# Ответ на комментарий проверки (ChromaDB vs Qdrant)

## Требование задания (ТЗ курса)

В официальном тексте задания **«Агент с RAG-памятью»** указано:

- стек: **Qdrant** + Ollama + LangChain;
- модуль векторного хранилища на базе **Qdrant** (`QdrantVectorStore`);
- зависимости: `langchain-qdrant`, `qdrant-client`.

ChromaDB в ТЗ **не упоминается** и не является обязательным компонентом.

## Комментарий автопроверки

> «Переделайте решение: используйте ChromaDB вместо текущего векторного хранилища.»

Этот комментарий **противоречит ТЗ задания**. Ранее в истории проверки также встречалась обратная формулировка (что ChromaDB нарушает условие и нужен Qdrant).

## Позиция исполнителя (отстаивание решения)

Решение **намеренно** реализовано на **Qdrant**, как в ТЗ:

| Файл | Что реализовано |
|------|-----------------|
| `vector_store.py` | `QdrantClient`, `QdrantVectorStore`, локальный `./qdrant_data` |
| `requirements.txt` | `langchain-qdrant`, `qdrant-client` (без chromadb) |
| `docs/qdrant_ollama.txt` | описание связки Qdrant + Ollama |

Переход на ChromaDB сделал бы сдачу **несоответствующей первоначальному заданию**.

## Просьба к проверяющему

Пожалуйста, оценивайте сдачу по **тексту задания в журнале** (Qdrant), а не по комментарию про ChromaDB — либо уточните, если требования к заданию были обновлены официально.

Подробный комментарий также оставлен в журнале сдачи на platform.brojs.ru.