Oni koji se bave RAG-om su se verovatno svi sapleli o isto: skenirani PDF ili PDF snimak ekrana koji pri pretrazi nikako ne može da pronađe sadržaj.

I ja sam naišao na taj problem dok sam radio na PaiSmart-u (PaiSmart — bazu znanja na nivou preduzeća zasnovanu na RAG-u).

Ali danas sam pronašao prilično dobro rešenje — pomoću LiteParse-a, koga je LlamaIndex otvorio kao open source, jednom komandom možete izvući tekst iz skeniranog dokumenta pomoću OCR-a; nije potreban API Key, a brzina parsiranja je i velika.

Da li ste se ikada zapitali?

Pretraga koda u Claude Code-u je i brza i precizna, kako to zaista radi?

Stari Wang ovaj put je zamenio naočare sa zlatnim okvirom, izgleda potpuno kao CTO nekog internetskog giganta, pogled mu je oštar ali sa osmehom na ustima, izgleda da je danas u dobrom raspoloženju.

Stari Wang je prevrteo moj životopis, "Ti si napisao da tvoj PaiCLI ima trosloku arhitekturu memorije, RAG vektorsku pretragu, adaptivni dugi kontekst, dosta si se hvalio."

Bilo da je Claude Code ili Codex, pri čitanju izvornog koda projekta ili baze znanja su izuzetno jaki — pitajte šta god hoćete, tačno lociraju odgovarajući blok koda ili dokument.

Kako se to postiže?

Stari Wang danas nosi crnu majicu, na grudima beli natpis "My code does compile", brada mu je pomalo čekinjasta — verovatno nije brijao nekoliko dana.

Na stolu mu je ledeni americano, čini se tek spremljen, ali do sada nije stigao ni gutljaj.

"Prema tebi imam visoke zahteve." Stari Wang otvoreno kaže. "Nemoj da se nerviraš."

U ovoj epizodi ćemo instalirati RAG Agentu, da Agent može direktno čitati našu kodnu bazu.

Evo konkretnog scenarija, pitam „Kako MemoryManager kompresuje kontekst“. Agent bez RAG može samo da nagađa na osnovu trening podataka, pogodi se — to je sreća.

Nakon instaliranja RAG-a, Agent će prvo otići u kodnu bazu i izvući ContextCompressor.compressIfNeeded, pogleda Map-Reduce implementaciju, zatim odgovori na osnovu ovog pravog koda.

Stari Vang je samo bacio pogled na moju biografiju i odmah počeo da pritiska: „Zar ne znaš da je doba AI-ja? U biografiji nemaš nijedan Agent projekat, kako se usuđuješ da se prijaviš na AI poziciju?"

„Vange, možeš li da širom otvoriš oči i pažljivo pogledaš." Udarac kontra.

Stari Vang zaista nije očekivao da ću uzvratiti, odmah je popustio.

U starom Wangovoj providnoj šolji za čaj plivalo je prepuno goji bobica — bacio sam samo jedan pogled, sigurno stotinu komada.

Pre nego što sam došao sebi, stari Wang je prešao pravo na stvar: "Koju bazu koristiš za RAG pretragu?"

"MySQL."

Stari Wang jedva da nije pljunuo vodu koju je upravo otpio u moje lepo lice: "Samo MySQL? Vektorsku pretragu radiš u MySQL-u?"

Sigurno ste i sami primetili da se ova godina mnogo razlikuje od prošle — bilo da idete na intervju za Java back-end ili za drugu poziciju, AI je svuda prisutan.

U nastavku delim neka stvarna iskustva sa intervjua, koja mogu poslužiti kao referenca onima koji jure letnju praksu u velikim kompanijama.

Ove nedelje je tehnički krug zahvatio Karpathy-jev tvit. Rekao je sledeće: danas se token potrošen na LLM uglavnom ne troši na pisanje koda, već na sređivanje baze znanja.

Dao je rešenje koje se zove "LLM Wiki", dve fascikle, jedan CLAUDE.md, to je to.

Nema vektorske baze, nema embedding modela, nema hibridnu pretragu.