# RAG-агент с ChromaDB и веб-поиском

AI-агент с локальным RAG-хранилищем на **ChromaDB** и веб-поиском через **Tavily**.
Использует **Ollama** для LLM (`llama3`) и эмбеддингов (`nomic-embed-text`).

## Установка

```bash
# Установить модели Ollama
ollama pull llama3
ollama pull nomic-embed-text

# Python-зависимости
pip install -r requirements.txt
```

Создать `.env`:
```
TAVILY_API_KEY=ваш_ключ_tavily
```

## Инициализация базы знаний

Положи `.txt` / `.md` файлы в папку `documents/`, затем:

```bash
python init_db.py
```

## Запуск

```bash
python main.py
```

## Архитектура

| Файл | Назначение |
|------|------------|
| `vectorstore.py` | ChromaDB + `OllamaEmbeddings(model="nomic-embed-text")` |
| `tools.py` | `@tool search_local_kb` (ChromaDB) и `@tool web_search` (Tavily) |
| `main.py` | ReAct-агент на `ChatOllama(model="llama3")` + CLI чат-цикл |
| `init_db.py` | Загрузка документов из `documents/` с чанкингом |

## Маршрутизация

| Запрос | Инструмент | Источник в ответе |
|--------|-----------|-------------------|
| Вопросы по загруженным документам | `search_local_kb` | `chromadb` |
| Актуальные новости / факты | `web_search` | `tavily` |

## Пример

```
Запрос: Какие последние новости про AI-агентов?
[Web Search] ...
Источник: tavily

Запрос: Что в наших конспектах про LangGraph?
[Local KB] ...
Источник: chromadb
```