6,78M
Korpusz-chunk
Enterprise RAG · tudásrendszerek
A tudás, amit a gép is pontosan visszaad.
Egy RAG-rendszer értéke a retrieval minőségén és a kiértékelésen múlik. Saját korpuszt, embeddert, rerankert és eval-harnesst építek — nem harmadik féltől bérelt fekete dobozt.
Saját
Embedder
Saját
Reranker
Qdrant
Self-hosted
Hetzner
RAG-node
RAGAS
Kiértékelés
A stack
Négy réteg, mérhető minőséggel.
Korpusz-stack
Corpus V3
13,8K könyv, 6,78M leaf-chunk, 31 shard. Saját embedder (Qwen3-Emb) és reranker (BGE-v2-m3), self-hosted Qdrant. A retrieval minőségén nem kompromisszum.
Kliens-portál
Természetes-nyelvű tudás-portál
Egy megrendelő a saját dokumentumait kérdezheti hétköznapi nyelven, szó szerinti, attribuált idézetekkel. A piackutatási felhasználást külön is bemutatom.
Entitás-réteg
Entity resolution & gráf
huSpaCy + GLiNER kinyerés, Splink-alapú feloldás, LLMwiki entitás-hub: a tudás nemcsak szöveg, hanem kereszt-hivatkozott entitás-háló.
Minőség
Kiértékelés beépítve
RAGAS-metrikák, golden query-k, faithfulness/answeredness kapuk. A rendszer nem akkor kész, amikor válaszol — hanem amikor igazoltan pontosan válaszol.