# 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']
```