Download tests/test_rag.py from aionaion/chatdoc: direct link, hf CLI and curl.
- Browser
- Download file 5.08 kB
-
https://huggingface.co/spaces/aionaion/chatdoc/resolve/main/tests/test_rag.py
- Command line
-
hf download hf://spaces/aionaion/chatdoc/tests/test_rag.py
-
curl -L -o test_rag.py https://huggingface.co/spaces/aionaion/chatdoc/resolve/main/tests/test_rag.py
5.08 kB
| #!/usr/bin/env python3 | |
| """ | |
| Script para testar perguntas específicas no RAG | |
| """ | |
| import sys | |
| from pathlib import Path | |
| # Adiciona o diretório app ao path | |
| sys.path.append(str(Path(__file__).parent / "app")) | |
| from app.services.document_processor import DocumentProcessor | |
| from app.services.vector_store import VectorStoreManager | |
| from app.services.rag_service import RAGService | |
| def test_specific_questions(): | |
| """Testa perguntas específicas sobre os documentos""" | |
| print("🧪 TESTANDO PERGUNTAS ESPECÍFICAS") | |
| print("=" * 50) | |
| # Inicializar serviços | |
| processor = DocumentProcessor() | |
| vector_store = VectorStoreManager() | |
| rag_service = RAGService() | |
| # Lista de perguntas para testar | |
| test_questions = [ | |
| # Perguntas sobre credenciais | |
| "Qual a senha de homologação do sistema X?", | |
| "Quais são as credenciais de produção?", | |
| "Qual o usuário de desenvolvimento?", | |
| # Perguntas sobre tecnologia | |
| "Sistema X é desenvolvido em Java ou Python?", | |
| "Qual banco de dados é usado?", | |
| "Quais são as tecnologias do sistema?", | |
| # Perguntas sobre configurações | |
| "Qual a URL de homologação?", | |
| "Qual o timeout configurado?", | |
| "Como funciona o backup?", | |
| # Perguntas sobre responsáveis | |
| "Quem é o responsável pelo desenvolvimento?", | |
| "Quem é o Tech Lead?", | |
| "Qual o email da equipe de infraestrutura?", | |
| # Perguntas gerais | |
| "Quais são as dependências externas?", | |
| "Como fazer deploy em produção?", | |
| "Quais são os procedimentos de rollback?", | |
| ] | |
| print(f"📝 Testando {len(test_questions)} perguntas...\n") | |
| for i, question in enumerate(test_questions, 1): | |
| print(f"{i}. ❓ {question}") | |
| print("-" * 40) | |
| try: | |
| result = rag_service.query(question) | |
| if result and result['answer']: | |
| print(f"🤖 {result['answer'][:300]}...") | |
| if result['sources']: | |
| print(f" 📚 Fontes: {len(result['sources'])} documentos") | |
| for source in result['sources'][:2]: # Mostra até 2 fontes | |
| filename = Path(source['source']).name | |
| print(f" • {filename}") | |
| print() # Linha em branco | |
| except Exception as e: | |
| print(f"❌ Erro: {e}\n") | |
| def search_specific_terms(): | |
| """Busca por termos específicos nos documentos""" | |
| print("\n🔍 BUSCA POR TERMOS ESPECÍFICOS") | |
| print("=" * 50) | |
| rag_service = RAGService() | |
| search_terms = [ | |
| "senha", | |
| "homologação", | |
| "produção", | |
| "Java", | |
| "Python", | |
| "banco de dados", | |
| "URL", | |
| "usuário", | |
| "credencial", | |
| "token", | |
| "API key", | |
| "configuração" | |
| ] | |
| for term in search_terms: | |
| print(f"\n🔎 Buscando: '{term}'") | |
| results = rag_service.search_documents(term, k=3) | |
| if results: | |
| for i, result in enumerate(results[:2], 1): # Mostra até 2 resultados | |
| print(f" {i}. {result['filename']} (score: {result['score']:.3f})") | |
| print(f" {result['content'][:150]}...") | |
| else: | |
| print(" ⚠️ Nenhum resultado encontrado") | |
| def test_system_capabilities(): | |
| """Testa as capacidades do sistema""" | |
| print("\n⚙️ TESTANDO CAPACIDADES DO SISTEMA") | |
| print("=" * 50) | |
| processor = DocumentProcessor() | |
| vector_store = VectorStoreManager() | |
| # Mostrar estatísticas | |
| stats = vector_store.get_collection_stats() | |
| print(f"📊 Documentos no banco vetorial: {stats.get('total_documents', 0)}") | |
| # Testar buscas semânticas | |
| test_queries = [ | |
| ("senha homologação", ["senha", "homologação", "credencial"]), | |
| ("tecnologia java", ["Java", "Spring", "tecnologia"]), | |
| ("configuração banco", ["banco", "database", "configuração"]) | |
| ] | |
| for query, expected_terms in test_queries: | |
| print(f"\n🧪 Testando: '{query}'") | |
| print(f" Esperando termos relacionados: {expected_terms}") | |
| results = vector_store.similarity_search(query, k=2) | |
| if results: | |
| print(f" ✅ Encontrou {len(results)} documentos") | |
| for doc in results: | |
| content_lower = doc.page_content.lower() | |
| found_terms = [term for term in expected_terms if term.lower() in content_lower] | |
| if found_terms: | |
| print(f" • Encontrou termos: {found_terms}") | |
| if __name__ == "__main__": | |
| print("🚀 INICIANDO TESTES DO SISTEMA RAG") | |
| print("=" * 60) | |
| test_specific_questions() | |
| search_specific_terms() | |
| test_system_capabilities() | |
| print("\n" + "=" * 60) | |
| print("✅ TESTES CONCLUÍDOS!") | |
| print("\n💡 Dica: Use 'python chat_rag.py_back --interactive' para chat interativo") | |