Update README.md

README.md

@@ -15,15 +15,15 @@ Prosty RAG to otwartoźródłowy asystent AI oparty na polskim modelu językowym
 
 Zasada działania:
 1. Umieszczamy pliki bazy wiedzy PDF, TXT, MD (Markdown) lub CSV w folderze `baza`,
-2. Pliki są indeksowane (PDF konwertowane na TXT za pomocą [pdftotext](https://www.xpdfreader.com/pdftotext-man.html)), dzielone na fragmenty (po 200 słów, 20 słów nakłada się) i osadzane w wektorowej bazie danych [sqlite-vec](https://github.com/asg017/sqlite-vec),
+2. Pliki są indeksowane (PDF konwertowane na TXT za pomocą [pdftotext](https://www.xpdfreader.com/pdftotext-man.html)), dzielone na fragmenty (po 200 słów, 10 słów nakłada się) i osadzane w wektorowej bazie danych [sqlite-vec](https://github.com/asg017/sqlite-vec),
 3. Dla danego zapytania pobierane są najbardziej trafne fragmenty z bazy danych, które uzupełniają kontekst pytania,
 4. Model językowy generuje odpowiedź na pytanie wykorzystując wzbogacone dane z bazy wiedzy. 
 
 ### Uruchamianie
 
-Wystarczy pobrać plik [**prosty-rag.cmd**](https://huggingface.co/jglowa/prosty-rag/resolve/main/prosty-rag.cmd?download=true) (klikając prawym przyciskiem -> zapisz link jako...) i uruchomić go (klikając dwukrotnie myszą lub wpisując w wierszu poleceń `./prosty-rag.cmd`). Skrypt sam pobierze pliki: `prosty-rag.llamafile` i `bge-m3.embedfile` (jeśli nie zostały wcześniej pobrane), uruchomi indeksator (jeśli nie został jeszcze uruchomiony), załaduje serwer z modelem osadzania (embedfile), serwer z modelem językowym (llamafile) i otworzy stronę [http://localhost:8080](http://localhost:8080) w przeglądarce internetowej. Asystent działa off-line, a wszelkie dane pozostają lokalnie na urządzeniu.
+Wystarczy pobrać plik [**prosty-rag.cmd**](https://huggingface.co/jglowa/prosty-rag/resolve/main/prosty-rag.cmd?download=true) (klikając prawym przyciskiem -> zapisz link jako...) i uruchomić go (klikając dwukrotnie myszą lub wpisując w wierszu poleceń `./prosty-rag.cmd`). Skrypt sam pobierze pliki: `prosty-rag.llamafile` i `prosty-rag.embedfile` (jeśli nie zostały wcześniej pobrane), uruchomi indeksator (jeśli nie został jeszcze uruchomiony), załaduje serwer z modelem osadzania (embedfile), serwer z modelem językowym (llamafile) i otworzy stronę [http://localhost:8080](http://localhost:8080) w przeglądarce internetowej. Asystent działa off-line, a wszelkie dane pozostają lokalnie na urządzeniu.
 
-W folderze `baza` należy umieścić wszystkie pliki PDF, TXT, MD i CSV do stworzenia bazy wiedzy. Następnie należy uruchomić skrypt `indeksator.cmd`, który skonwertuje pliki PDF do TXT i zaindeksuje pliki tesktowe w wektorowej bazie danych SQLite `prosty-rag.db`, korzystając z modelu osadzania `bge-m3.embedfile`. Indeksator należy uruchomić po każdej zmianie plików w folderze `baza`.
+W folderze `baza` należy umieścić wszystkie pliki PDF, TXT, MD i CSV do stworzenia bazy wiedzy. Następnie należy uruchomić skrypt `indeksator.cmd`, który skonwertuje pliki PDF do TXT i zaindeksuje pliki tesktowe w wektorowej bazie danych SQLite `prosty-rag.db`, korzystając z modelu osadzania BGE-M3. Indeksator należy uruchomić po każdej zmianie plików w folderze `baza`.
 
 Aby zadawać pytania dotyczące zaindeksowanej bazy wiedzy, należy uruchomić skrypt `prosty-rag.cmd` i wpisać pytanie w aplikacji czatu na [http://localhost:8080](http://localhost:8080). Najbardziej trafne fragmenty zostaną wyszukane w bazie danych `prosty-rag.db`, a następnie zostanie załadowany model językowy Bielik 4.5B v3.0, który wygeneruje odpowiedź w oparciu o kontekst z bazy wiedzy.
 
@@ -40,6 +40,7 @@ Aby zbudować własną wersję asystenta AI, należy ściągnąć skrypt `build.
 - 0.1 - pierwsza wersja wieloplatformowa
 - 0.2 - dodanie serwera embedfile z modelem osadzania BGE-M3
 - 0.3 - dodanie obsługi CSV, logowania do pliku `prosty-rag.log`
+- 0.4 - wyszukiwanie hybrydowe za pomocą FTS (BM25) i wektorów, oddzielne pobieranie modeli GGUF
 
 ### Licencja