Repository Normativo per RAG

Questa applicazione è progettata per estrarre testi legislativi italiani dal database Normattiva e convertirli in dataset testuali ottimizzati per sistemi RAG (Retrieval-Augmented Generation), in particolar modo per Google NotebookLM.

1. Scopo dell'ottimizzazione e problema del Chunking

Quando si carica un documento esteso in formato standard (come un PDF integrale) su NotebookLM, il motore RAG lo frammenta in segmenti più piccoli, definiti "chunk", per poterli analizzare all'interno della sua finestra di elaborazione. Questo processo causa spesso una perdita di metadati critici: un frammento di testo potrebbe contenere un comma, ma risultare privo di riferimenti diretti al numero dell'articolo o al titolo del testo normativo. Di conseguenza, in fase di interrogazione, il modello può generare risposte imprecise o non essere in grado di citare l'articolo esatto.

L'applicativo risolve questo limite processando il file XML strutturato nativo. L'algoritmo isola i singoli articoli, divide il testo rispettando la punteggiatura logica e inietta forzatamente una stringa di contesto all'inizio di ogni blocco generato, nel formato [RIF. Titolo Documento, art. Numero]. In questo modo, ogni singolo frammento conservato dal database vettoriale manterrà le proprie coordinate esatte in modo permanente.

2. Ricerca e aggiunta di un provvedimento

• Ricerca nel repository: Utilizzare la barra di ricerca integrata per verificare se il dataset relativo al testo normativo di interesse è già presente a sistema.
• Inserimento nuovo atto: Se il testo normativo è assente, cercarlo su Normattiva (anche tramite Google, es. "codice civile normattiva"). Una volta aperta la pagina del provvedimento, copiare l'indirizzo web (URL) per intero dalla barra del browser e incollarlo nell'apposito campo dell'applicazione. Affinché il sistema lo accetti, l'indirizzo copiato deve contenere al suo interno l'identificativo urn:nir:.
• Elaborazione: Dopo l'inserimento, avviare il processo. Il sistema scaricherà i dati, li formatterà e preparerà il dataset. Lasciando vuoto il campo "Titolo Descrittivo", il sistema tenterà di ricavare in autonomia il nome comune del testo normativo.

3. Importazione delle fonti in NotebookLM

Il caricamento dei dataset ottimizzati in NotebookLM prevede due modalità operative:

• Caricamento tramite link (Consigliato): Spuntare le caselle di controllo corrispondenti ai testi normativi di interesse nell'elenco. Cliccare su "Copia Link" nella toolbar. Accedere al progetto NotebookLM, selezionare Aggiungi fonti > Siti web e incollare i link. NotebookLM caricherà i dataset direttamente dal server.
• Caricamento manuale: In alternativa, cliccare sull'icona di download (📥) nella riga corrispondente per scaricare il file testuale sul proprio computer, per poi caricarlo manualmente come fonte su NotebookLM.

4. Ulteriori funzionalità disponibili

• Ricerca tokenizzata: Il campo di ricerca filtra i risultati analizzando le singole parole. Cercando "codice civile", la tabella mostrerà sia il "Codice Civile" che il "Codice di Procedura Civile".
• Analisi del peso: La tabella mostra la dimensione in KB e il numero totale di articoli processati. Si tratta di metriche utili per valutare la quantità di dati che verrà processata come fonte su NotebookLM.