docs: split handbook into docs/ by topic, slim root README, add docs index

Made-with: Cursor

docs/local-llm-ollama.md

@@ -0,0 +1,65 @@
+# Локальные модели через Ollama: где брать, что ставить, обслуживание
+
+## Где брать модели
+
+Проще всего через каталог Ollama: [https://ollama.com/library](https://ollama.com/library)
+
+Расширенные таблицы и заметки по семействам: [model-catalog.md](model-catalog.md)
+
+## Рекомендуемый старт
+
+- `qwen2.5-coder:7b` — хороший баланс для кода
+- `qwen2.5:3b` — если сервер слабый
+- `llama3.1:8b` — универсальный сильный baseline
+- `deepseek-r1:8b` — reasoning-ориентированный вариант
+
+## Базовые команды
+
+```bash
+ollama pull qwen2.5-coder:7b
+ollama pull qwen2.5:3b
+ollama pull llama3.1:8b
+ollama pull deepseek-r1:8b
+ollama list
+```
+
+Установка самого Ollama по ОС — в [install-openclaude-cli.md](install-openclaude-cli.md#2-установка-и-запуск-ollama-для-локального-профиля).
+
+## «Модель дообучается сама» от работы в чате?
+
+Короткий ответ: **нет**.
+
+- Обычная работа в чате не дообучает модель автоматически.
+- Качество обычно улучшают так:
+  - обновляют модель/тег (`ollama pull ...`);
+  - улучшают системные промпты;
+  - подключают RAG (документы + retrieval).
+- Полноценный finetune/LoRA — отдельный ML-процесс.
+
+## Обновление и обслуживание
+
+Смотреть установленные:
+
+```bash
+ollama list
+```
+
+Обновлять нужные:
+
+```bash
+ollama pull qwen2.5-coder:7b
+```
+
+Удалять старые:
+
+```bash
+ollama rm <model:tag>
+```
+
+Проверять занятое место (Linux):
+
+```bash
+sudo du -h --max-depth=2 /usr/share/ollama /var/lib/ollama 2>/dev/null | sort -h | tail -n 30
+```
+
+Дальше: как подключать документы и MCP — [rag-mcp-stack.md](rag-mcp-stack.md).