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

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

python init_knowledge.py --dir ./docs

Интерактивный клиент

python main.py

Команды:

• /search <запрос> — прямой поиск в базе
• /add <заголовок> | <текст> — добавить документ
• /quit — выход