feat(rag): hybrid BM25 + FAISS retrieval with reciprocal-rank fusion
Los mantenedores suelen responder en 1 día
@DerekRoberts ya está trabajando en esto.
Desde el 24/10/2026.
Evaluación
Este issue todavía no se ha evaluado.
Descripción
Problem
Steward questions often name exact references ("s. 21", "Article 32.04", "Schedule 1") or defined terms. A small embedding model (bge-small) handles these poorly, while BM25 keyword search handles them well. The corpus is small (about 3k chunks), so BM25 in memory needs no new service.
Proposed change
Run BM25 (e.g. rank_bm25) over the existing chunk text and combine its results with FAISS candidates using reciprocal-rank fusion, before the existing tier re-scoring in search_index_batch. Keep FAISS.
Dependencies
- Blocked by #801. The eval from that issue decides this one. If the eval shows no gain, close this unmerged.
Note for #699
When BC Laws PDF ingestion is built, keep section and part numbers in the chunk header prefix ([Source - Header]). That makes keyword matching on references work better at no extra cost.
Acceptance criteria
- Hybrid retrieval raises the eval's hit rate on section-number and defined-term questions, with no drop overall. Otherwise this is closed unmerged.
- Lenguaje dominante
- Python
- Estrellas
- 2
- Forks
- 1
- Merge medio
- 4 h 16 min
- PR fusionados (30 d)
- 38
Preparar el entorno
- Incluye un Dockerfile o un archivo de Docker Compose
- Sin plantilla de pull request
- Sin guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de MinionTech/vexilon
-
Dificultad 2/5 Medio día Aptitud para principiantes 66/100
MinionTech/vexilon#844 ·
Los mantenedores suelen responder en 1 día
-
OHS Part 8 source missing B.C. Reg. 135/2026 (face-seal amendments, in force 2026-11-06)Posiblemente ocupada @DerekRoberts la tomó hoy. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 55/100
MinionTech/vexilon#842 · 1 asignado ·
Los mantenedores suelen responder en 1 día
-
research: consume from canli.orgPosiblemente ocupada @DerekRoberts la tomó hace 1 día. Abierto
MinionTech/vexilon#836 · 1 asignado ·
Los mantenedores suelen responder en 1 día
-
enhancement
Dificultad 5/5 Más de una semana Aptitud para principiantes 22/100
MinionTech/vexilon#821 · 1 asignado ·
Los mantenedores suelen responder en 1 día
-
test(rag): retrieval hit-rate eval over golden questionsQuizá libre de nuevo @DerekRoberts la tomó hace 28 días y no hay ningún pull request abierto. Abiertoenhancement
MinionTech/vexilon#801 · 1 asignado ·
Los mantenedores suelen responder en 1 día
Todos los issues de MinionTech/vexilon
Issues similares
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 64/100
cal-itp/data-infra#5887 ·
Los mantenedores suelen responder en 1 día
-
bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
ranacseruet/vaice#139 ·
Los mantenedores suelen responder en 1 día
-
numpy.bytes_ attributes are recorded as a truncated repr instead of their contentPosiblemente ocupada @JoeyTan21 la tomó hoy. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
batocera-linux/batocera.linux#17423 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 62/100