BMW E36 320i M52 Convertible — Workshop Manual / RAG Corpus

Corpus hors ligne du manuel d'atelier BMW E36 320i Cabriolet M52, préparé pour archivage, expérimentation RAG et ingestion dans une Knowledge Base Open WebUI.

Véhicule

• BMW Série 3 E36
• 320i
• moteur M52
• Cabriolet / Convertible
• capote entièrement automatique S399A

Organisation

source/
└── BMW_E36_320i_M52_CONVER/
    Miroir HTML hors ligne réparé du manuel.

rag/
└── v2.4/
    ├── corpus/
    │   Corpus maître structuré.
    │
    ├── tools/
    │   Scripts de construction, embeddings et retrieval.
    │
    └── benchmarks/
        Benchmark et résultats de validation.

assets/
└── illustrations/
    Illustrations BMW canoniques servies par Forgejo.

deploy/
└── openwebui/
    ├── documents/
    │   Documents canoniques destinés à Open WebUI.
    └── manifest.jsonl

Source

source/BMW_E36_320i_M52_CONVER/ contient le miroir HTML hors ligne réparé.

Il constitue la source historique du corpus mais ne doit pas être ingéré directement dans la Knowledge Base Open WebUI.

Corpus RAG V2.4

rag/v2.4/corpus/ est le corpus maître dérivé du miroir HTML.

Statistiques de référence :

• 4 739 pages HTML physiques
• 2 978 documents BMW logiques
• 2 678 documents canoniques/indexables
• 4 739 illustrations
• 4 842 chunks complets
• 4 163 chunks canoniques/indexables
• 300 documents dupliqués par réindexation BMW
• 182 groupes de duplication textuelle
• 0 image manquante
• 0 erreur critique

Le corpus conserve notamment :

• documents Markdown structurés ;
• codes RA et SI ;
• groupes BMW ;
• références de pièces ;
• numéros d'outillage ;
• provenance ;
• relations pages / illustrations ;
• chunks ;
• manifests ;
• embeddings expérimentaux.

Vue Open WebUI

Le répertoire à ingérer dans Open WebUI est exclusivement :

deploy/openwebui/documents/

Il contient exactement 2 678 documents Markdown canoniques.

Cette vue est construite à partir de :

rag/v2.4/corpus/documents_index.jsonl

Elle évite de réintroduire les 300 duplications BMW identifiées pendant la préparation du corpus.

Le fichier :

deploy/openwebui/manifest.jsonl

permet de relier chaque fichier déployé au corpus maître et à ses métadonnées.

Pipeline de production prévu

Forgejo / branche main
          |
          v
Forgejo Actions runner
          |
          v
deploy/openwebui/documents/
          |
          v
     Open WebUI
          |
          v
chunking + embeddings
          |
          v
        Qdrant
          |
          v
         LLM

Open WebUI reste responsable du chunking et des embeddings utilisés dans le Qdrant de production.

Travail RAG expérimental conservé

Le dépôt conserve également le travail de recherche effectué autour du corpus, notamment :

• embeddings texte BAAI/bge-m3 ;
• embeddings visuels google/siglip2-base-patch16-384 ;
• recherche exacte des identifiants BMW ;
• canonicalisation terminologique BMW/TIS ;
• retrieval hybride multi-requête ;
• reranking ;
• recherche visuelle complémentaire ;
• benchmarks ;
• construction de contexte RAG.

Ces éléments ne sont pas nécessaires à l'ingestion Open WebUI standard, mais sont conservés pour reproductibilité et éventuelle réutilisation.

Embeddings archivés

Texte

• modèle : BAAI/bge-m3
• 4 163 vecteurs
• dimension : 1 024

Illustrations

• modèle : google/siglip2-base-patch16-384
• 3 119 images uniques par SHA-256
• dimension : 768
• 1 620 duplications visuelles évitées

Les matrices et images binaires sont versionnées avec Git LFS.

Répertoires à ne pas ingérer dans Open WebUI

Ne pas synchroniser vers la Knowledge Base :

source/
rag/v2.4/corpus/
rag/v2.4/tools/
rag/v2.4/benchmarks/

Seul ce répertoire constitue la vue d'ingestion :

deploy/openwebui/documents/

Principe de conservation

• source/ : source historique ;
• rag/v2.4/corpus/ : corpus RAG expérimental V2.4 conservé ;
• assets/illustrations/ : illustrations BMW canoniques servies par Forgejo ;
• deploy/openwebui/ : vue documentaire destinée à Open WebUI ;
• Qdrant : index de production régénérable.