# Агент с RAG-памятью

**Qdrant** + Ollama + LangChain.

## Что исправлено по замечанию

- Заменено векторное хранилище: ChromaDB -> Qdrant (`vector_store.py`).
- Обновлены зависимости: `langchain-qdrant`, `qdrant-client` в `requirements.txt`.
- Удалены материалы про ChromaDB, оставлены только Qdrant-документы в `docs/`.
- Обновлены описания в `README.md` и `main.py` под Qdrant.
- Параметры чанкинга сохранены (`chunk_size=500`, `chunk_overlap=100`).

## Подготовка

```bash
ollama pull llama3
ollama pull nomic-embed-text
pip install -r requirements.txt
```

Данные Qdrant сохраняются локально в `./qdrant_data` (или `QDRANT_PATH` в окружении).

## Инициализация базы из папки docs

```bash
python init_knowledge.py --dir ./docs
```

## Интерактивный клиент

```bash
python main.py
```

Команды:
- `/search <запрос>` — прямой поиск в базе
- `/add <заголовок> | <текст>` — добавить документ
- `/quit` — выход