brojs-task-6a1864f78a94f887e50d46da/README.md

RAG agent with ChromaDB and Tavily

CLI-агент, который выбирает между локальной базой знаний и веб-поиском:

• search_local_kb ищет по локальным документам в ChromaDB
• web_search ищет в интернете через Tavily
• агент сам выбирает источник и в финальном ответе указывает Источник: chromadb или Источник: tavily

Установка

ollama pull llama3
ollama pull nomic-embed-text

pip install -r requirements.txt

Создайте .env:

TAVILY_API_KEY=your_api_key

Загрузка документов

Перед демонстрацией загрузите тестовые документы:

python main.py --ingest documents

Запуск чата

python main.py

Для выхода используйте exit.

Структура

• vectorstore.py — Chroma + OllamaEmbeddings, загрузка и чанкинг документов
• tools.py — инструменты search_local_kb и web_search
• agent.py — create_agent с маршрутизацией local vs web
• main.py — CLI и команда --ingest
• documents/ — тестовые .txt/.md файлы для демонстрации