# База знаний RAG (#60): документы, параметры поиска, синонимы.
# Тексты в corpus/ собраны из PDF конвертером docs/source/rag/pdf_to_txt.py — правьте PDF/figures/manual
# и перегенерируйте, а не редактируйте txt руками.
#
# audiences — кому можно показывать выдержки:
#   doctor  — врач (дашборд, подсказки по КР);
#   patient — пациент (только экстрактивно, без дозировок, с припиской «решение за врачом»);
#   team    — внутренние документы команды (логика модулей), пациенту и врачу не показываются.

documents:
  - id: kr_ptsd
    file: corpus/kr_ptsd.txt
    title: "Клинические рекомендации «Посттравматическое стрессовое расстройство»"
    short: "КР ПТСР 2023"
    issuer: "Минздрав РФ, Российское общество психиатров"
    year: 2023
    icd: [F43.1]
    audiences: [doctor, patient]
  - id: kr_depression
    file: corpus/kr_depression.txt
    title: "Клинические рекомендации «Депрессивный эпизод, рекуррентное депрессивное расстройство»"
    short: "КР Депрессия 2024"
    issuer: "Минздрав РФ, Российское общество психиатров"
    year: 2024
    icd: [F32, F33]
    audiences: [doctor, patient]
  - id: meds_module_spec
    file: corpus/meds_module_spec.txt
    title: "Модуль «Лекарства»: спецификация для разработки"
    short: "Спецификация модуля «Лекарства»"
    issuer: "команда MedITron"
    year: 2026
    icd: []
    audiences: [team]

chunking:
  max_chars: 1200      # целевой размер фрагмента; абзац длиннее режется по предложениям
  min_chars: 200       # короткий хвост раздела приклеивается к предыдущему фрагменту того же раздела
  # Разделы, которые не индексируются (шум для поиска). Сравнение — по началу заголовка.
  skip_sections:
    - "Список литературы"
    - "Список сокращений"   # аббревиатуры раскрываются через synonyms ниже, сам список только засоряет поиск

retrieval:
  top_k: 5
  bm25_k1: 1.5
  bm25_b: 0.75
  title_weight: 2      # заголовок раздела повторяется в индексе столько раз — совпадение с ним весомее
  min_score: 3.0       # ниже — считаем, что в базе нет ответа
  rerank_candidates: 30  # сколько лучших по BM25 фрагментов переранжировать по самому плотному отрывку
  window_sentences: 2    # размер отрывка (предложений подряд)
  window_weight: 0.5     # вес оценки отрывка относительно BM25
  # Множитель оценки для разделов (по началу заголовка) в зависимости от аудитории.
  # «Приложение В» в обеих КР — «Информация для пациента»: написано для пациента, ему и показываем в первую очередь.
  # «Приложение Г» — бланки шкал и история их валидации, «Критерии оценки качества» — для организаторов
  # здравоохранения: пациенту это шум.
  section_boost:
    patient:
      "Приложение В": 1.5
      "Приложение Г": 0.5
      "Критерии оценки качества": 0.5
  # Заболевание в вопросе -> профильная КР (регулярные выражения по вопросу в нижнем регистре).
  # Если названы оба — ни одна не получает преимущества. Иначе «ТМС при депрессии» отвечался цитатой из КР ПТСР.
  doc_cues:
    kr_depression: ["(?<!анти)депресс", "\\bдэ\\b", "\\bрдр\\b"]
    kr_ptsd: ["птср", "посттравмат", "травм", "\\bвойн", "боев", "фронт", "ветеран", "\\bсво\\b", "ptsd"]
  doc_cue_boost: 2.0

answer:
  max_chunks: 5            # в скольких лучших фрагментах ищем отрывок
  max_passages: 2          # отрывков в ответе (второй — только если почти так же хорош)
  second_passage_ratio: 0.8
  max_sentences: 3         # предложений в отрывке (подряд, как в источнике)
  neighbor_ratio: 0.5      # соседнее предложение входит в отрывок, если его релевантность >= доли лучшего
  max_chars: 600
  min_coverage: 0.5        # доля «веса» слов вопроса, найденная в отрывках; ниже — «ответа нет»

# Синонимы и аббревиатуры: запрос расширяется всеми формами группы (сравнение — по основам слов).
synonyms:
  - ["птср", "посттравматическое стрессовое расстройство"]
  - ["кптср", "комплексное посттравматическое стрессовое расстройство"]
  - ["рдр", "рекуррентное депрессивное расстройство"]
  - ["дэ", "депрессивный эпизод"]
  - ["ад", "антидепрессант"]
  - ["сиозс", "селективные ингибиторы обратного захвата серотонина"]
  - ["сиозсн", "ингибиторы обратного захвата серотонина и норадреналина"]
  - ["тца", "трициклические антидепрессанты"]
  - ["кпт", "когнитивно-поведенческая психотерапия"]
  - ["дпдг", "emdr", "десенсибилизация и переработка травмы движениями глаз"]
  - ["сопа", "синдром отмены антидепрессантов"]
  - ["эст", "электросудорожная терапия"]
  - ["ртмс", "транскраниальная магнитная стимуляция"]
  - ["кошмар", "кошмарные сновидения"]
  - ["бессонница", "инсомния", "нарушения сна"]
  - ["флешбэк", "флэшбек", "навязчивые воспоминания"]
  - ["суицид", "самоубийство", "суицидальные мысли"]
  # Разговорная лексика пациента -> термины КР.
  - ["таблетки", "препарат", "лекарство"]
  - ["бросить", "отменять", "отменить", "отмена", "прекратить", "прекращение приема"]
  - ["подействовать", "действовать", "помогать", "эффект", "улучшение"]
  - ["антидепрессивный", "тимоаналептический"]
  - ["привыкание", "зависимость"]
  - ["спорт", "физическая активность", "физические упражнения", "физическая нагрузка"]
  - ["побочка", "побочные эффекты", "нежелательные явления"]
  - ["тошнит", "тошнота"]
  - ["выпить", "спиртное", "алкоголь"]
  - ["сколько длится", "продолжительность", "длительность"]
  - ["психолог", "психотерапия"]