В проекте реализован простой RAG (Retrieval-Augmented Generation) pipeline с использованием векторного хранилища и AI-агента на базе Ollama.
Документы индексируются с помощью эмбеддингов, полученных через Ollama (nomic-embed-text).
AI-агент ищет релевантные документы по запросу пользователя, извлекает их из векторного хранилища и генерирует ответ с учетом найденной информации.
Основные компоненты:
- Векторное хранилище для поиска по эмбеддингам.
- Ollama для генерации эмбеддингов и ответов.
- Интеграция с n8n для автоматизации бизнес-процессов.
Установите node.js с официального сайта https://nodejs.org/en/download или магазина приложений windows.
Клонируйте проект, откройте папку и в терминале установите зависимости командой:
npm i
Для запуска n8n в консоли введите
npx n8n
Для запуска ollama, скачанной с github нужно запустить сервер из папки, где она установлена:
./ollama serve
Загрузите модель эмбеддингов в другом терминале:
ollama pull nomic-embed-text
Документ с фиктивными ценами на телефоны хранится в файле rag_data/test.json
Процесс создания n8n workflow будет рассмотрен на практическом занятии.