RAG-бот на Qwen за вечер — практический мини-курс

Практический мини-курс, в котором вы за один вечер соберёте рабочего AI-бота для бизнеса на своём ноутбуке без GPU. Работаем локально: Qwen 2.5 (через Ollama) + Qdrant (in-memory) + Streamlit. Итог — готовый MVP, который можно показать заказчику или использовать внутри команды. Что вы сделаете за курс: поднимете локальную LLM Qwen 2.5 (0.5B/1.5B) на CPU через Ollama; подготовите свои документы (чанкование) и получите эмбеддинги на SentenceTransformers; создадите векторный индекс в Qdrant и настроите семантический поиск (kNN, cosine); склеите RAG-пайплайн: retrieval → контекст → ответ «строго по источникам»; соберёте чат-интерфейс на Streamlit с историей и ссылками на найденные фрагменты; упакуете репозиторий (requirements, README) и поймёте, как презентовать и монетизировать MVP. Формат: только текст + код + пошаговые задания (без видео); каждый урок — короткая теория, рабочий скрипт, мини-проверка и квиз; фокус на практику и воспроизводимость, минимум «воды». Требования: Windows/macOS/Linux, Python 3.10+; доступ в интернет только на этапе установки библиотек и модели; базовые навыки терминала и Python (глубокая математика не требуется). Результат: локально работающий RAG-бот на ваших документах; репозиторий с воспроизводимым окружением и понятной структурой; навыки упаковки и презентации решения клиенту + ориентиры по стоимости внедрения. Рекомендуемая нагрузка: «за вечер» — 3–4 часа (или 2–3 сессии по 60–90 минут).