Memorie de Elefant, Gură de Găină: Sistemul AI care Răspunde doar din Ce L-Am Învățat Noi

💊 Test Interactiv: Cât de permisive sunt AI-urile cu sfaturile medicale

🧠 Arhitectura unui Sistem RAG Lobotomizat cu Qdrant, OpenAI și AI Engine

📌 Scop: Acest document detaliază funcționarea unui sistem de tip Retrieval-Augmented Generation (RAG) construit pentru a oferi răspunsuri strict controlate, bazate exclusiv pe o bază de date proprie, excluzând cunoștințele generale pre-antrenate ale unui model de limbaj (LLM). Această proces se numește „lobotomizare”. Sursa unică de cunoaștere pentru acest sistem este setul de 4 fișiere: un catalog de medicamente (Excel) și 3 ghiduri medicale structurate (Documente Word).

1. 🔍 Ce este Qdrant?

Qdrant (pronunțat Quadrant) este o bază de date vectorială (vector database) specializată în stocarea, gestionarea și căutarea rapidă a embedding-urilor vectoriale.

• Scopul său principal: Este folosit în aplicații de inteligență artificială, cum ar fi:

  • 🔎 Căutare semantică

  • 🧩 Sisteme RAG (Retrieval Augmented Generation)

  • 💬 Chatbots specializaate – exact ca în cazul de utilizare cu baza de date de medicamente.

2. ⚙️ Cum funcționează Qdrant (Conceptual)

Procesul poate fi împărțit în trei etape fundamentale:

🧩 Concluzie conceptuală: Qdrant nu caută potriviri exacte de text, ci asemănări semantice între significate.

3. 🏗️ Arhitectura și Modurile de Utilizare ale Qdrant

Qdrant poate fi implementat în două moduri principale:

⚠️ Important: Ambele variante folosesc același API REST sau gRPC, ceea ce înseamnă că codul aplicației va fi identic, indiferent de alegerea de implementare.

4. 📚 Structura Datelor în Qdrant

Structura de date a Qdrant este ierarhică și intuitivă:

Colecție (Collection) → "medicamente"
       |
       ├── Punct (Point) 1 -> Vector + Payload pentru "Paracetamol"
       ├── Punct (Point) 2 -> Vector + Payload pentru "Ibuprofen"
       └── Punct (Point) n -> Vector + Payload pentru alt medicament

Glosar de termeni:

5. 🧮 Tipuri de Interogări în Qdrant

Qdrant suportă mai multe tipuri de operații de interogare, dintre care cele mai relevante sunt:

• 🔍 Căutare Simplă (Search): Returnează cei mai similari vectori pentru o interogare dată.

• 🧩 Căutare cu Filtru (Filtered Search): Combină căutarea semantică cu filtre pe metadate (ex: “găsește antidepresive doar de la producătorul Roche”).

• 🔁 Recomandare (Recommend): Generează recomandări bazate pe un set de puncte de referință existente în sistem.

6. ⚡ Performanță și Avantaje Cheie

🧩 Aplicarea în Context: Sistemul Lobotomizat pentru Medicamente

🎯 Scopul Final: Crearea unui chatbot care să răspundă doar pe baza celor 4 fișiere și a celor 3 documente text, fără a recurge la cunoștințele generale ale LLM-ului.

🔧 Componentele Sistemului:

1. 🗃️ Baza de Date Vectorială (Qdrant): Stochează toate informațiile din fișierele tale, sub formă de vectori și payload-uri.

2. 🛠️ Motorul de Embedding (OpenAI): Transformă întrebările utilizatorilor și conținutul fișierelor în vectori.

3. 🧠 Motorul de Răspuns (OpenAI GPT): Generează răspunsul textual final.

4. 🔗 Orchestratorul (AI Engine – Plugin WordPress): Leagă toate componentele și aplică reguli severe.

7. 🔐 Rolul Crucial al „Instrucțiunilor Severe” (System Prompt)

Aceasta este sufletul sistemului și mecanismul de „lobotomizare”. Aceste instrucțiuni sunt configurate în interfața AI Engine și sunt trimise către OpenAI GPT la fiecare interacțiune.

📍 Unde lucrează aceste reguli?

• NU în Qdrant.

• NU în motorul de embedding.

