Ajout de la configuration PostgreSQL locale pour le classificateur RAG de la documentation officielle de Godot
Organisé le lancement d’un conteneur pgvector/pgvector:pg16 via Docker Compose.
Aligné les colonnes de charge utile de la base sur les champs de docs_chunks.jsonl, api_mapping.jsonl et label_prototypes.jsonl.
Définies les tables docs_chunks, api_mapping, label_prototypes, ingest_reports ainsi que les index pour la recherche par mot‑clé/exacte.
La colonne d’embedding reste vide ; l’index vectoriel réel sera créé après la définition de la dimension du modèle d’embedding, via une migration séparée.
Consigné une rétrospective du processus de conversion Markdown → JSONL et de l’injection dans la DB locale
Au lieu d’insérer directement le Markdown de la documentation officielle dans la DB, on le convertit d’abord en JSONL intermédiaire pour prévisualiser et valider.
Le résultat de la conversion est réparti entre docs_chunks, api_mapping et label_prototypes, ce qui facilite l’insertion dans PostgreSQL local.
Documenté les raisons du passage du dépôt de public à privé et les réflexions sur la mise à disposition du code
L’inquiétude quant à mon niveau actuel rendait la publication stressante, mais partager les notes peut aider d’autres personnes et accélérer ma propre progression.
J’avais prévu de déployer un endpoint LLM local sur une instance Oracle Cloud avec 24 Go de VRAM pour automatiser les revues de PR via les workflows GitHub, mais j’ai abandonné ce plan à cause de la perte du compte Oracle Cloud et de la complexité de la configuration RunPod.
Décidé de concentrer les tâches restantes sur la conversion d’environ 1 500 fichiers Markdown de la documentation officielle en JSONL et leur importation dans la DB locale
La conversion d’un seul fichier prend plus de temps que prévu, donc il n’est pas certain de pouvoir tout terminer aujourd’hui.
Au moment du dernier relevé, 39 fichiers étaient marqués done et 4 deferred, soit 43 fichiers traités en 1 h 09 min.
La vitesse moyenne est d’environ 1,6 min par fichier ; la conversion des 1 570 fichiers devrait donc prendre environ 42 heures.
Planifié les vérifications à réaliser demain et après‑demain, sachant que le temps sera probablement limité
Importer les JSONL déjà générés dans PostgreSQL local et vérifier leur interrogeabilité.