Initial commit: Pegas Memory (PG + Qdrant + Memgraph, MCP server, 14 tools)

scripts/init_db.py

@@ -0,0 +1,26 @@
+"""Инициализация: применить schema.sql + создать коллекцию Qdrant."""
+import sys, pathlib
+sys.path.insert(0, str(pathlib.Path(__file__).resolve().parents[1]))
+
+from pegas_memory import config, db, qdrant_store
+
+def main():
+    print("Применяю schema.sql к", config.PG_DSN.split('@')[-1])
+    sql = pathlib.Path(__file__).resolve().parents[1] / "schema.sql"
+    conn = db.connect()
+    with conn.cursor() as cur:
+        cur.execute(sql.read_text())
+    conn.commit()
+    print("  -> schema OK")
+
+    print("Создаю коллекцию Qdrant", config.QDRANT_COLLECTION, "(dim=%d)" % config.EMBED_DIM)
+    qdrant_store.ensure_collection()
+    print("  -> collection OK")
+
+    # проверить эмбеддинг
+    v = __import__('pegas_memory.embedding', fromlist=['embed']).embed("проверка")
+    print("  -> embedding dim:", len(v))
+    print("DONE")
+
+if __name__ == "__main__":
+    main()

scripts/smoke_test.py

@@ -0,0 +1,32 @@
+"""Smoke-тест: текст → атомы → PG → Qdrant → поиск."""
+import sys, pathlib
+sys.path.insert(0, str(pathlib.Path(__file__).resolve().parents[1]))
+
+from pegas_memory import db, pipeline, outbox_sync, qdrant_store
+
+SAMPLE = '''
+PostgreSQL — это объектно-реляционная система управления базами данных.
+pgvector — расширение PostgreSQL для хранения векторов и поиска по сходству.
+Qdrant — специализированная векторная база данных, быстрее pgvector на больших объёмах.
+Memgraph — in-memory графовая база данных, использует язык запросов Cypher.
+EmbeddingGemma 2 — модель эмбеддингов Google, размерность 768.
+'''
+
+def main():
+    conn = db.connect()
+    print("Ингест тестового текста...")
+    stats = pipeline.ingest_text(conn, SAMPLE, title="smoke-test", min_confidence=0.3)
+    print("  stats:", stats)
+
+    print("Outbox-синк → Qdrant...")
+    s = outbox_sync.sync_all(conn)
+    print("  sync:", s)
+
+    print("Поиск 'векторная база данных'...")
+    hits = qdrant_store.search("векторная база данных", top_k=3)
+    for h in hits:
+        print(f"  [{h['score']:.3f}] ({h['type']}) {h['claim'][:80]}")
+    print("DONE")
+
+if __name__ == "__main__":
+    main()