Delete comments

Author: Alexander Cherednikov

src/Command/ProductsSearchCommand.php

@@ -75,11 +75,9 @@ private function searchProducts(string $query): array
     {
         $embedding = ($this->embedder)($query, pooling: 'mean', normalize: true);
 
-        // Handle different embedding result types
         if (is_array($embedding)) {
             $vector = $embedding[0];
         } else {
-            // For Tensor objects, convert to array and take first element
             $vector = $embedding instanceof \Codewithkyrian\Transformers\Tensor\Tensor ? $embedding[0] : [];
         }
 

src/Command/ProductsVectorizeCommand.php

@@ -150,11 +150,9 @@ private function processBatch(array $batch): void
                 'description' => $product['description'],
             ];
 
-            // Handle different embedding result types
             if (is_array($embedding)) {
                 $vector = $embedding[0];
             } else {
-                // For Tensor objects, convert to array and take first element
                 $vector = $embedding instanceof \Codewithkyrian\Transformers\Tensor\Tensor ? $embedding[0] : [];
             }
 

src/Command/RAGDemoCommand.php

@@ -28,21 +28,8 @@ public function __construct(
     protected function configure(): void
     {
         $this
-            ->setDescription('Демонстрация улучшенной RAG архитектуры с четким разделением этапов')
             ->addOption('query', null, InputOption::VALUE_REQUIRED, 'Поисковый запрос для демонстрации')
-            ->addOption('interactive', 'i', InputOption::VALUE_NONE, 'Интерактивный режим чата')
-            ->setHelp(<<<HELP
-Эта команда демонстрирует улучшенную RAG (Retrieval-Augmented Generation) архитектуру
-с четким разделением на 3 этапа согласно рекомендации куратора:
-
-1. 🧠 Query Processing - анализ и векторизация запроса
-2. 🔍 Retrieval - поиск релевантных документов в Qdrant
-3. ✨ Generation - строго ограниченная генерация ответа только на основе найденных товаров
-
-Примеры использования:
-  php bin/console rag:demo --query "процессор AMD для игр"
-  php bin/console rag:demo --interactive
-HELP);
+            ->addOption('interactive', 'i', InputOption::VALUE_NONE, 'Интерактивный режим чата');
     }
 
     protected function execute(InputInterface $input, OutputInterface $output): int
@@ -103,7 +90,7 @@ private function runInteractiveMode(SymfonyStyle $io): int
             }
 
             try {
-                $sessionId = 'interactive_'.time(); // Уникальный ID для интерактивной сессии
+                $sessionId = 'interactive_'.time();
                 $result = $this->ragService->searchWithContext($query, $sessionId);
                 $this->displayCompactResult($result, $io);
             } catch (\Exception $e) {
@@ -161,7 +148,6 @@ private function displayCompactResult(RAGSearchResult $result, SymfonyStyle $io)
     private function showUsageExamples(SymfonyStyle $io): void
     {
         $io->section('Примеры использования');
-
         $examples = [
             'Разовый поиск' => 'php bin/console rag:demo --query "процессор AMD для игр"',
             'Интерактивный чат' => 'php bin/console rag:demo --interactive',

src/Service/ImprovedRAGService.php

@@ -20,12 +20,6 @@
 use Qdrant\Qdrant;
 use Symfony\Component\HttpClient\Psr18Client;
 
-/**
- * Правильная реализация RAG-сервиса с тремя четкими этапами:
- * 1. Query Processing - обработка и оптимизация запроса
- * 2. Retrieval - поиск релевантных документов
- * 3. Generation - генерация ответа на основе найденных документов
- */
 class ImprovedRAGService implements RAGServiceInterface
 {
     private const COLLECTION_NAME = 'products';
@@ -41,47 +35,30 @@ public function __construct(
     ) {
     }
 
-    /**
-     * Главный метод RAG pipeline.
-     */
     public function search(string $userQuery): RAGSearchResult
     {
         return $this->searchWithContext($userQuery, 'default_session');
     }
 
-    /**
-     * RAG поиск с учетом контекста сессии.
-     */
     public function searchWithContext(string $userQuery, string $sessionId): RAGSearchResult
     {
         $this->ensureInitialized();
 
-        // Получаем контекст предыдущих запросов
         $context = $this->contextService->getSearchContext($sessionId);
-
-        // Этап 1: Query Processing с контекстом
         $optimizedQuery = $this->processQuery($userQuery, $context);
-
-        // Попытаемся определить категорию для фильтрации
         $categoryFilter = $context ?: $this->contextService->inferCategoryFromQuery($userQuery);
-
-        // Этап 2: Retrieval с возможной фильтрацией
         $documents = $this->retrieveDocuments($optimizedQuery, $categoryFilter);
 
-        // Если с фильтром ничего не найдено, попробуем без фильтра
         if (empty($documents) && $categoryFilter) {
             $documents = $this->retrieveDocuments($optimizedQuery, null);
         }
 
-        // Сохраняем контекст для следующих запросов
         if (!empty($documents)) {
             $category = $this->contextService->extractCategoryFromResults($documents);
             if ($category) {
                 $this->contextService->setSearchContext($sessionId, $category, $userQuery);
             }
         }
-
-        // Этап 3: Generation
         $aiResponse = $this->generateResponse($documents, $userQuery);
 
         return new RAGSearchResult(
@@ -92,53 +69,41 @@ public function searchWithContext(string $userQuery, string $sessionId): RAGSear
         );
     }
 
