RAG signifie « génération augmentée par la recherche » : au lieu de répondre de mémoire, l'IA va chercher l'information dans une documentation avant de répondre. Dans VisiDog CLI, cette documentation est une base de fichiers Markdown qui décrit votre projet — et que l'IA peut construire elle-même. Cette page explique comment elle fonctionne et ce qu'elle vous apporte.RAG stands for "retrieval-augmented generation": instead of answering from memory, the AI looks information up in a documentation before answering. In VisiDog CLI, that documentation is a base of Markdown files describing your project — one the AI can even build itself. This page explains how it works and what it brings you.
Un modèle d'IA ne connaît pas votre projet. Il a été entraîné sur des millions de textes généraux, mais il ignore votre architecture, vos conventions et vos décisions. Le RAG comble ce vide : on met une documentation à disposition du modèle, et il la consulte au moment de répondre. La réponse n'est plus « de mémoire », elle est ancrée dans ce que vos documents disent réellement.
An AI model does not know your project. It was trained on millions of general texts, but it knows nothing about your architecture, your conventions and your decisions. RAG fills that gap: you give the model a documentation, and it consults it before answering. The answer is no longer "from memory" — it is grounded in what your documents actually say.
La plupart des implémentations découpent les documents en fragments et les plongent dans une base vectorielle. VisiDog fait un autre choix : des fichiers Markdown que les humains lisent et éditent normalement, un index compact généré automatiquement, et une consultation progressive. Pas d'embeddings, pas de base vectorielle, pas d'infrastructure.
Most implementations split documents into chunks and embed them in a vector database. VisiDog makes a different choice: Markdown files that humans read and edit naturally, a compact index generated automatically, and progressive consultation. No embeddings, no vector database, no infrastructure.
/rag checkDeterministic validation with /rag checkLa base vit dans votre projet, sous trois formes : un petit fichier de configuration (.rag), un dossier documentaire (docs-rag/) qui contient les documents — un sujet précis par fichier —, et un manifeste (INDEX.md) qui résume chaque document sur une seule ligne.
The base lives inside your project, in three forms: a small configuration file (.rag), a documentation folder (docs-rag/) holding the documents — one precise topic per file —, and a manifest (INDEX.md) summarizing each document on a single line.
Concrètement, tout se pilote depuis le panneau « Fichiers du projet » : l'icône en forme de livre active le RAG. Elle est verte quand la base est active, orange pendant les mises à jour, et désactiver le RAG conserve le contenu — vous pouvez revenir quand vous voulez.
In practice, everything is driven from the "Project files" panel: the book-shaped icon switches RAG on. It is green when the base is active, orange during updates, and turning RAG off keeps the content — you can come back anytime.
Quand le RAG est actif, l'IA reçoit une règle simple : consulter la base avant de répondre, et ne jamais tout charger. La consultation monte progressivement :
When RAG is active, the AI gets one simple rule: consult the base before answering, and never load everything. The consultation climbs progressively:
Cette montée progressive — quelques lignes d'index, puis un document ciblé, puis les fichiers de code cités — garde le contexte léger : l'IA ne lit que ce dont elle a besoin. Deux conséquences directes : moins de tokens consommés, et des réponses qui s'appuient sur ce que votre projet documente réellement.
This progressive climb — a few index lines, then one targeted document, then the code files it names — keeps the context light: the AI only reads what it needs. Two direct consequences: fewer tokens spent, and answers that lean on what your project actually documents.
Et si le RAG n'est pas actif ? L'IA ne reste pas bloquée : elle retombe sur le fichier README du projet, puis sur son arborescence. Moins précis, mais toujours fonctionnel.
And if RAG is not active? The AI does not get stuck: it falls back to the project's README file, then to its file tree. Less precise, but still functional.
Icône livre dans le panneau « Fichiers du projet ». L'IA explore votre espace de travail et rédige les premiers documents ; l'icône passe au vert quand la base est prête.
Book icon in the "Project files" panel. The AI explores your workspace and writes the first documents; the icon turns green once the base is ready.
L'index se resynchronise après chaque modification de fichiers. Quand le RAG est actif, tenir la documentation à jour fait partie des règles de l'IA : à chaque création ou modification de code, elle met à jour ou crée le document correspondant.
The index resynchronizes after every file change. When RAG is active, keeping the documentation up to date is part of the AI's rules: on every code creation or change, it updates or creates the matching document.
La commande /rag check valide chaque document : en-tête complet, résumé, liens internes, références de code. Les erreurs et avertissements sont listés fichier par fichier.
The /rag check command validates every document: complete header, summary, internal links, code references. Errors and warnings are listed file by file.
Sur un projet hérité ou une base de code dense, le premier clic produit une première documentation : l'IA s'oriente ensuite par l'index, au lieu d'explorer aveuglément.
On a legacy project or a dense codebase, the first click produces an initial documentation: the AI then finds its way through the index instead of exploring blindly.
Conventions, architecture, procédures : ce que la base documente, l'IA le consulte et le respecte, au lieu d'inventer une réponse générale.
Conventions, architecture, procedures: whatever the base documents, the AI consults and follows it, instead of inventing a generic answer.
Quand l'IA crée ou modifie du code, sa consigne est de mettre à jour ou créer le document correspondant ; l'index, lui, se régénère tout seul. La documentation suit le code, sans y penser.
Whenever the AI creates or changes code, its standing rule is to update or create the matching document; the index regenerates on its own. The documentation follows the code, hands-free.
Les fichiers Markdown se relisent, se corrigent et se versionnent dans Git comme le reste du projet : humains et IA consultent la même source.
The Markdown files can be reviewed, corrected and versioned in Git like the rest of the project: humans and the AI consult the same source.
/rag check valide le contrat documentaire, de façon déterministe.Verifiable: /rag check validates the documentation contract, deterministically.L'IA ne sera jamais mieux informée que votre documentation. Maintenez-la à jour après les évolutions importantes : une base périmée oriente mal.
The AI will never be better informed than your documentation. Keep it up to date after major changes: a stale base points the AI the wrong way.
Chaque document doit porter son en-tête complet : titre, résumé, type, statut, tags, audience, priorité, références de code, liens, date. /rag check signale les manques, fichier par fichier.
Every document must carry its complete header: title, summary, type, status, tags, audience, priority, code references, links, date. /rag check reports what is missing, file by file.
Le manifeste est régénéré automatiquement après chaque modification : l'éditer n'a aucun effet durable. Vos changements appartiennent aux documents, pas à l'index.
The manifest is regenerated automatically after every change: editing it has no lasting effect. Your changes belong in the documents, not in the index.
La base décrit votre projet ; elle ne conserve ni vos préférences de travail ni le fil d'une conversation. Ce sont des rôles différents, complémentaires.
The base describes your project; it keeps neither your working preferences nor the thread of a conversation. These are different, complementary roles.