# RAG Knowledge Base Agent

Локальный интеллектуальный ассистент с RAG‑памятью на базе Qdrant и Ollama.

## Что делает

Агент умеет запоминать произвольные текстовые знания (через команду `/add`) и находить релевантную информацию по смысловому поиску (через команду `/search`). Все данные хранятся в локальной векторной базе Qdrant и не покидают ваш компьютер.

## Стек

| Компонент | Технология |
|-----------|-----------|
| LLM | Ollama — llama3 |
| Эмбеддинги | Ollama — nomic-embed-text |
| Векторное хранилище | Qdrant |
| Фреймворк | LangChain + LangGraph |

## Установка

```bash
# 1. Установить Python‑зависимости
pip install -r requirements.txt

# 2. Загрузить модели Ollama
ollama pull llama3
ollama pull nomic-embed-text

# 3. Запустить Qdrant (через Docker)
docker run -p 6333:6333 qdrant/qdrant
```

## Запуск

```bash
python cli.py
```

## Команды

| Команда | Описание |
|---------|----------|
| `/add <текст>` | Добавить текст в базу знаний |
| `/search <запрос>` | Найти релевантные записи по смыслу |
| `/quit` | Выйти из программы |

Любой другой ввод передаётся агенту как обычный вопрос.

## Структура проекта

```
agent.py        — агент, инструменты, векторное хранилище
cli.py          — интерфейс командной строки
tools.py        — реэкспорт инструментов
chunker.py      — разбивка текстов на чанки
requirements.txt — зависимости
```