davide
42d229092f
- rag/config.py, rag/rag.py, rag/retrieve.py (spostati da radice) - rag/__init__.py aggiunto per import come package - path aggiornati: project_root = Path(__file__).parent.parent - ollama/check_env.py: import da ingestion.config e rag.config - ollama/test_ollama.py: import da rag.config Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
Ollama — Verifica Ambiente
Prima di procedere con la vettorizzazione devi avere installato:
- Ollama — server locale per LLM e embedding
- un modello di embedding (es.
qwen3-embedding:0.6b,bge-m3) - un modello LLM (es.
qwen3.5:4b) - chromadb — libreria Python per il vector store
1. Installa Ollama
curl -fsSL https://ollama.com/install.sh | sh
Verifica che il servizio sia attivo:
ollama list
Disinstalla Ollama
# Ferma e rimuovi il servizio systemd
sudo systemctl stop ollama
sudo systemctl disable ollama
sudo rm /etc/systemd/system/ollama.service
sudo systemctl daemon-reload
# Rimuovi il binario
sudo rm /usr/local/bin/ollama
# Rimuovi modelli e dati (opzionale)
sudo rm -rf /usr/share/ollama
# Rimuovi utente e gruppo di sistema (opzionale)
sudo userdel ollama
sudo groupdel ollama
2. Scarica i modelli
Modello di embedding (consigliato)
ollama pull qwen3-embedding:0.6b
Alternative supportate:
bge-m3— ottimo multilingue, 1024 dimnomic-embed-text— più leggero, parzialmente multilingue
Se cambi embedding model rispetto a quello usato in ingestion, riesegui ingest con --force e aggiorna EMBED_MODEL in config.py.
Modello LLM (consigliato per 8 GB RAM)
ollama pull qwen3.5:4b
Se usi un modello diverso, aggiorna OLLAMA_MODEL in config.py.
Disinstalla un modello
ollama rm qwen3.5:4b
ollama rm qwen3-embedding:0.6b
3. Installa le dipendenze Python
source .venv/bin/activate
pip install -r requirements.txt
4. Verifica ambiente
source .venv/bin/activate
python ollama/check_env.py
Output atteso (esempio):
✅ ollama trovato nel PATH
✅ ollama risponde correttamente
✅ embedding disponibile: qwen3-embedding:0.6b
✅ LLM disponibile: qwen3.5:4b
✅ chromadb importabile
✅ Ambiente pronto — procedi con la vettorizzazione:
python ingestion/ingest.py --stem <nome>
Prossimo step
python ingestion/ingest.py --stem <nome>