Как построить RAG-пайплайн на Atomic-Agents с типизированными схемами

В руководстве описывается создание полноценной RAG-системы на основе библиотеки Atomic-Agents. Пайплайн включает планировщик запросов к базе знаний, модуль поиска релевантного контекста и агент-ответчик. Все компоненты используют строгую типизацию через Pydantic-схемы и взаимодействуют с OpenAI через instructor. Контекст извлекается из официальной документации (README, домашняя страница и примеры) и векторизуется с помощью TF-IDF. Документы разбиваются на перекрывающиеся фрагменты, после чего ищутся топ-6 релевантных блоков по каждому сгенерированному поисковому запросу. Результаты внедряются в агент-ответчик через динамический поставщик контекста, а ответы снабжаются ссылками на исходные фрагменты в формате [doc#chunk]. После запуска демонстрационного запроса система переходит в интерактивный режим: пользователь вводит вопросы, а пайплайн генерирует обоснованные, цитированные ответы, опираясь только на документацию.