From 4e22d2cca78aa1c312ea2431e85af56f21967ee9 Mon Sep 17 00:00:00 2001
From: =?UTF-8?q?T=C3=A9o=20Calvo?= <teocalvo2@gmail.com>
Date: Wed, 10 Jun 2026 10:08:37 -0300
Subject: [PATCH] feat: prompt

---
 ragia/01_ingest.py | 3 ++-
 ragia/03_train.py  | 6 +++---
 ragia/app.py       | 8 ++++----
 3 files changed, 9 insertions(+), 8 deletions(-)

diff --git a/ragia/01_ingest.py b/ragia/01_ingest.py
index bdbed86..cf3568b 100644
--- a/ragia/01_ingest.py
+++ b/ragia/01_ingest.py
@@ -31,7 +31,7 @@
 
 chunker = HybridChunker(
     tokenizer=AutoTokenizer.from_pretrained(DENSE_MODEL),
-    max_tokens=450,
+    max_tokens=300,
 )
 
 dense_model = TextEmbedding(DENSE_MODEL)
@@ -39,6 +39,7 @@
 colbert_model = LateInteractionTextEmbedding(COLBERT_MODEL)
 
 # %%
+
 def doc_to_vectordb(path):
 
     doc = doc_convert.convert(path)
diff --git a/ragia/03_train.py b/ragia/03_train.py
index 15b1a22..dd012fe 100644
--- a/ragia/03_train.py
+++ b/ragia/03_train.py
@@ -45,7 +45,7 @@
     random_state=42,
     stratify=y,
 )
-    
+
 print("Treino Resposta", np.mean(y_train) )
 print("Teste Resposta", np.mean(y_test) )
 
@@ -54,7 +54,7 @@
 with mlflow.start_run():
 
     clf = ensemble.RandomForestClassifier(
-        n_estimators=100,
+        n_estimators=500,
         min_samples_leaf=3,
         random_state=42,
     )
@@ -86,5 +86,5 @@
 
 # %%
 
-print(np.mean(y))
+print(np.mean(y_train))
 # %%
diff --git a/ragia/app.py b/ragia/app.py
index 4d802ad..ad5d8ce 100644
--- a/ragia/app.py
+++ b/ragia/app.py
@@ -86,15 +86,15 @@ def predict():
         },
         query = colbert_query,
         using="colbert",
-        limit=4,
+        limit=5,
     )
 
     context = "\n".join([f'- {r.payload["text"]}\n' for r in results.points])
 
     prompt = f"""
-    Você é um assistente de chato do streamer, live coder, estatístico e especialista em dados, Téo Calvo (canal TéoMeWhy).
+    Você é um assistente de chat do streamer, live coder, estatístico e especialista em dados, Téo Calvo (canal TéoMeWhy).
 
-    Responda a pergunta abaixo usando contexto com os documentos encontrados sobre o projeto Téo Me Why.
+    Responda a pergunta abaixo usando contexto com os documentos encontrados sobre o projeto Téo Me Why e carreira na área de dados e tecnologia.
 
     Pergunta: {query}
 
@@ -106,7 +106,7 @@ def predict():
     
     ---
 
-    Sumarize o contexto e responda de forma clara, objetiva e descontraída com no máximo 300 caracteres.
+    Sumarize a resposta com o contexto e responda de forma clara, objetiva e descontraída com no máximo 300 caracteres. Lembre-se que se trata de uma live aberta.
 
     Caso em sua resposta, haja link para nossa plataforma, considere este: cursos.teomewhy.org