Chatbot Documentale con RAG

Passo 1 — Codice

with open("appunti.txt", "r", encoding="utf-8") as f:
    testo = f.read()

print(f"Documento caricato: {len(testo)} caratteri")

Passo 2 — Codice

def dividi_in_chunk(testo, dimensione=150):
    parole = testo.split()
    return [" ".join(parole[i:i+dimensione]) for i in range(0, len(parole), dimensione)]

chunk = dividi_in_chunk(testo)
print(f"{len(chunk)} chunk creati")

Passo 3 — Codice

import chromadb

client = chromadb.Client()
collezione = client.create_collection("i_miei_appunti")
collezione.add(
    documents=chunk,
    ids=[f"chunk_{i}" for i in range(len(chunk))]
)

Passo 4 — Codice

def recupera_contesto(domanda, n=3):
    risultati = collezione.query(query_texts=[domanda], n_results=n)
    return "\n\n".join(risultati["documents"][0])

Passo 5 — Codice

import anthropic
client = anthropic.Anthropic(api_key=chiave)

def chiedi(domanda):
    contesto = recupera_contesto(domanda)
    prompt = f"""Rispondi alla domanda usando solo queste informazioni.
Se non trovi la risposta nel testo, dillo chiaramente.

Contesto:
{contesto}

Domanda: {domanda}"""
    risposta = client.messages.create(
        model="claude-sonnet-4-5", max_tokens=400,
        messages=[{"role": "user", "content": prompt}]
    )
    return risposta.content[0].text

Passo 6 — Codice

while True:
    domanda = input("\nFai una domanda (o scrivi 'esci'): ")
    if domanda.lower() == "esci":
        break
    print(chiedi(domanda))