 archivos.
La velocidad media es de ~1,6 min por archivo; para los 1 570 archivos totales se estima que tomará alrededor de 42 horas.
Dado que es poco probable disponer de tiempo mañana y pasado mañana, se planificó la verificación que se continuará después.
Se inyectará el JSONL ya generado en PostgreSQL local y se comprobará que sea searchable.