diff --git a/solution.py b/solution.py
index 4b764ca..94b5003 100644
--- a/solution.py
+++ b/solution.py
@@ -1,8 +1,145 @@
+import os
 import sys
-from main import run_cli
+from pathlib import Path
+from typing import List
+
+import requests
+from bs4 import BeautifulSoup
+from langchain.embeddings.openai import OpenAIEmbeddings
+from langchain.vectorstores import Chroma
+from langchain.llms import OpenAI
+from langchain.chains.question_answering import load_qa_chain
+from rich.console import Console
+from rich.prompt import Prompt
+
+# --------------------------------------------------------------------------- #
+# Конфигурация и глобальные объекты
+# --------------------------------------------------------------------------- #
+
+console = Console()
+
+CHROMA_DIR = Path("./chroma_db")
+EMBEDDINGS_MODEL = "text-embedding-ada-002"
+LLM_MODEL = "gpt-3.5-turbo"
+
+OPENAI_API_KEY = os.getenv("OPENAI_API_KEY")
+if not OPENAI_API_KEY:
+    console.print("[red]Ошибка: переменная окружения OPENAI_API_KEY не задана[/red]")
+    sys.exit(1)
+
+embeddings = OpenAIEmbeddings(model=EMBEDDINGS_MODEL, openai_api_key=OPENAI_API_KEY)
+llm = OpenAI(model_name=LLM_MODEL, temperature=0.2, openai_api_key=OPENAI_API_KEY)
+
+
+def init_vector_store() -> Chroma:
+    """
+    Инициализирует или загружает существующую базу данных Chroma.
+    """
+    return Chroma(
+        persist_directory=str(CHROMA_DIR),
+        embedding_function=embeddings,
+    )
+
+
+# --------------------------------------------------------------------------- #
+# Веб‑парсинг и загрузка контента
+# --------------------------------------------------------------------------- #
+
+def fetch_text_from_url(url: str) -> str:
+    """
+    Загружает страницу по URL, удаляет скрипты/стили и возвращает чистый текст.
+    """
+    try:
+        resp = requests.get(url, timeout=10)
+        resp.raise_for_status()
+    except Exception as e:
+        console.print(f"[yellow]Не удалось загрузить {url}: {e}[/yellow]")
+        return ""
+
+    soup = BeautifulSoup(resp.text, "html.parser")
+
+    # Удаляем скрипты и стили
+    for tag in soup(["script", "style"]):
+        tag.decompose()
+
+    text = soup.get_text(separator="\n")
+    lines = [line.strip() for line in text.splitlines()]
+    cleaned = "\n".join([l for l in lines if l])
+    return cleaned
+
+
+def ingest_urls(urls: List[str], vector_store: Chroma) -> None:
+    """
+    Загружает тексты по списку URL и сохраняет их в векторный хранилище.
+    """
+    docs = []
+    metadatas = []
+
+    for url in urls:
+        console.print(f"[cyan]Обрабатываем {url}[/cyan]")
+        content = fetch_text_from_url(url)
+        if not content:
+            continue
+        # Разбиваем на части по 1000 символов для удобства векторизации
+        chunk_size = 1000
+        for i in range(0, len(content), chunk_size):
+            chunk = content[i : i + chunk_size]
+            docs.append(chunk)
+            metadatas.append({"source": url})
+
+    if docs:
+        vector_store.add_texts(docs, metadatas=metadatas)
+        console.print(f"[green]Добавлено {len(docs)} фрагментов в базу[/green]")
+    else:
+        console.print("[red]Нет данных для добавления[/red]")
+
+
+# --------------------------------------------------------------------------- #
+# RAG‑обработчик запросов
+# --------------------------------------------------------------------------- #
+
+def answer_query(query: str, vector_store: Chroma) -> str:
+    """
+    Получает ответ на вопрос, используя векторное хранение и LLM.
+    """
+    # Поиск похожих документов
+    docs = vector_store.similarity_search(query, k=5)
+    if not docs:
+        return "Извините, я не нашёл подходящей информации."
+
+    chain = load_qa_chain(llm, chain_type="stuff")
+    result = chain.run(input_documents=docs, question=query)
+    return result
+
+
+# --------------------------------------------------------------------------- #
+# Основная логика программы
+# --------------------------------------------------------------------------- #
+
+def main() -> None:
+    vector_store = init_vector_store()
+
+    # Если база пуста – запрашиваем URL для загрузки
+    if not list(vector_store.get_all_ids()):
+        console.print("[yellow]База данных пустая. Пожалуйста, укажите URL-адреса для индексации[/yellow]")
+        urls_input = Prompt.ask("Введите URL через запятую")
+        urls = [u.strip() for u in urls_input.split(",") if u.strip()]
+        ingest_urls(urls, vector_store)
+        vector_store.persist()
+
+    console.print("[bold green]RAG‑агент готов к работе![/bold green]")
+    while True:
+        try:
+            query = Prompt.ask("\nВведите ваш вопрос (или 'выход' для завершения)")
+            if query.lower() in ("выход", "exit", "quit"):
+                console.print("[blue]До свидания![/blue]")
+                break
+            answer = answer_query(query, vector_store)
+            console.print(f"\n[bold]Ответ:[/bold]\n{answer}\n")
+        except KeyboardInterrupt:
+            console.print("\n[blue]Прервано пользователем. Завершение работы.[/blue]")
+            break
+
 
 if __name__ == "__main__":
-    try:
-        run_cli()
-    except KeyboardInterrupt:
-        sys.exit(0)
\ No newline at end of file
+    main()
\ No newline at end of file