docs: add Japanese README file

I created Japanese translated README.

README.md

@@ -1,6 +1,6 @@
 # RAGenT
 
-**English** | [中文文档](README_zh.md)
+**English** | [中文文档](README_zh.md) | [日本語](README_ja.md)
 
 Probably one of the lightest native RAG + Agent apps out there，experience the power of Agent-powered models and Agent-driven knowledge bases in one click, without complex configuration.
 

README_ja.md

@@ -0,0 +1,99 @@
+# RAGenT
+
+ [English](README.md) | [中文文档](README_zh.md) | **日本語**
+
+おそらく最も軽量なネイティブRAG + Agentアプリの1つであり、複雑な設定なしで、ワンクリックでAgentによるモデルと知識ベースの強力な機能を体験できます。
+
+![image](https://github.com/user-attachments/assets/d78df76f-ee2a-4dbd-955f-5c7b790c9d6d)
+
+## 特徴
+
+チャットとエージェントのインタラクション:
+- [x] 💭 シンプルで使いやすいチャットボックスインターフェース
+- [x] 🌏️ 言語オプション（簡体字中国語、英語）
+- [x] 🔧 複数の（ローカル）モデルソースの推論サポート（Azure OpenAI、Groq、ollama、llamafile）
+- [x] ネイティブのFunction Call（OpenAI、Azure OpenAI、OpenAI Like、Ollama）
+- [x] 🤖 複数のエージェントモードをオンプレミスで提供
+- [x] 🖥️ ダイアログデータのローカルストレージと管理
+
+知識ベース:
+- [x] **ネイティブ実装**のリトリーバル強化生成（RAG）、軽量で効率的
+- [x] オプションの埋め込みモデル（Hugging Face/OpenAI）
+- [x] 使いやすい知識ベース管理
+- [x] ハイブリッド検索、再ランキング、および指定ファイルのリトリーバル
+
+> このプロジェクトが気に入ったら、スターを付けてください。それが私にとって最大の励みです！
+
+## 詳細
+
+### 一般
+
+#### 音声入力:
+
+![image](https://github.com/user-attachments/assets/37ea413d-5ef6-4783-a2da-ed6d1d010f58)
+
+### RAGチャット
+
+![image](https://github.com/user-attachments/assets/03d56128-9fe1-48d4-98ae-9beeae3cca52)
+
+モデルの設定（サイドバー）と詳細な参照の表示:
+
+![image](https://github.com/user-attachments/assets/1c2daa5f-b348-4f27-845c-d9499c517456)
+
+RAGの設定：
+
+![image](https://github.com/user-attachments/assets/e4f31a65-94ff-417b-af21-677ff56c7cd7)
+
+### Function Call
+
+Function Callは`Chat`と`AgentChat`の両方のページでサポートされていますが、実装方法が異なります。
+
+#### チャットページ
+
+このページのFunction Callはネイティブであり、すべてのOpenAI互換モデルで動作しますが、モデル自体がFunction Callをサポートしている必要があります。
+
+![image](https://github.com/user-attachments/assets/75163c4d-bcd2-4ef0-83d5-ab27c6527715)
+
+> 呼び出したい関数をカスタマイズすることもできます。記述ルールについては[toolkits.py](tools/toolkits.py)を参照してください。
+
+#### エージェントチャットページ
+
+AutoGenフレームワークに依存して実装されています（テスト中）。モデルの互換性については[AutoGen](https://github.com/microsoft/autogen)のドキュメントを参照してください。
+
+Function CallはLLMの能力を大幅に強化することができ、現在はOpenAI、Azure OpenAI、Groq、およびローカルモデルをサポートしています。（[LiteLLM + Ollama](https://microsoft.github.io/autogen/docs/topics/non-openai-models/local-litellm-ollama#using-litellmollama-with-autogen)による）
+
+![openai function call](https://github.com/user-attachments/assets/4eabcedb-5717-46b1-b2f4-4324b5f1fb67)
+
+> 呼び出したい関数をカスタマイズすることもできます。AutoGenの関数記述はネイティブの関数呼び出し記述ルールとは**異なる**ことに注意してください。詳細については[公式ドキュメント](https://microsoft.github.io/autogen/docs/tutorial/tool-use/)およびこのプロジェクトの[tools.py](llm/aoai/tools/tools.py)を参照してください。
+
+## クイックスタート
+
+### Git
+
+0. `git clone https://github.com/Wannabeasmartguy/RAGenT.git`を使用してコードを取得します。
+次に、**コマンドプロンプト（CMD）**で実行環境を開き、`pip install -r requirements.txt`を使用して実行依存関係をインストールします。
+
+1. モデル依存関係を設定します：`.env_sample`ファイルを`.env`に変更し、以下の内容を記入します：
+
+    - `LANGUAGE`: `English`と`简体中文`をサポートし、デフォルトは`English`です。
+    - `AZURE_OAI_KEY` : Azure OpenAIモデルを使用している場合、ここにAPIキーを記入します。
+    - `AZURE_OAI_ENDPOINT` : OpenAIモデルを使用している場合、ここにエンドポイントを記入します。
+    - `API_VERSION`: Azure OpenAIモデルを使用している場合、ここにAPIバージョンを記入します。
+    - `API_TYPE`: Azure OpenAIモデルを使用している場合、ここにAPIタイプを記入します。
+    - `GROQ_API_KEY` : Groqをモデルソースとして使用している場合、ここにAPIキーを記入します。
+    - `COZE_ACCESS_TOKEN`: 作成したCoze Botを使用する必要がある場合、ここにアクセストークンを記入します。
+
+> Llamafileを使用している場合、Llamafileモデルを起動した後、アプリケーション内でエンドポイントを設定してください。
+
+2. アプリケーションを起動します：
+
+コマンドラインで`python startup.py`を実行すると起動します。
+
+## ルート
+
+- [x] チャット履歴と設定のローカル永続化
+    - [x] チャット履歴のローカル永続化
+    - [x] 設定のローカル永続化
+- [ ] プリセットエージェントの数を増やす
+- [ ] 混合リトリーバル、再ランキング、および指定ファイルのリトリーバル
+- [ ] 📚️エージェント駆動の知識ベース

README_zh.md

@@ -1,6 +1,6 @@
 # RAGenT
 
-**中文文档** | [English](README.md)
+**中文文档** | [English](README.md) | [日本語](README_ja.md)
 
 可能是最轻量级的本地 RAG + Agent 应用之一，无需进行复杂配置，即可一键体验 Agent 加持下不同模型能力的强大提升。