import sys from pathlib import Path import logging import os # Add the app directory to the path sys.path.append(str(Path(__file__).parent.parent)) from app.services.vector_store import VectorStoreManager from app.core.config import settings # Configure logging logging.basicConfig(level=logging.INFO) # Suppress noisy logs from third-party libraries logging.getLogger("chromadb.telemetry.product.posthog").setLevel(logging.CRITICAL) def main(): # Garante que o script rode na raiz do projeto para encontrar o banco correto em data/chroma_db project_root = Path(__file__).resolve().parent.parent os.chdir(project_root) print("🔍 Initializing Vector Store...") vector_store = VectorStoreManager() # 1. Verificar se o PowerBuilder está indexado term_check = "PowerBuilder" print(f"\n1️⃣ Verificando se '{term_check}' existe no banco (Busca Direta)...") results_check = vector_store.similarity_search_with_score(term_check, k=3) if results_check: print(f"✅ Encontrado! O melhor match tem score: {results_check[0][1]:.4f}") print(f" Arquivo: {results_check[0][0].metadata.get('filename')}") print(f" Conteúdo: {results_check[0][0].page_content[:150]}...") else: print(f"❌ '{term_check}' NÃO foi encontrado no banco. Verifique a ingestão.") return # 2. Busca original com K expandido query = "linguagens de programação" k_expanded = 100 print(f"\n2️⃣ Realizando busca original: '{query}' com k={k_expanded}...") results = vector_store.similarity_search_with_score(query, k=k_expanded) print(f"✅ Encontrados {len(results)} chunks. Procurando '{term_check}' nos resultados...\n") found_at_index = -1 for i, (doc, score) in enumerate(results): # Verifica se é o chunk do PowerBuilder if term_check.lower() in doc.page_content.lower(): print(f"🎯 ENCONTRADO NA POSIÇÃO {i+1}!") print(f" Score: {score:.4f}") print(f" Arquivo: {doc.metadata.get('filename')}") # Encontrar a posição do termo para mostrar o contexto content = doc.page_content idx = content.lower().find(term_check.lower()) start = max(0, idx - 50) end = min(len(content), idx + 100) preview = content[start:end].replace('\n', ' ') print(f" Trecho com o termo: ...{preview}...") found_at_index = i break # Parar ao encontrar o primeiro if found_at_index == -1: print(f"❌ '{term_check}' não apareceu nos top {k_expanded} resultados para '{query}'.") print(" Isso sugere que a conexão semântica entre a pergunta e o texto do PowerBuilder é fraca neste modelo.") elif found_at_index >= 10: print(f"\n⚠️ O chunk estava na posição {found_at_index+1}, por isso não apareceu no Top 10 original.") print(" Sugestão: Aumente o 'k' no seu RAGService ou melhore o texto do documento.") # 3. Diagnóstico de Escopos e Filtros print("\n3️⃣ Diagnóstico de Escopos e Filtros...") try: # Busca genérica para pegar amostra de metadados sample_docs = vector_store.similarity_search("a", k=50) scopes_found = set() for doc in sample_docs: scopes_found.add(doc.metadata.get('scope', 'SEM_ESCOPO')) print(f" Escopos encontrados no banco (amostra): {scopes_found}") # Teste simulando o App target_scopes = ['sistemas', 'farmaceutico'] filter_dict = {'scope': {'$in': target_scopes}} print(f" Simulando busca do App com filtro: {filter_dict}") results_filtered = vector_store.similarity_search("usuário", k=5, filter=filter_dict) if results_filtered: print(f" ✅ Busca com filtro retornou {len(results_filtered)} resultados.") else: print(f" ❌ Busca com filtro retornou 0 resultados. O problema é o filtro!") except Exception as e: print(f"❌ Erro ao diagnosticar escopos: {e}") if __name__ == "__main__": main()