RAG-SFT: faz7_rag.py (extractive QA converter + prompt hizalama)

code/kod/faz7_rag.py

@@ -196,16 +196,30 @@ def chunk_text(text, size=600, overlap=100):
     return out
 
 
+# TR tespiti: özel karakter VEYA TR soru-kelimesi (faz7_prep_rag_sft.py ile BİREBİR aynı tutulmalı).
+_TR_WORDS = {"nedir", "ne", "hangi", "neresi", "nerede", "nereye", "kim", "kimdir", "neden",
+             "niçin", "niye", "mıdır", "midir", "mudur", "müdür", "kaç", "kaçtır", "nasıl",
+             "mı", "mi", "mu", "mü", "için", "ile", "kaçıncı"}
+
+
+def _is_tr(question):
+    ql = question.lower()
+    if any(ch in ql for ch in "çğıöşü"):
+        return True
+    words = set(ql.replace("?", " ").replace("'", " ").replace(".", " ").split())
+    return bool(words & _TR_WORDS)
+
+
 def build_rag_prompt(question, hits, max_ctx_chars=2400):
     ctx = ""
     for c, _ in hits:
-        if len(ctx) + len(c) + 3 > max_ctx_chars:
+        if len(ctx) + len(c) + 2 > max_ctx_chars:
             break
-        ctx += f"- {c}\n"
+        ctx += c + "\n\n"   # düz metin (madde yok) → RAG-SFT verisi ham paragrafla eşleşsin
     # SFT formatı = Talimat/Girdi/Yanıt; `### Soru` SFT'de YOK → kaldırıldı, soru talimata gömüldü.
     # Yönerge soruyla AYNI dilde (EN soruda TR'ye kaymayı önler — France vakası).
     # "kısa/doğrudan + adım adım düşünme" → Magpie'den gelen <think> sızmasını ve uzun-jenerasyon halüsinasyonunu kırar.
-    tr = any(ch in question.lower() for ch in "çğıöşü")
+    tr = _is_tr(question)
     instr = (f"Aşağıdaki bağlamı kullanarak soruyu kısa ve doğrudan yanıtla; adım adım düşünme. "
              f"Cevap bağlamda yoksa \"bilmiyorum\" de.\nSoru: {question}"
              if tr else