rag: bessere Treffer + Anti-Halluzination

- top_k min=5, default=8 (LLM kann nicht mehr top_k=3 setzen)
- docnm_kwd boost 1.5→3.0 (Ordner/Dateinamen staerker gewichten)
- Ordnerpfad als Kategorie-Info in Ausgabe
- Content-Snippet 400→600 Zeichen
- SYSTEM_PROMPT_EXTRA: LLM darf keine Details erfinden
- es_size erhoehen fuer breitere Suche
Ref: Issue #51

homelab-ai-bot/tools/rag.py

@@ -20,6 +20,8 @@ KB_ID = "dc24edda27a311f19fe7fb811de6f016"
 OLLAMA_EMBED_URL = "http://100.84.255.83:11434/api/embeddings"
 EMBED_MODEL = "nomic-embed-text"
 
+MIN_TOP_K = 5
+
 TOOLS = [
     {
         "type": "function",
@@ -30,7 +32,9 @@ TOOLS = [
                 "Vertraege, Versicherungen, Rente, Finanzamt, Familiendokumente, "
                 "Anleitungen, Buecher, persoenliche Unterlagen). "
                 "Nutze dieses Tool wenn der User nach einem bestimmten Dokument, "
-                "Vertrag, Brief oder persoenlicher Information fragt."
+                "Vertrag, Brief oder persoenlicher Information fragt. "
+                "Bei breiten Fragen ('welche Versicherungen', 'alle Vertraege') "
+                "immer top_k=10 verwenden."
             ),
             "parameters": {
                 "type": "object",
@@ -44,8 +48,8 @@ TOOLS = [
                     },
                     "top_k": {
                         "type": "integer",
-                        "description": "Anzahl Ergebnisse (1-10)",
-                        "default": 5,
+                        "description": "Anzahl Ergebnisse (5-10, Standard 8)",
+                        "default": 8,
                     },
                 },
                 "required": ["query"],
@@ -62,7 +66,12 @@ Die Suchanfrage sollte kurze Keywords sein, KEINE ganzen Saetze. Beispiele:
 - "Grundsteuer Erklaerung"
 - "Nuernberger Versicherung"
 - "Allianz Beitraege"
-Bei schlechten Ergebnissen: andere Keywords versuchen oder Dokumentnamen direkt suchen."""
+Bei schlechten Ergebnissen: andere Keywords versuchen oder Dokumentnamen direkt suchen.
+WICHTIG:
+- Bei breiten Kategorie-Fragen ("welche Versicherungen", "alle Vertraege"): top_k=10
+- Liste NUR die Dokumente auf die rag_search zurueckliefert. ERFINDE KEINE Details die nicht im Ergebnis stehen.
+- Der Ordnerpfad im Dokumentnamen (vor dem Dateinamen, getrennt durch __) zeigt die Kategorie.
+- Wenn das Ergebnis Dokumente zeigt, liste sie auf — auch wenn du den Inhalt nicht vollstaendig kennst."""
 
 
 def _basic_auth_header() -> str:
@@ -104,6 +113,14 @@ def _ocr_note(text: str) -> str:
     return ""
 
 
+def _folder_from_docname(name: str) -> str:
+    """Extrahiert den Ordnerpfad aus docnm_kwd (__ = Trenner)."""
+    parts = name.rsplit("__", 1)
+    if len(parts) == 2:
+        return parts[0].replace("__", " > ").replace("_", " ")
+    return ""
+
+
 def _es_hybrid_search(query: str, es_size: int) -> dict:
     qvec = _ollama_embed(query)
     if not qvec:
@@ -125,7 +142,7 @@ def _es_hybrid_search(query: str, es_size: int) -> dict:
                 "should": [
                     {"match": {"content_de": {"query": query, "boost": 2.0}}},
                     {"match": {"content_ltks": {"query": query.lower(), "boost": 0.4}}},
-                    {"match": {"docnm_kwd": {"query": query, "boost": 1.5}}},
+                    {"match": {"docnm_kwd": {"query": query, "boost": 3.0}}},
                 ],
                 "minimum_should_match": 0,
             }
@@ -153,12 +170,12 @@ def _es_hybrid_search(query: str, es_size: int) -> dict:
         return {"_error": str(e)}
 
 
-def handle_rag_search(query: str, top_k: int = 5, **kw):
+def handle_rag_search(query: str, top_k: int = 8, **kw):
     if not query or not query.strip():
         return "rag_search: query fehlt."
 
-    top_k = max(1, min(int(top_k or 5), 10))
-    es_size = min(100, max(top_k * 12, 35))
+    top_k = max(MIN_TOP_K, min(int(top_k or 8), 10))
+    es_size = min(120, max(top_k * 12, 50))
 
     data = _es_hybrid_search(query.strip(), es_size)
     if "_error" in data:
@@ -170,7 +187,7 @@ def handle_rag_search(query: str, top_k: int = 5, **kw):
 
     seen_docs: set[str] = set()
     lines: list[str] = []
-    lines.append(f"**{len(hits)} Roh-Treffer fuer '{query}'** (Top {top_k} Dokumente):\n")
+    lines.append(f"**{len(hits)} Treffer fuer '{query}'** (Top {top_k} Dokumente):\n")
 
     count = 0
     for h in hits:
@@ -185,10 +202,15 @@ def handle_rag_search(query: str, top_k: int = 5, **kw):
 
         score = h.get("_score") or 0.0
         raw = src.get("content_with_weight") or src.get("content_de") or ""
-        content = raw[:400].strip()
+        content = raw[:600].strip()
         ocr = _ocr_note(raw)
+        folder = _folder_from_docname(doc_name)
+        filename = doc_name.rsplit("__", 1)[-1] if "__" in doc_name else doc_name
+        folder_line = f"  Ordner: {folder}" if folder else ""
 
-        lines.append(f"---\n**{count + 1}. {doc_name}** (Score: {score:.3f}){ocr}")
+        lines.append(f"---\n**{count + 1}. {filename}** (Score: {score:.1f}){ocr}")
+        if folder_line:
+            lines.append(folder_line)
         if content:
             lines.append(f"```\n{content}\n```")
         count += 1