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 .

Клонируйте проект, откройте папку в VsCode.

В терминале установите зависимости командой:

npm i

Для запуска n8n в консоли введите

npx n8n

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.

Обратите внимание, нужно вместо b1g8i6bj34avp7kulp7h подставить свой FOLDER_ID!!!

Не обращайте внимание на сообщение об ошибке, закройте настройки и протестируйте агента.