45 lines
1.3 KiB
Markdown
45 lines
1.3 KiB
Markdown
# 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
|
|
|
|
```bash
|
|
# Ollama
|
|
ollama pull llama3
|
|
ollama pull nomic-embed-text
|
|
|
|
# Python пакеты
|
|
pip install -r requirements.txt
|
|
```
|
|
|
|
## Запуск
|
|
|
|
```bash
|
|
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
|
|
```
|