Metadata-Version: 2.4
Name: outai
Version: 0.1.0
Summary: Et minimalistisk og Local-First bibliotek for RAG og strukturert AI-data.
Author-email: narioze <din.epost@example.com>
Classifier: Programming Language :: Python :: 3
Classifier: License :: OSI Approved :: MIT License
Classifier: Operating System :: OS Independent
Requires-Python: >=3.8
Description-Content-Type: text/markdown
Requires-Dist: openai>=1.0.0
Requires-Dist: pydantic>=2.0.0
Requires-Dist: lancedb>=0.4.0

```python
md_content = """# 🚀 EasyAI

EasyAI er et minimalistisk Python-bibliotek skapt for å fjerne hodebry rundt AI-utvikling. Med fokus på fantastisk utvikleropplevelse (DX) løser biblioteket to av de største utfordringene i dag på minimalt med kode: **Strukturert data (Pydantic)** og **RAG (Retrieval-Augmented Generation)**.

Biblioteket er "Local First", som betyr at du kan kjøre alt 100 % gratis på din egen maskin uten API-nøkler.

---

## 🛠️ Installasjon

1. Klon eller last ned dette prosjektet.
2. Installer de nødvendige Python-pakkene:

```bash
pip install -r requirements.txt

```

---

## 💻 Slik kjører du lokalt (Gratis)

EasyAI bruker **Ollama** for å kjøre modeller lokalt på maskinen din.

1. Last ned og installer Ollama fra [ollama.com](https://ollama.com).
2. Åpne terminalen din og last ned språkmodellen og embedding-modellen vi bruker:

```bash
ollama run llama3
ollama run nomic-embed-text

```

Når modellene er lastet ned, er du klar!

---

## 🚀 Hurtigstart (Quick Start)

Her er et enkelt eksempel på hvordan du bruker både strukturert data og lokal RAG på noen få linjer med kode:

```python
from easyai import EasyAI
from pydantic import BaseModel

# 1. Initialiser i lokal modus (krever ingen API-nøkkel)
ai = EasyAI(local=True)

# 2. Hent ut perfekt strukturert data (Typesikker)
class Produkt(BaseModel):
    navn: str
    pris_nok: int

produkt = ai.chat(
    prompt="Lag en kul spill-mus til 799 kroner.", 
    response_model=Produkt
)
print(f"Produkt laget: {produkt.navn} - {produkt.pris_nok} kr")

# 3. Enkel RAG (Lokal vektordatabase)
print("Lagrer kunnskap...")
ai.add_document("Kontoret er stengt i hele juli på grunn av fellesferie.")

# Søk i databasen
kontekst = ai.search("Når kan jeg ikke komme på kontoret?")
print(f"Svar funnet: {kontekst}")

```

---

## 🔑 Bruke OpenAI i stedet?

Hvis du heller vil bruke OpenAI sine sky-modeller i produksjon, er det superenkelt:

1. Sett opp API-nøkkelen din i miljøvariablene: `OPENAI_API_KEY="din-nøkkel"`
2. Initialiser uten `local=True`:

```python
ai = EasyAI() # Bruker gpt-4o-mini som standard

```

"""

with open("README.md", "w", encoding="utf-8") as f:
f.write(md_content)

```
Your Markdown (.md) file is ready
[file-tag: code-generated-file-0-1780773680095003279]

Her har jeg opprettet og formatert `README.md`-filen for deg. Du kan laste den ned direkte via fil-taggen over, eller kopiere kildekoden direkte herfra hvis du foretrekker det:

```markdown
# 🚀 EasyAI

EasyAI er et minimalistisk Python-bibliotek skapt for å fjerne hodebry rundt AI-utvikling. Med fokus på fantastisk utvikleropplevelse (DX) løser biblioteket to av de største utfordringene i dag på minimalt med kode: **Strukturert data (Pydantic)** og **RAG (Retrieval-Augmented Generation)**.

Biblioteket er "Local First", som betyr at du kan kjøre alt 100 % gratis på din egen maskin uten API-nøkler.

---

## 🛠️ Installasjon

1. Klon eller last ned dette prosjektet.
2. Installer de nødvendige Python-pakkene:

```bash
pip install -r requirements.txt

```

---

## 💻 Slik kjører du lokalt (Gratis)

EasyAI bruker **Ollama** for å kjøre modeller lokalt på maskinen din.

1. Last ned og installer Ollama fra [ollama.com](https://ollama.com).
2. Åpne terminalen din og last ned språkmodellen og embedding-modellen vi bruker:

```bash
ollama run llama3
ollama run nomic-embed-text

```

Når modellene er lastet ned, er du klar!

---

## 🚀 Hurtigstart (Quick Start)

Her er et enkelt eksempel på hvordan du bruker både strukturert data og lokal RAG på noen få linjer med kode:

```python
from easyai import EasyAI
from pydantic import BaseModel

# 1. Initialiser i lokal modus (krever ingen API-nøkkel)
ai = EasyAI(local=True)

# 2. Hent ut perfekt strukturert data (Typesikker)
class Produkt(BaseModel):
    navn: str
    pris_nok: int

produkt = ai.chat(
    prompt="Lag en kul spill-mus til 799 kroner.", 
    response_model=Produkt
)
print(f"Produkt laget: {produkt.navn} - {produkt.pris_nok} kr")

# 3. Enkel RAG (Lokal vektordatabase)
print("Lagrer kunnskap...")
ai.add_document("Kontoret er stengt i hele juli på grunn av fellesferie.")

# Søk i databasen
kontekst = ai.search("Når kan jeg ikke komme på kontoret?")
print(f"Svar funnet: {kontekst}")

```

---

## 🔑 Bruke OpenAI i stedet?

Hvis du heller vil bruke OpenAI sine sky-modeller i produksjon, er det superenkelt:

1. Sett opp API-nøkkelen din i miljøvariablene: `OPENAI_API_KEY="din-nøkkel"`
2. Initialiser uten `local=True`:

```python
ai = EasyAI() # Bruker gpt-4o-mini som standard

```

```

```
