Решение задания: Агент с RAG-памятью

2026-05-19 16:09:35 +00:00
parent 2f352e73c7
commit d865f7e1ee
1 changed files with 22 additions and 0 deletions
@@ -0,0 +1,22 @@
 # Решение задания "Агент с RAG‑памятью"
 ## Что делает код
 1. Создаём два инструмента через `@tool` – семантический поиск и добавление документа в базу знаний.
 2. Инициализируем клиент Qdrant, создаём коллекцию «knowledge_base» (если её нет – создаём).
 3. Для эмбеддингов используем Ollama‑провайдер `nomic-embed-text`.
 4. Реализуем чанк‑инг с RecursiveCharacterTextSplitter.
 5. Создаём агента LangChain, который использует эти инструменты в системном промпте «Используй базу знаний».
 6. Добавляем скрипт‑клиент для загрузки документов из папки и интерактивный CLI.
 ## Как использовать
 - Установите зависимости: `pip install langchain langchain-qdrant langchain-ollama qdrant-client ollama`.
 - Запустите сервер: `python memory_server.py` (см. конец файла).
 - В другом терминале запустите клиент‑скрипт, передав путь к папке с документами.
 ## Вывод в консоль
 ```
 Сохранено: True
 Данные namespace 'default':
  username: Алексей
 Ключи с 'name': ['default:user_name']
 ```