add README.md

README.md

@@ -1,2 +1,82 @@
-# task-6a1864f78a94f887e50d46da
+# RAG-агент с ChromaDB и веб-поиском
 
+AI-агент с локальным RAG-хранилищем на ChromaDB и веб-поиском через Tavily.
+
+## Требования
+
+- Python 3.10+
+- Ollama (должен быть запущен локально)
+- Модели Ollama: `llama3` и `nomic-embed-text`
+
+## Установка
+
+### 1. Установка моделей Ollama
+
+```bash
+ollama pull llama3
+ollama pull nomic-embed-text
+```
+
+### 2. Установка зависимостей
+
+```bash
+pip install -r requirements.txt
+```
+
+### 3. Настройка переменных окружения
+
+Создайте файл `.env` с вашим Tavily API ключом:
+
+```
+TAVILY_API_KEY=your_tavily_api_key_here
+```
+
+## Запуск
+
+### 1. Инициализация базы знаний
+
+Поместите тестовые документы (`.txt` или `.md`) в папку `documents/` и запустите:
+
+```bash
+python -c "from vectorstore import create_vectorstore, load_documents; load_documents('./documents', create_vectorstore())"
+```
+
+Или просто запустите `main.py` - документы загрузятся автоматически при первом запуске.
+
+### 2. Запуск агента
+
+```bash
+python main.py
+```
+
+## Использование
+
+```
+Запрос: Какие последние новости про AI-агентов?
+[Web Search] ...
+Источник: tavily
+
+Запрос: Что в наших конспектах про LangGraph?
+[Local KB] ...
+Источник: chromadb
+```
+
+Для выхода введите `exit`.
+
+## Структура проекта
+
+- `main.py` — CLI чат-цикл
+- `agent.py` — создание агента с инструментами
+- `tools.py` — инструменты поиска (local KB + web)
+- `vectorstore.py` — работа с ChromaDB
+- `requirements.txt` — зависимости
+- `documents/` — папка с тестовыми документами
+
+## Компоненты
+
+| Компонент | Описание |
+|-----------|----------|
+| ChromaDB | Векторное хранилище с эмбеддингами Ollama |
+| search_local_kb | Семантический поиск в локальной базе |
+| web_search | Поиск через Tavily API |
+| create_agent | Агент с автоматическим выбором источника |