使用说明
#本地GenAI产品支持助理（RAG+MCP）
高性能、**100%免费**的本地命令行界面（CLI）助手。它使用**检索增强生成（RAG）**来回答产品问题，并模拟**模型上下文协议（MCP）**行为来访问实时工具。
##概述
该项目通过构建一个代理来满足任务要求，该代理：
1.**RAG:**从 data/ 用于回答特定政策/产品问题的文件夹。
2.**MCP工具：**集成自定义Python工具(get\_current\_time)以回答实时查询。
3.**优化：**在本地使用**Ollama（Llama 3.2）**和**ChromaDB**，实现零成本和数据隐私。
4.**界面：**一个强大的CLI，清楚地指示何时使用工具，何时阅读文档。
##先决条件和设置
1.安装Ollama（人工智能引擎）
这个项目完全在你的机器上运行。您不需要OpenAI API密钥。
1.下载并安装**[Olama](https://ollama.com)**.
2.打开终端/命令提示符，运行以下两个命令下载模型：
```bash
Ollama Pull Callama 3.2
olama pull nomic嵌入文本
```
2.项目设置
1.确保安装了Python（3.10或3.11）。
2.安装所需的依赖项：
```bash
pip安装-r要求.txt
```
3.数据设置
确保文件夹名为 data/ 存在于根目录中，并包含您的markdown文档（例如。， product\_faqs.md, support\_policy.md).
##如何跑步
1.打开终端。
2.运行CLI脚本：
```bash
python cli.py
```
3.等待 === SYSTEM READY === 消息。
4.在提示处键入您的问题 You:.
##设计细节
1.RAG架构（检索增强生成）
***矢量数据库：****ChromaDB**（本地）。它将文档存储为数学向量。
***嵌入：****名义嵌入文本**。一个轻量级、高性能的模型，针对检索任务进行了优化。
***分块：**用途 RecursiveCharacterTextSplitter （大小：1000，重叠：200），以确保在段落分隔中保留上下文。
***检索：**系统根据用户的查询提取前3个最相关的块。
2.MCP工具集成（模型上下文协议）
虽然标准MCP需要客户端-主机架构，但此实现模拟了MCP所必需的核心**路由器逻辑**：
***工具定义：**特定功能 get\_current\_time 使用类型提示和文档字符串定义。
***路由逻辑：**代理分析用户意图（分类步骤），以决定是否需要：
***搜索_DOCS：**（RAG工具）
***GET_TIME:**（时间工具）
***聊天：**（纯LLM）
***反馈：**CLI明确打印 \[Tool Used: Checking Time] 或 \[Tool Used: Reading Manual] 以展示其内在逻辑。
##要测试的示例查询
使用这些查询来验证可交付成果：
|测试用例|查询|预期行为|
| :--- | :--- | :--- |
|**Pure RAG**|“退货政策是什么？”|从中检索信息 data/support\_policy.md.显示 \[Tool Used: Reading Manual]. |
|**纯工具**|“德里当前时间，1美元的印度卢比价格是多少？”|调用python函数。显示 \[Tool Used: Checking Time]. |
|**路由**|“你好”|无需使用任何工具即可自然回答。 |
##限制和未来范围
***环境变量：**否 .env 文件或API键是必需的，因为模型在本地运行。
***Windows编码：**文档加载器已配置为 encoding='utf-8' 防止Windows charmap 错误。
***硬件：**速度取决于您的本地CPU/GPU。
***未来范围：**
*将CLI迁移到Web UI（React或Streamlit）。
*实现完整的MCP客户端-服务器架构，以允许远程工具连接。
*添加“聊天历史”记忆以支持后续问题。
**作者：**[您的姓名]
**提交日期：**[当前日期]
