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

# 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:

python init_db.py

Запуск

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

1.7 KiB Raw Permalink Blame History Unescape Escape