-    /**
-     * ЭТАП 1: Query Processing
-     * Анализирует запрос через LLM с учетом контекста и создает оптимизированный поисковый термин.
-     */
     private function processQuery(string $userQuery, ?string $context = null): string
     {
         try {
             return $this->llamaService->analyzeSearchQuery($userQuery, $context);
         } catch (\Exception $e) {
-            // Fallback: если LLM недоступен, используем исходный запрос
             return $userQuery;
         }
     }
 
     /**
-     * ЭТАП 2: Retrieval
-     * Выполняет векторный поиск в Qdrant с возможной фильтрацией по категории.
-     *
      * @return array<int, array<string, mixed>>
      */
     private function retrieveDocuments(string $optimizedQuery, ?string $categoryFilter = null): array
     {
-        // Векторизуем оптимизированный запрос
         if (null === $this->embedder) {
             throw RAGException::serviceUnavailable('Embedder not initialized');
         }
 
         $embedding = ($this->embedder)($optimizedQuery, pooling: 'mean', normalize: true);
         $queryVector = is_array($embedding) ? $embedding[0] : ($embedding instanceof \Codewithkyrian\Transformers\Tensor\Tensor ? $embedding[0] : []);
 
-        // Создаем поисковый запрос для Qdrant
         $searchVector = new VectorStruct($queryVector, 'default');
         $searchRequest = new SearchRequest($searchVector);
         $searchRequest
             ->setLimit(self::DEFAULT_LIMIT)
             ->setWithPayload(true)
             ->setScoreThreshold(self::DEFAULT_THRESHOLD);
 
-        // Добавляем фильтр по категории, если указана
         if ($categoryFilter) {
             $filter = new Filter();
             $condition = new MatchString('category', $categoryFilter);
             $filter->addMust($condition);
             $searchRequest->setFilter($filter);
         }
 
-        // Выполняем поиск
         try {
             $response = $this->qdrantClient
                 ?->collections(self::COLLECTION_NAME)
@@ -152,9 +117,6 @@ private function retrieveDocuments(string $optimizedQuery, ?string $categoryFilt
     }
 
     /**
-     * ЭТАП 3: Generation
-     * Генерирует персонализированный ответ на основе найденных документов.
-     *
      * @param array<int, array<string, mixed>> $documents
      */
     private function generateResponse(array $documents, string $originalQuery): string
@@ -164,47 +126,37 @@ private function generateResponse(array $documents, string $originalQuery): stri
         }
 
         try {
-            // Используем constrained generation для точного ответа
             return $this->llamaService->generateConstrainedResponse($documents, $originalQuery);
         } catch (\Exception $e) {
-            // Fallback: базовый ответ без LLM
             $count = count($documents);
             $topProduct = $documents[0]['payload']['name'] ?? 'товар';
 
             return "Найдено $count товар(ов). Рекомендуем: $topProduct";
         }
     }
 
-    /**
-     * Инициализация всех необходимых сервисов.
-     */
     private function ensureInitialized(): void
     {
         if (null !== $this->qdrantClient && null !== $this->embedder) {
             return;
         }
 
-        // Настройка окружения для избежания конфликтов OpenMP
         if (!getenv('KMP_DUPLICATE_LIB_OK')) {
             putenv('KMP_DUPLICATE_LIB_OK=TRUE');
         }
 
-        // Инициализация Qdrant клиента
         if (null === $this->qdrantClient) {
             $config = new Config('http://localhost', 6333);
             $transport = new Transport(new Psr18Client(), $config);
             $this->qdrantClient = new Qdrant($transport);
         }
 
-        // Инициализация embedder модели
         if (null === $this->embedder) {
             $this->embedder = pipeline(Task::Embeddings, 'onnx-community/Qwen3-Embedding-0.6B-ONNX');
         }
     }
 
     /**
-     * Проверка готовности всех компонентов RAG системы.
-     *
      * @return array<string, mixed>
      */
     public function healthCheck(): array
@@ -217,35 +169,27 @@ public function healthCheck(): array
         ];
 
         try {
-            // Проверка LlamaService
             $health['llama_service'] = $this->llamaService->isAvailable();
         } catch (\Exception) {
             $health['llama_service'] = false;
         }
 
         try {
-            // Инициализируем если нужно
             $this->ensureInitialized();
 
-            // Проверка Qdrant
             $this->qdrantClient?->collections(self::COLLECTION_NAME)->info();
             $health['qdrant'] = true;
 
-            // Проверка embedder (если инициализирован без ошибок, то работает)
             $health['embedder'] = null !== $this->embedder;
         } catch (\Exception) {
-            // Qdrant или embedder недоступны
         }
 
-        // Общая готовность - можем работать даже без LLM, но нужны Qdrant + embedder
         $health['overall'] = $health['qdrant'] && $health['embedder'];
 
         return $health;
     }
 
     /**
-     * Получить статистику коллекции.
-     *
      * @return array<string, mixed>
      */
     public function getCollectionStats(): array