:PROPERTIES:
:ID:       dac32a5d-f8f9-4973-8135-771da4afe7c9
:END:
#+title: Daneel - RAG / Memory Backend
#+filetags: :daneel:memory:rag:


* Aktuální stav (únor 2026)

Aktivní backend: *Builtin + OpenAI embeddings*
- Model: =text-embedding-3-small= (1536 dimenzí)
- Vyhledávání: hybridní BM25 + vektorové
- Indexováno: denní logy, MEMORY.md, workspace soubory
- Pravidlo: =memory_search= vždy *anglicky* (lepší recall — soubory jsou česky, ale model funguje lépe s angličtinou)

Příklady správného použití:
#+begin_example
memory_search("martin email himalaya credentials")
memory_search("web publish rules violation")
#+end_example

Špatně:
#+begin_example
memory_search("email přihlašovací údaje")   ; horší výsledky
#+end_example


* Historie

** QMD backend (leden–únor 2026) — odstraněn

Zkoušen jako alternativa k builtin backendu. Problémy:
- CUDA závislosti způsobovaly build problémy na serveru
- BM25 výsledky horší než builtin hybrid
- Složitá konfigurace bez jasného přínosu

Odstraněn, vráceno na builtin + OpenAI embeddings.

** Kdy přehodnotit RAG

Workspace soubory jsou malé (~5–8K tokenů = ~3–4 % kontextového okna).
RAG pro hot storage nedává smysl — úspora příliš malá vs. riziko vynechání pravidel.

=memory_search= (cold storage) = fakticky RAG pro 30+ denních logů.
Přehodnotit pokud overhead > 15 % (~30K tokenů). Při aktivním pruning v dohledné době nenastane.