Как отклонить устаревший документ в ответе RAG по дате действия

Шаблон входа для переноса примера на свою коллекцию: для каждого вопроса заведите поля id, question, expected_doc_ids, retrieved_doc_ids и, где требуется, index_version. Согласуйте с предметным владельцем, что именно считается релевантным, доступным и актуальным источником. Это рабочая схема сбора данных, а не универсальный формат API. В таблице ревью отдельно отметьте спорные случаи, которые нельзя разрешить одной лишь строковой операцией.

Пошаговая проверка

1. Создайте файл scripts/check_retrieval.py; скопируйте Python-шаблон целиком. Использованные названия библиотечных функций сверены с официальными страницами в конце статьи.
2. Запустите python scripts/check_retrieval.py локально. Сопоставьте консольный вывод с ожидаемым результатом в описании входа; демонстрация обязана проходить без внешнего API и ключей.
3. Проверьте у владельца правил, что valid_to действительно эксклюзивная граница, и запишите это в схеме данных. Скопируйте скрипт, выполните два assert по обе стороны смены года. В боевом retrieval применяйте фильтр к кандидатам до передачи их генератору; если актуальных документов нет, возвращайте «нет подтверждённого источника» вместо старого правила. В журнале ошибки храните ID и даты, но не содержимое закрытого документа. Добавьте отдельный тест перекрытия двух активных редакций одного правила: наш минимальный пример проверяет выбор, но не валидирует весь каталог.
4. Для регрессии положите тот же файл в репозиторий и добавьте workflow из второго блока в .github/workflows/rag-retrieval.yml. Проверка запускается на pull_request с разрешением contents: read; не передавайте в неё настоящие секреты и закрытые документы.
5. Откройте job retrieval-check в Actions на конкретном коммите. Сравните исходные ID и обнаруженные нарушения с локальным прогоном. При расхождении проверьте версию фикстур и скрипта, а не меняйте эталон до выяснения причины.

# scripts/check_retrieval.py
from datetime import date
docs = [
    {"id":"P-2025","from":"2025-01-01","to":"2026-01-01"},
    {"id":"P-2026","from":"2026-01-01","to":None},
]
def active(row, as_of):
    start = date.fromisoformat(row["from"])
    end = date.fromisoformat(row["to"]) if row["to"] else None
    if end is not None and end <= start:
        raise ValueError("invalid validity interval")
    return start <= as_of and (end is None or as_of < end)
today = date.fromisoformat("2026-01-01")
picked = [row["id"] for row in docs if active(row, today)]
assert picked == ["P-2026"]
assert [r["id"] for r in docs if active(r,date(2025,12,31))] == ["P-2025"]
print("Applicable version:", picked)

name: RAG retrieval contract
on:
  pull_request:
permissions:
  contents: read
jobs:
  retrieval-check:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v7
      - uses: actions/setup-python@v7
        with:
          python-version: '3.13'
      - run: python scripts/check_retrieval.py

Реалистичный пример результата

Вход: Старая редакция P-2025 действовала до 2026-01-01, новая P-2026 действует с этой даты; запрос с as_of=2026-01-01 должен взять только P-2026. После запуска ожидается исход, явно проверяемый инструкциями assert в коде. Не публикуйте вымышленное значение как измеренную характеристику вашей поисковой системы. Для рабочего отчёта приложите версию индекса, выбранные фильтры, размер размеченного набора, дату фиксации эталона и список ID провалившихся случаев. По каждому ID откройте первичный документ, прежде чем менять конфигурацию ранжирования: неправильно размеченный источник может выглядеть как технический дефект.

Типовые ошибки и ограничения

Поля даты не проверяют юридическую силу документа. Некорректно внесённые метаданные дают ложный результат даже при правильном коде. Для времени до минуты используйте aware datetime и явно зафиксированную зону, а не заменяйте время календарной датой. При расширении теста сначала добавьте отрицательный случай: намеренно испортите один элемент фикстуры и убедитесь, что проверка обнаружила его. Затем верните исходный набор и проверьте положительный случай. Это важнее зелёного CI на данных, где ошибка случайно отсутствует. Не логируйте полный ответ модели, содержимое закрытых документов или персональные сведения только ради диагностики.

Отдельно разделяйте ошибку данных, ошибку ранжирования и ошибку генерации. Если тест выполняется на другом индексе или другой редакции источника, результат нельзя напрямую сравнить с предыдущим. Снимок исходной выдачи, код и эталон должны относиться к одному запросу и одной версии доступных документов. Указанный демонстрационный результат не устанавливает порог качества для бизнеса; порог согласуют по отдельному размеченному набору и цене ошибки.

Чек-лист финальной проверки

• Задача теста и применимость понятны владельцу корпуса.
• Входные ID и эталон не взяты из ответа оцениваемой модели.
• Демо запускается локально и даёт ожидаемый результат.
• Преднамеренно неверный вход обнаруживается проверкой.
• Зафиксированы версия индекса, редакция документов и условия доступа.
• В логах CI нет приватных документов и секретов.
• Разделены ошибка поиска, ошибка эталона и ошибка генерации.
• После исправления проверены соседние пограничные случаи.