# Агент с RAG‑памятью

## Описание проекта  
`solution.py` реализует простого чат‑бота на основе **RAG** (Retrieval‑Augmented Generation) – он умеет отвечать на вопросы, используя внешние документы как источник знаний.  

Основные компоненты:
- **FastAPI + OpenAI API wrapper** – быстрый HTTP‑сервер и удобный клиент к OpenAI.
- **LangChain** – библиотека для построения цепочек вопросов‑ответов с retrieval‑поддержкой.
- **Qdrant** – векторное хранилище, где сохраняются эмбеддинги документов.
- **rich** – красивый вывод в терминале.

### Как это работает
1. Скрипт загружает все файлы из указанной папки (`--docs-dir`).
2. Для каждого документа генерируются эмбеддинги при помощи модели OpenAI (по умолчанию `text-embedding-ada-002`).
3. Эмбеддинги сохраняются в Qdrant.
4. Создаётся цепочка `RetrievalQA`, которая сначала ищет релевантные документы, а затем генерирует ответ с помощью GPT‑модели (`gpt-3.5-turbo` по умолчанию).
5. Через CLI можно задавать вопросы – бот выводит найденный контекст и финальный ответ.

## Установка зависимостей

```bash
# Создайте виртуальное окружение (рекомендуется)
python -m venv .venv
source .venv/bin/activate   # Windows: .venv\Scripts\activate

# Установите все необходимые пакеты
pip install fastapi uvicorn langchain qdrant-client openai rich
```

> **Важно**  
> Для работы с OpenAI понадобится переменная окружения `OPENAI_API_KEY`.  
> ```bash
> export OPENAI_API_KEY="sk-..."
> ```

## Запуск

```bash
# Предположим, что у вас есть папка docs/ со статьями в формате .txt/.md
python solution.py --docs-dir ./docs
```

### Параметры командной строки

| Аргумент | Тип | По умолчанию | Описание |
|----------|-----|--------------|----------|
| `--docs-dir` | str | `./docs` | Путь к папке с документами. |
| `--qdrant-url` | str | `http://localhost:6333` | URL сервера Qdrant. |
| `--openai-model` | str | `text-embedding-ada-002` | Модель для эмбеддингов. |
| `--llm-model` | str | `gpt-3.5-turbo` | Модель генерации ответов. |

> **Примечание**  
> Если Qdrant не запущен, скрипт автоматически создаст коллекцию с именем `rag_collection`.

## Пример использования

```bash
$ python solution.py --docs-dir ./docs
[2026-05-28 12:00:00] INFO: Загружаю документы из /home/user/docs...
[2026-05-28 12:00:02] INFO: Создаю эмбеддинги для 5 документов...
[2026-05-28 12:00:10] INFO: Сохраняю векторные представления в Qdrant...
[2026-05-28 12:00:11] INFO: Инициализирую цепочку RetrievalQA...

Введите ваш вопрос (Ctrl+C для выхода):
> Какой язык программирования использует FastAPI?
Контекст:
    "FastAPI is a modern, fast web framework for building APIs with Python."
Ответ:
    FastAPI uses the Python programming language.
```

## Что дальше?

- Добавить поддержку других форматов документов (`.pdf`, `.docx`).
- Настроить кэширование ответов для ускорения работы.
- Интегрировать с веб‑интерфейсом через FastAPI.

---

**Автор:** [Ваше имя]  
**Дата создания:** 28 мая 2026 г.