2dph
2dph es un cerebro basado en evidencia-first con grafo de propiedades + RAG híbrido. La búsqueda es deducción: primero se confirman los hechos, luego información secundaria y web-search como fuente independiente cuando el grafo local no lo puede confirmar.
Ficha actualizada 22 sept 2026, 23:23 · upstream 22 sept 2026, 23:21 · release v0.24.8
Qué es 2dph
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
2dph es una base de conocimiento única integrada (LadybugDB) que combina un grafo de propiedades nativo con índices vectoriales HNSW y full-text BM25. Permite búsquedas deductivas: se priorizan los hechos confirmados, luego información contextual, y web-search como fuente independiente cuando el grafo local no puede confirmar la respuesta. El sistema incluye ETL integrado para documentos, correos, chats y historial de git.
- Búsqueda de conocimiento con razonamiento deductivo
- Integración de fuentes múltiples (documentos, correo, chat, git)
- Creación de reglas basadas en evidencia verificable
- Sistema de agentes que consultan y construyen respuestas paso a paso
- Gestión de confianza en información con auditoría de fuentes
- Búsqueda híbrida entre grafo local y web externa
- Modelo deductivo: se requiere ≥2 fuentes independientes para confirmar un hecho; una sola fuente o conflicto genera hipótesis
- LadybugDB como base única con HNSW vector + BM25 full-text en el mismo grafo
- Búsqueda híbrida: hechos → información contextual → web-search como fuente independiente
- Transacciones ACID para datos de hechos e info escritos simultáneamente
- Reconversión de texto a grafo sin dependencias externas (solo Go + Zig CGO)
- Web search como segunda fuente independiente, con throttling si no hay resultados
- El grafo local es único y no se puede expandir dinámicamente
- La web-search depende de un servicio externo (SearXNG) que puede ser lento o inestable
- Los hechos confirmados son fijos; nuevas fuentes requieren reindexación
- No hay persistencia en disco fuera del grafo LadybugDB
- El modelo vectorial requiere 256 dimensiones y es CPU-intensive
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Se ejecuta con Docker Compose: el cerebro HTTP/MCP se inicia en puerto 8630. Para reindexar, se usa docker compose --profile index run --rm index (requiere Zig CGO). Se recomienda usar un solo grafo para evitar inconsistencias. La web-search debe configurarse como fuente independiente y no confinar a la misma red que el grafo local.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.