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

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

Установка зависимостей

# 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.
export OPENAI_API_KEY="sk-..."

Запуск

# 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

$ 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.

4.2 KiB Raw Blame History Unescape Escape