2026-06-17 Memória do fluxo de desenvolvimento do Godot RAG Detector → Modelo de codificação Qwen 3.6

Imagem da Estrutura

Fluxo de desenvolvimento do Godot RAG Detector para o modelo de codificação Qwen 3.6

Fluxo Principal

## Preparação da documentação oficial do Godot
- 1ª etapa de chunking
- Pós-processamento exclusivo para Godot
- Construção de infraestrutura de busca local
- Coleta e estruturação de dados do GitHub
- Execução do classificador RAG
- Criação do conjunto de dados de treinamento
- Treinamento do modelo de codificação Qwen 3.6

Esta nota resume o fluxo MVP de criar primeiro um verificador Godot RAG e, usando esse verificador, gerar um conjunto de dados de treinamento para um modelo de codificação Godot baseado no Qwen 3.6.

Resumo das Etapas

1. Preparação da documentação oficial

Preparar godot_docs_full.zip
Utilizar a versão concluída da raspagem da documentação oficial
Ainda não é RAG, está no estado de dados originais
A entrada são arquivos .md agrupados

2. Primeira segmentação (chunking)

Executar chunk_docs.py
Segmentação baseada em headings
Grandes blocos são redivididos usando max_chars e overlap
O resultado da primeira fase é docs_chunks.jsonl

3. Pós‑processamento específico para Godot

Remover resíduos do Sphinx
Extrair símbolos
Adicionar metadados de classe/método/propriedade
Extrair regras de migração

Resultados:

docs_chunks.jsonl
api_mapping.jsonl
label_prototypes.jsonl

4. Construção de infraestrutura de busca local

Vector DB: incorporação de documentos
Índice de palavras‑chave: busca precisa
Reranker: reordenação dos resultados de busca
API Mapping DB / Label Prototype DB

Pontos importantes:

O rótulo é determinado pelo sistema.

5. Coleta e Estruturação de Dados do GitHub

.gd, .tscn, .tres, project.godot, coleta de README
construção da árvore do repositório
estruturação de arquivos de código/cena/configuração

Entregáveis:

GitHub Structured Data JSONL

6. Execução do Classificador RAG

O classificador RAG usa o sistema local e o LLM remoto em conjunto.

Responsável pelo sistema local:

Entrada de fragmentos do GitHub
Extração de símbolos
Busca por vetor + palavra‑chave
Reclassificação
Determinação de rótulo

Responsável pelo LLM remoto:

Geração de código corrigido
Geração de explicação
Geração de amostras de QA
Geração de candidatos DPO

O JSON final é montado por código Python.

7. Conjunto de dados gerado

version_classification
api_mapping
migration_fix
instruction_sft
dpo_preference
repo_explorer
patch_generation
metadata_verification

Inicial MVP concluiu que gerar de 10 mil a 40 mil amostras inicialmente é suficiente.

8. Treinamento do modelo

Treinamento de primeira fase:

Qwen 3.6 SFT

Objetivo:

Priorizar Godot 4
Saída básica do GDScript
Rejeitar API do Godot 3

Segunda fase de aprendizado:

DPO

Objetivo:

Aprimorar a preferência por respostas do Godot 4

Expansão futura:

Extensão SWE

Objetivo:

explorador de repositório
patch
trajetória

Princípios fundamentais

Primeiro criar um verificador RAG baseado na documentação oficial.
O rótulo é decidido pelo sistema, não pelo LLM.
O LLM é responsável apenas por auxiliar na geração.
O objetivo final é o modelo de codificação Qwen 3.6 Godot.