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