Практическое задание №3: Память и подтверждение действий: README.md

solutions/69a474cdc46fd26feae69896_Практическое_задание__3__Память_и_подтве/README.md

@@ -0,0 +1,107 @@
+# Практическое задание №3 – Память и подтверждение действий
+
+## Описание проекта
+В этом проекте реализован чат‑бот на основе LangChain + LangGraph с поддержкой:
+- **Памяти разговора** (сохраняется история диалога в памяти `MemorySaver`).
+- **Подтверждения** каждого вызова инструмента пользователем.
+- Взаимодействия с локальными моделями Ollama (`llama3`, `nomic‑embed-text`) и хранением эмбеддингов в Qdrant.
+
+Файлы проекта:
+- `agent.py` – основной скрипт, создающий агента и запускающий диалог.
+- `client.py` – пример клиентского кода для взаимодействия с агентом через API.
+
+## Предварительные требования
+| Компонент | Версия / Минимальные требования | Как установить |
+|-----------|---------------------------------|----------------|
+| **Python** | 3.10+ | `python -m venv .venv && source .venv/bin/activate` |
+| **Ollama** | Любая версия, поддерживающая модели `llama3` и `nomic-embed-text` | [Скачать Ollama](https://ollama.ai/) |
+| **Qdrant** | 1.10+ (локальный сервер) | `docker run -p 6333:6333 qdrant/qdrant` |
+| **Rich** | 13.x | `pip install rich` |
+
+> ⚠️ Убедитесь, что Ollama запущен и модели `llama3` и `nomic-embed-text` загружены:
+> ```bash
+> ollama pull llama3
+> ollama pull nomic-embed-text
+> ```
+
+## Установка зависимостей проекта
+
+```bash
+# В корне репозитория
+pip install -r requirements.txt
+```
+
+Файл `requirements.txt` содержит:
+
+```text
+langchain==0.2.*
+langgraph==0.1.*
+langchain-ollama==0.1.*
+langchain-qdrant==0.1.*
+rich==13.*
+```
+
+> Если вы используете виртуальное окружение, активируйте его перед установкой.
+
+## Запуск
+
+### 1. Запустить агента (`agent.py`)
+
+```bash
+python agent.py
+```
+
+Пример вывода:
+
+```
+🤖 Agent: Здравствуйте! Чем могу помочь?
+User: Какой сегодня прогноз погоды в Москве?
+🤖 Agent (tool: weather): ...
+```
+
+> Агент будет запрашивать подтверждение перед каждым вызовом инструмента. Пользователь отвечает `yes`/`no`.
+
+### 2. Запустить клиент (`client.py`)
+
+```bash
+python client.py
+```
+
+Пример взаимодействия:
+
+```
+Client: Какой сегодня прогноз погоды в Москве?
+Agent: ...
+```
+
+> Скрипт демонстрирует простое API‑взаимодействие с агентом.
+
+## Пример использования
+
+1. **Запуск агента**  
+   ```bash
+   python agent.py
+   ```
+2. **Ввод запроса**  
+   ```
+   User: Расскажи мне о последних новостях в области ИИ.
+   ```
+3. **Подтверждение вызова инструмента**  
+   Агент предложит вызвать инструмент `news`. Вы отвечаете:
+   ```
+   yes
+   ```
+4. **Получение ответа**  
+   Агент возвращает результат, а история диалога сохраняется для последующих вопросов.
+
+> Память позволяет агенту учитывать контекст предыдущих сообщений, а подтверждение повышает контроль над выполнением действий.
+
+## Дополнительные сведения
+
+- Для изменения модели или параметров памяти отредактируйте `agent.py`.
+- В `client.py` можно подключить собственный веб‑интерфейс или REST API.
+- Логи и вывод форматируются библиотекой **Rich** для удобства чтения в терминале.
+
+---
+
+Если возникли вопросы, откройте issue в репозитории. Удачной работы!