<|channel|>final code<|message|>import os
from pathlib import Path
from typing import List

from langchain_ollama import OllamaEmbeddings, OllamaLLM
from langchain_qdrant import QdrantVectorStore
from langchain_text_splitters import RecursiveCharacterTextSplitter
from langchain.tools import tool
from langchain.agents import create_agent, AgentExecutor, Tool
from langchain.schema import Document

# --------------------------------------------------------------------------- #
# Конфигурация и клиент Qdrant
# --------------------------------------------------------------------------- #

QDRANT_HOST = os.getenv("QDRANT_HOST", "localhost")
QDRANT_PORT = int(os.getenv("QDRANT_PORT", 6333))
COLLECTION_NAME = os.getenv("QDRANT_COLLECTION", "rag_collection")

# Инициализируем клиент Qdrant
qdrant_store = QdrantVectorStore(
    url=f"http://{QDRANT_HOST}:{QDRANT_PORT}",
    collection_name=COLLECTION_NAME,
    embeddings=OllamaEmbeddings(model="nomic-embed-text"),
)

# --------------------------------------------------------------------------- #
# Чанкинг текста
# --------------------------------------------------------------------------- #

text_splitter = RecursiveCharacterTextSplitter(
    chunk_size=500,  # символов в чанке
    chunk_overlap=50,
)

# --------------------------------------------------------------------------- #
# Инструменты агента
# --------------------------------------------------------------------------- #

@tool("search_knowledge_base")
def search_knowledge_base(query: str, max_results: int = 5) -> List[Document]:
    """
    Семантический поиск по базе знаний.

    :param query: поисковый запрос
    :param max_results: максимальное количество результатов
    :return: список документов с метаданными
    """
    results = qdrant_store.similarity_search(query, k=max_results)
    return results


@tool("add_to_knowledge_base")
def add_to_knowledge_base(content: str, title: str) -> str:
    """
    Добавление нового документа в базу знаний.

    :param content: полный текст документа
    :param title: заголовок/название документа
    :return: подтверждение добавления
    """
    # Разбиваем на чанки и сохраняем с метаданными
    chunks = text_splitter.split_text(content)
    docs = [
        Document(page_content=chunk, metadata={"title": title})
        for chunk in chunks
    ]
    qdrant_store.add_documents(docs)
    return f"Документ '{title}' успешно добавлен в базу знаний."


# --------------------------------------------------------------------------- #
# Создание агента
# --------------------------------------------------------------------------- #

llm = OllamaLLM(model="llama3")

tools: List[Tool] = [
    Tool.from_function(
        func=search_knowledge_base,
        name="search_knowledge_base",
        description="Используйте для поиска информации в базе знаний. Входные параметры: query, max_results.",
    ),
    Tool.from_function(
        func=add_to_knowledge_base,
        name="add_to_knowledge_base",
        description="Добавляет новый документ в базу знаний. Параметры: content, title.",
    ),
]

agent = create_agent(
    llm=llm,
    tools=tools,
    system_message=(
        "Вы — интеллектуальный агент с доступом к базе знаний. "
        "При необходимости используйте инструмент search_knowledge_base для поиска информации. "
        "Если нужно добавить новый материал, применяйте add_to_knowledge_base."
    ),
)

agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)


# --------------------------------------------------------------------------- #
# Загрузка документов из директории
# --------------------------------------------------------------------------- #

def load_documents_from_directory(directory: str) -> None:
    """
    Загружает все текстовые файлы из указанной папки в базу знаний.

    :param directory: путь к каталогу с документами
    """
    path = Path(directory)
    for file_path in path.rglob("*"):
        if file_path.suffix.lower() not in {".txt", ".md"}:
            continue
        content = file_path.read_text(encoding="utf-8")
        title = file_path.stem
        add_to_knowledge_base(content, title)


# --------------------------------------------------------------------------- #
# Интерактивный клиент
# --------------------------------------------------------------------------- #

def interactive_cli():
    """
    Простая CLI для взаимодействия с агентом.
    Команды:
      /add <path>   - добавить документ из файла
      /search <q>   - поиск по базе знаний
      /quit         - выйти
      любой другой ввод передаётся агенту как вопрос
    """
    print("=== RAG Агент ===")
    while True:
        try:
            user_input = input("\n> ").strip()
        except (EOFError, KeyboardInterrupt):
            break

        if not user_input:
            continue

        if user_input.lower() == "/quit":
            print("До свидания!")
            break
        elif user_input.startswith("/add"):
            _, *parts = user_input.split(maxsplit=1)
            if parts:
                file_path = parts[0]
                try:
                    content = Path(file_path).read_text(encoding="utf-8")
                    title = Path(file_path).stem
                    print(add_to_knowledge_base(content, title))
                except Exception as e:
                    print(f"Ошибка при добавлении: {e}")
            else:
                print("Используйте /add <путь_к_файлу>")
        elif user_input.startswith("/search"):
            _, *parts = user_input.split(maxsplit=1)
            if parts:
                query = parts[0]
                results = search_knowledge_base(query, max_results=3)
                for i, doc in enumerate(results, 1):
                    print(f"\nРезультат {i}:")
                    print(f"Титул: {doc.metadata.get('title', 'Неизвестно')}")
                    print(doc.page_content[:500], "...")
            else:
                print("Используйте /search <запрос>")
        else:
            # Любой другой ввод считается вопросом агента
            response = agent_executor.run(user_input)
            print(response)


# --------------------------------------------------------------------------- #
# Точка входа
# --------------------------------------------------------------------------- #

if __name__ == "__main__":
    # При запуске можно загрузить документы из папки docs/
    docs_dir = os.getenv("DOCS_DIR", "docs")
    if Path(docs_dir).exists():
        load_documents_from_directory(docs_dir)
    interactive_cli()