22 lines
1.5 KiB
Python
22 lines
1.5 KiB
Python
# 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']
|
||
``` |