В автобусе, направляющемся в Сеул, я вновь систематизировал вопросы по набору данных/конвейеру RAG для Godot 4
Ранее я думал о структуре, где официальную документацию Godot сканируют, проекты GitHub преобразуют в форматы md, jsonl, а затем RAG‑чат‑бот определяет, относится ли проект к Godot 3 или 4
Но возник вопрос, можно ли одновременно поместить весь контекст проекта и найденные фрагменты официальной документации в ввод модели
Размышления о пределе вводного контекста при создании RAG‑чат‑бота
Один проект GitHub может включать README, структуру каталогов, множество файлов .gd, сцены, пути к ресурсам
Если к этому добавить официальную документацию, найденную через RAG, объём ввода резко возрастёт, поэтому важнее продумать, какие файлы и фрагменты документации отбирать, а не просто собирать как можно больше материалов
Сомнения относительно формы набора вопросов/ответов
Запрос вроде «Создай карту» может не решить задачу одним фрагментом кода
На практике требуется несколько этапов рассуждения: понять структуру проекта, определить используемые ассеты, проанализировать стиль существующего кода, проверить синтаксис Godot 4, решить, какие файлы менять
Поэтому возникает вопрос, достаточно ли помещать в набор инструкций только конечный код или нужно также сохранять процесс поиска и принятия решений
Возможность того, что при обработке чанков вес Python‑модели вновь усилится
Даже если попросить «Создай карту в Godot 4», модель может во время чтения проекта и документов по чанкам снова опираться на предобученные веса, ориентированные на Python
Нужно более активно вводить контекст Godot 4 в начало промпта и на этапе предобработки данных фильтровать любые фрагменты кода Godot 3 или ответы в стиле Python
Итоги дня
RAG и краулинг сами по себе не являются решением; главное — спроектировать, какой контекст будет читать модель и какие выводы она сделает
Разделить контекст проекта по файлам/роли/зависимостям, а в набор инструкций помимо окончательного ответа включать, при необходимости, ход поиска и рассуждений
Чтобы контекст Godot 4 не «размывался» в процессе вывода, нужно более жёстко прорабатывать промпты, теги, фильтры и критерии предпочтительных данных