EngineeringSTRONGWorkshop
RAG na produkcji: 6 miesięcy iteracji na 10 latach dokumentacji
Konkretny case study jak zbudować RAG na realnych danych firmowych — od naiwnego embedowania całych docs przez chunking strategies po produkcyjny system retrieval. Pokazujemy rzeczywiste problemy (stale docs vs. embeddingi, chunking trade-offs, ranking quality) i jak je rozwiązano iteracyjnie na żywym projekcie.
79STRONG
HN29 dni do wygaśnięcia30–40 min + 20 min Q&A
Angle
Live rozbieramy architekturę RAG z case study — pokazujemy evolution od MVP (embed all, query, done) przez 3-4 iteracje z konkretnymi metrykami quality/latency. Audiujemy chunking strategy, retrieval ranking, pokazujemy jak testować RAG outputs na realnych queries. Budujemy mini-replica systemu z open source stackiem.
Deliverable
RAG audit checklist (chunking, embedding model selection, retrieval scoring, eval framework) + mini-repo z 3 iteracjami RAG pipeline (naïve → improved chunking → hybrid retrieval) do lokalnego odpalenia
Wymagane
podstawy LLM i API callsPython scriptingrozumienie embeddings i similarity search
Prep / freshness
18h·90d window