Sur cette page
Base de connaissances et RAG : recherche de documents sur l’appareil
Chaque projet Off Grid AI peut avoir sa propre base de connaissances. Ajoute des PDF, des fichiers texte ou du code : l’appli les traite entièrement sur l’appareil et les rend consultables dans tes conversations.
C’est de la génération augmentée par récupération (RAG) entièrement en local. Aucun document ne quitte ton appareil, et les statistiques facultatives n’incluent jamais de noms de fichiers.
Comment ça marche
Ton document
→ Extraction du texte (PDF ou texte brut)
→ Découpage (par paragraphes, fenêtre glissante en secours)
→ Vectorisation (all-MiniLM-L6-v2-Q8_0.gguf, intégré à l’appli)
→ Stockage dans SQLite sur l’appareil
Quand tu poses une question :
→ Ta question est vectorisée avec le même modèle MiniLM
→ Similarité cosinus avec tous les passages
→ Les passages les plus pertinents vont au LLM comme contexte
→ Le LLM répond en s’appuyant sur ton document
L’outil search_knowledge_base est ajouté automatiquement à toute conversation d’un projet qui contient des documents. Les modèles compatibles l’appellent dès qu’ils ont besoin d’infos tirées de tes documents.
Créer une base de connaissances
- Ouvre Off Grid AI → Projects
- Crée un projet ou touche un projet existant
- Touche Knowledge Base → Add Document
- Choisis un PDF ou un fichier texte sur ton appareil
Off Grid AI extrait le texte et le vectorise. Compte quelques secondes par document selon sa longueur.
Formats pris en charge
- PDF : extraction native via les API de la plateforme (PDFKit sur iOS, PdfRenderer sur Android)
- Fichiers texte :
.txt,.md,.log - Code :
.py,.js,.ts,.java,.swift,.kt,.go,.rs,.sql,.shet plus - Fichiers de données :
.csv,.json,.xml,.yaml,.toml,.html
Utiliser la base de connaissances en conversation
Une fois les documents ajoutés, les modèles compatibles appellent search_knowledge_base d’eux-mêmes quand ils ont besoin d’une info. L’appel s’affiche dans la conversation.
Tu peux aussi le demander directement :
“Cherche dans ma base de connaissances tout ce qui concerne le parcours d’onboarding”
“D’après le document d’architecture ajouté, explique comment fonctionne le service de téléchargement”
Modèle de vectorisation
all-MiniLM-L6-v2-Q8_0.gguf est fourni avec Off Grid AI (environ 24 Mo). Il est toujours disponible, sans téléchargement, et assez rapide pour vectoriser un PDF de 20 pages en moins de 10 secondes sur un téléphone récent.
Quels LLM peuvent chercher dans la base de connaissances ?
Tout modèle capable d’appeler des outils peut utiliser la base de connaissances. La liste complète est dans le guide des appels d’outils.