Агент с RAG‑памятью

Описание

Простой пример AI‑агента, использующего локальный RAG‑хранилище на базе Qdrant и Ollama. Агент умеет:

1. Добавлять документы в векторную базу.
2. Выполнять семантический поиск по базе.
3. Собирать ответы из найденных документов.

Стек

• Python 3.10+
• Qdrant – векторная база данных
• Ollama – локальные LLM и эмбеддинги (llama3, nomic-embed-text)
• LangChain 1.x – фреймворк для агентов и RAG

Установка

# Ollama
ollama pull llama3
ollama pull nomic-embed-text

# Python пакеты
pip install -r requirements.txt

Запуск

python agent.py "Какой последний прогресс в области ИИ?"

Структура проекта

├── agent.py            # основной скрипт агента
├── qdrant_store.py     # обёртка над QdrantVectorStore
├── chunker.py          # разбиение документов на чанки
├── tools.py            # инструменты для агента
├── requirements.txt
└── README.md