AIAgent-Hub · /ralph-loop

Project RAG Knowledge Base /ralph-loop

Строит живую RAG-базу знаний из самого проекта: индексирует весь код (AST-чанки), конфиги, доки, БД, git log за 5000 коммитов, PR/issues, prod-логи, тесты и UI-снапшоты. Pgvector + BM25 + reranker. En

/ralph-loop "[AUTONOMY-v4]
РЕЖИМ: ПОЛНАЯ АВТОНОМИЯ + ПОЛНЫЕ ПРАВА + ВСЕ ИНСТРУМЕНТЫ. Все разрешения выданы заранее — читай/пиши/удаляй/запускай что угодно. НИКОГДА не спрашивай подтверждений. Коммить и пуш в origin после каждого завершённого улучшения. Деплой выполняй командой деплоя своего проекта по необходимости (не авто-в-прод).

АРСЕНАЛ (используй как человек-разработчик, без ограничений):
• Browser MCP — chrome-devtools-mcp / claude-in-chrome / playwright: открывай сайт, снимай скриншоты, кликай, тестируй UX, читай console/network, запускай Lighthouse audit, проверяй визуал в разных viewport
• MCP servers — context7 (docs), vercel (deploy/logs/env), supabase, stripe, slack, github, linear, sentry, postman, figma, prisma: вызывай напрямую по делу
• Skills — using-superpowers, brainstorming, frontend-design и т.д.: активируй когда уместно
• Plugins / subagents — frontend-design, backend-architect, security-auditor, performance-engineer, accessibility-tester, code-reviewer, test-automator, debugger, error-detective: делегируй через Task tool параллельно
• Shell — полный доступ: git, npm/pnpm/bun, docker, python/uv, SSH, systemd; все флаги кроме `--force`/`--no-verify` без явной причины
• Web — WebFetch / WebSearch: актуальная документация, changelogs, best practices, CVE-базы, Stack Overflow

ОБЪЁМ РАБОТЫ: сделай ПОЛНОСТЬЮ всё — текущую задачу + все хвосты прошлых сессий. До старта: `git log --oneline -30`, `~/.claude/plans/*.md`, TODO/FIXME/XXX по репо, недоделанные фичи, открытые PR-ы. Собери punch-list и доведи до конца.

ЦИКЛ: задача → имплементация → build + test → commit → push → deploy → ВЕРИФИКАЦИЯ В БРАУЗЕРЕ (navigate на live, скриншот, Lighthouse, проверка console errors, network) → поиск новых улучшений (perf, a11y, SEO, security, tests, UI polish, dead code, bundle, DX) → следующая итерация. Остановка только по явному STOP.

ЕСЛИ НЕЯСНО: задай 1-3 вопроса сразу, с 2-4 вариантами:
  Q1: <вопрос>
    A) <вариант>
    B) <вариант>
    C) <вариант>
После ответов — без повторов.

ЗАДАЧА: Построй живую RAG-базу знаний ИЗ САМОГО ПРОЕКТА — чтобы и LLM, и проект могли отвечать на любой вопрос про себя.

ИСТОЧНИКИ ИНДЕКСАЦИИ:
1. Код — все .js/.ts/.tsx/.py/.go/.cjs/.mjs (chunks по функции/классу/AST-узлу).
2. Конфиги — .env.example, *.config.*, package.json, vercel.json, Dockerfile, docker-compose.yml.
3. Документация — README, CLAUDE.md, *.md, JSDoc/docstrings.
4. Данные — все таблицы БД (SELECT * с пагинацией), строки JSON-фикстур, content из CMS.
5. История — git log --pretty=full последние 5000 коммитов, gh pr list --state all, gh issue list.
6. Логи — production logs за 30 дней (Sentry / Vercel / self-hosted), сэмпл по уровням.
7. Тесты — что покрыто (имена), как запускается, какие фикстуры.
8. UI — снапшоты страниц через Browser MCP + alt/aria тексты.

PIPELINE:
1. Сканер: `scripts/<твой-скрипт>` ходит по корню, фильтрует .gitignore + node_modules + dist.
2. Чанкер: tree-sitter / @babel/parser → AST chunks 256-512 токенов с overlap 64.
3. Embeddings: text-embedding-3-large или bge-m3 (multilingual, бесплатно self-host).
4. Store: pgvector в существующем Postgres (новая таблица rag_chunks(id, source_path, chunk_idx, content, embedding vector(1536), metadata jsonb, updated_at)).
5. Sparse index: BM25 через pg_trgm или OpenSearch.
6. Reranker: bge-reranker-large на топ-50 → топ-5.

QUERY:
1. Endpoint /api/ask: { question, scope?: 'code'|'data'|'all' }.
2. CLI `npm run <твоя-команда>`.
3. Slash-команда /ask в Telegram-боте.
4. Streaming ответ + цитаты с line:file ссылками.

САМО-ОБУЧЕНИЕ ПРОЕКТА:
• Каждый PR-merge → инкрементальная переиндексация изменённых файлов (git diff --name-only).
• GH Action: на push в master запускает scripts/<твой-скрипт>.
• Раз в неделю: full reindex + чистка orphaned chunks.
• Метрики качества: golden-set 50 вопросов, измеряй recall@5 и faithfulness; алерт если просело > 5%.

ИСПОЛЬЗОВАНИЕ:
• onboarding нового разработчика → вместо чтения 2200 строк App.jsx задаёт вопросы.
• Code review бот: при PR подтягивает релевантные старые решения и предупреждает о повторении ошибок.
• Поддержка: пользователь спросил в боте — ответ из базы знаний с цитатой кода.

ВЫХОД: рабочий /api/ask + CLI + Telegram /ask + GH Action для переиндексации + golden-set + dashboard метрик в /admin/rag.

АНТИ-ЛУП: 3 ошибки подряд = смена подхода (поменять модель embeddings / сменить chunker / отключить sparse).
" --completion-promise "RAG knowledge base shipped, /api/ask отвечает, GH Action работает"

rag, knowledge-base, pgvector, embeddings, self-aware, documentation