Budowa chatbota CLI: Cel projektu i sposób pracy

1. Cel projektu i sposób pracy

Lokalne chatboty, agenci i systemy RAG z własną bazą wiedzy

Instrukcja krok po kroku · materiał uzupełniający

Budujemy chatbota w konsoli

Plan własnego chatbota

Odniesienie: M1–M6 | Czas: 10 min

Zbudujesz lokalnego chatbota tekstowego, który przyjmuje pytania w konsoli, wyszukuje fragmenty dokumentów i pokazuje odpowiedź wraz ze źródłami.

Ta książka jest materiałem uzupełniającym do kursu „Lokalne chatboty, agenci i systemy RAG z własną bazą wiedzy”. Łączy wiadomości z modułów 1–6 w jeden mały projekt. Nie zmienia zasad zaliczenia. Interfejs gotowej aplikacji jest tekstowy; nie budujemy GUI ani serwera WWW.

Co będzie działało na końcu

Rozmowa przez wpisywanie pytań i komend w terminalu.
Nowe wyszukiwanie dla każdego pytania, lokalne embeddingi i lokalne generowanie.
Źródła oznaczone [S1], [S2] oraz nazwa dokumentu, wersja, sekcja i identyfikator fragmentu.
Zapis przebiegu do plików, osiem przypadków testowych oraz miejsce na własną ocenę.

Dwa etapy projektu

Etap	Rezultat	Warunek przejścia dalej
Pierwszy czat	`czat_llm.py`: rozmowa z modelem bez własnej bazy	Potrafisz uruchomić program, zadać pytanie i zakończyć rozmowę.
Chatbot z dokumentami	`chatbot.py`: RAG, źródła i zapis wyników	Sprawdzasz znalezione fragmenty, odpowiedzi i zachowanie przy braku danych.

Jak pracować z książką

Pobierz i rozpakuj Chatbot_konsolowy_kod.zip. Zachowaj cały folder chatbot. Jeśli pliku nie ma przy książce, poproś prowadzącego o pakiet towarzyszący.
Utwórz obok drugą kopię: chatbot_moj. To w niej pracuj. Kopia wyjściowa posłuży do porównywania kodu.
Przechodź rozdziały po kolei. Wykonuj polecenia z ramki kodu dopiero w opisanym miejscu. Po każdym etapie zatrzymaj się na punkcie kontrolnym.
Jeśli chcesz składać kod od początku, w folderze chatbot_moj zachowaj dane, config.json i testy.json, a pliki Python twórz według kolejnych rozdziałów. Kompletne wersje są w kopii wyjściowej.

Warto wiedzieć. Przewidywany czas pracy to około 4–6 godzin bez instalacji i pobierania modeli; tempo zależy od znajomości Pythona i sprzętu. Czytaj książkę w krótkich sesjach. Nie musisz przepisywać kodu ręcznie: najważniejsze jest rozumienie, uruchamianie i sprawdzanie zmian.

Związek z kursem

Moduł	Co wykorzystasz
M1	Różnica między czatem a RAG, prompt, kontekst i ograniczenia modelu.
M2	Zakres bazy, tekst, fragmenty i metadane.
M3	Embeddingi, kosinus, top-k i trwały indeks.
M4	Pełny przepływ RAG, kontrola kontekstu i źródła.
M5	Pętla rozmowy, ograniczona pamięć i rozdzielenie interfejsu od RAG.
M6	Plan testów, wyniki z jednego wywołania, ocena i porównanie jednej zmiany.

Świadome uproszczenia

Indeks poradnika ma postać jednego pliku JSON i jest przeszukiwany w całości. Ułatwia to naukę na małej bazie i eliminuje instalowanie bibliotek. W M3 używasz macierzy NumPy i folderu semantic_index; tych formatów nie należy mieszać. Komendy aplikacji są rozpoznawane przez kod. Chatbot z tej książki nie wybiera narzędzi za pomocą modelu i nie jest pełną implementacją agenta z M5.

Punkt kontrolny

Potrafisz powiedzieć, dla kogo tworzysz chatbota i na jakie pytania ma odpowiadać.
Masz osobną kopię projektu i wiesz, gdzie znajdują się materiały wzorcowe.

Instrukcja uczestnika · Python i Ollama · wydanie 29.09.2026