CHANGES.md

Izmene u kodu

Problem koji je rešen

Originalni problem: Space je vraćao samo kratke fragmente teksta umesto kompletnih članaka zakona.

Uzrok: Metoda search_semantic u doc_searcher_v2.py je vraćala samo skorove iz reranker-a, bez kompletnog payload-a iz Qdrant baze.

Izmene

1. doc_searcher_v2.py - Metoda search_semantic

Pre:

• Vraćala je samo scores (lista skorova)
• Gubili su se svi podaci iz payload-a

Posle:

• Vraća listu dict-ova sa kompletnim podacima:

  {
      "score": float,      # Rerank skor
      "id": str,           # ID iz Qdrant-a
      "text": str,         # Tekst dokumenta
      "payload": dict      # Kompletan payload sa svim podacima
  }
  

• Mapira rerank skorove sa originalnim hit-ovima iz Qdrant-a
• Vraća top 10 rezultata sa kompletnim informacijama

2. reranker.py - Model

Pre:

• Koristio Qwen/Qwen3-Reranker-4B (zahteva ~16GB RAM)

Posle:

• Koristi Qwen/Qwen3-Reranker-0.6B (zahteva ~2GB RAM)
• Manje memorije, brže učitavanje

Kako testirati lokalno

1. Instalirajte zavisnosti:

   pip install -r requirements.txt
   

2. Kreirajte .env fajl:

   cp .env.example .env
   # Popunite sa vašim vrednostima
   

3. Pokrenite test:

   python test_local.py
   

Kako deploy-ovati na Space

1. Commit-ujte izmene:

   git add .
   git commit -m "Ispravka: vraćanje kompletnih podataka umesto samo skorova"
   

2. Push na Hugging Face:

   git push
   

3. Space će se automatski rebuild-ovati

Rezultat

Sada API vraća:

• ✅ Kompletan tekst članka zakona
• ✅ Svi podaci iz payload-a (broj člana, naziv zakona, itd.)
• ✅ Rerank skor za relevantnost
• ✅ ID dokumenta iz Qdrant-a