Drukuj ten rozdziałDrukuj ten rozdział

Budowa asystenta dokumentów

2. Przygotowanie środowiska i plików

Lokalne chatboty, agenci i systemy RAG z własną bazą wiedzy

Praktyka po kursie · bez GUI

Asystent dokumentów w konsoli

Od działającego RAG do rozmowy i kontrolowanych narzędzi

Orientacyjny czas: 20 min · Tryb pracy: najpierw własna próba, potem przykład

Rozpakuj Asystent_konsolowy_kod.zip do katalogu roboczego. W folderze Kod znajdziesz Start i Rozwiazanie. Pracuj w Start/asystent; rozwiązanie otwieraj do porównania. Każdy z tych folderów jest samodzielnym projektem i ma własną konfigurację oraz dane. Nie mieszaj plików obu wersji w trakcie testów.

Kod/
  Start/asystent/       # zadania do uzupełnienia
  Rozwiazanie/asystent/ # kompletny przykład
  CZYTAJ_NAJPIERW.md
  1. Otwórz terminal w wybranym folderze asystent. Polecenia w książce wykonuj właśnie tam.
  2. Sprawdź Python 3.10 lub nowszy poleceniem poniżej. Jeśli Windows używa polecenia py, zastąp python przez py we wszystkich poleceniach.
  3. Uruchom lokalną usługę Ollama zgodnie z modułem 1. Sprawdź zainstalowane modele; pobierz wskazane niżej tylko wtedy, gdy ich brakuje.
  4. Uruchom lokalny.py i porównaj nazwy modeli z config.json.
python --version
ollama list
ollama pull qwen3:4b-instruct-2507-q4_K_M
ollama pull bge-m3:latest
python lokalny.py

Skrypty uczestnika korzystają wyłącznie z biblioteki standardowej Pythona. Nie wymagają instalowania pakietów pip. Ollama działa pod adresem 127.0.0.1:11434. Pobranie modeli wymaga Internetu, ale późniejsze wywołania programu kierowane są do lokalnej usługi.

Konfiguracja: domyślnie top_k=5, limit kontekstu 4500 znaków, historia 3 tury, temperature=0, seed=42, limit generacji 384 tokeny. To punkt startowy do ćwiczenia, nie obietnica optymalności. Stały seed ułatwia porównanie, ale nie gwarantuje identycznego tekstu na każdym urządzeniu.

Sprawdź przed przejściem dalej

  • Otwieram właściwy folder projektu.
  • Oba modele są widoczne pod nazwami zgodnymi z config.json.
  • Potrafię wskazać model generujący odpowiedź i model embeddingowy.

Materiał uzupełniający do modułów 1–6 · wersja 1.0 · 30.09.2026