• DA, în motorul de răspuns (OpenAI GPT), care este obligat să respecte instrucțiunile primite prin AI Engine.

📜 Exemplu de Instrucțiuni Severe pentru AI Engine:

# IDENTITATE: Ești un asistent specializat pentru baza de date de medicamente a companiei.
# SURSĂ DE CUNOAȘTERE: Singura ta sursă de informații este baza de date vectorială (Qdrant), care conține doar fișierele X, Y, Z.
# REGULI ABSOLUTE:
# 1. Răspunde EXCLUSIV pe baza fragmentelor de text (contextului) returnate de Qdrant pentru întrebarea utilizatorului.
# 2. NU folosi niciodată cunoștințele generale pre-antrenate despre medicamente, boli sau orice alt subiect.
# 3. DACĂ în fragmentele returnate de Qdrant NU se găsește nicio informație relevantă pentru întrebare, atunci răspunsul tău trebuie să fie STRICT: "Nu am informații disponibile despre acest subiect în baza noastră de date."
# 4. Răspunsurile trebuie să fie concise, clare și să se bazeze doar pe datele furnizate.

8. 🔁 Fluxul de Date și Lobotomizarea în Acțiune (Exemple Extinse)

Să urmărim câteva scenarii concrete pentru a înțelege cum funcționează lobotomizarea și recuperarea inteligentă a informațiilor.

Use Case 1: Căutare pe un medicament specific (Controlul strict al cunoștințelor)

Use Case 2: De la Simptom la Diagnostic și Tratament (Fluxul complet de cunoștințe)

Use Case 3: Căutare Semantică Avansată (Fără cuvinte-cheie exacte)

Use Case 4: Filtrare Implicită prin Conținutul Fișierelor

Use Case 5: Excluderea Oricărei Informații Externe

9. 🧠 Cum se Fac Legăturile Logice între Fișiere

• Cine face legăturile? Nu Qdrant, ci OpenAI GPT.

• Cum?

  1. Toate fișierele (Excel și DOC-uri) sunt „fărâmițate” în bucăți mai mici de text (chunk-uri).

  2. Fiecare bucată este vectorizată și introdusă în Qdrant ca un punct independent.

  3. La o întrebare, Qdrant returnează cele mai relevante fragmente, indiferent din ce fișier provin.

  4. GPT primește aceste fragmente amestecate și le sintetizează, găsind el însuși legăturile semantice dintre ele pentru a construi un răspuns coerent.

Exemplu: Dacă un fragment vorbea despre “Paracetamol” și altul despre “contraindicații hepatice”, iar utilizatorul întreabă despre efectele pe ficat, GPT va conecta cele două fragmente pentru a oferi un răspuns complet.

🔗 Structura de Cunoștințe a Sistemului:
Baza de date vectorială este construită pe un set de 4 fișiere care formează o ierarhie clinică completă:

1. Simptome.doc – Listă structurată de simptome (ex: Cefalee, Vertij, Slăbiciune musculară).

2. Diagnostice .doc – Diagnostice posibile pentru fiecare simptom.

3. Tratamente.doc – Tratamente recomandate pentru fiecare diagnostic.

4. Excel.xlsx – Catalogul cu produse comerciale specifice (Denumire, DCI, Producător, Cod ATC, etc.).

Această structură permite sistemului să urmărească un lanț logic complet: de la simptomul pacientului, la diagnosticele potrivite, la tratamentul recomandat și până la medicamentele concrete disponibile în catalog.

✅ Concluzie Finală

Sistemul construit este robust și îndeplinește perfect scopul de a oferi un chatbot specializat și controlat:

• Qdrant este memoria semantică de înaltă performanță.

• OpenAI este creierul care înțelege și generează text.

• AI Engine este conductorul care aplică partitura (instrucțiunile severe).

• Instrucțiunile Severe sunt carantina logică care asigură lobotomizarea, forțând sistemul să răspundă doar din sursa de date specifică.

Această arhitectură elimină riscul de “halucinații” (răspunsuri inventate) și oferă un control deplin asupra informației, făcând-o ideală pentru domenii sensibile precum cel medical. Sistemul final va funcționa ca un expert neurologic virtual, care raportează exclusiv la baza sa de cunoștințe structurată în cele 4 fișiere, oferind răspuns sigure, traibile și verificate.