CoreNote
CoreNote es una plataforma de auto-alojamiento para gestión de conocimiento personal basada en RAG. Procesa PDFs y Markdown con búsqueda híbrida y agentes controlados para crear bases de datos verificables.
Ficha actualizada 27 sept 2026, 10:04 · upstream 27 sept 2026, 9:52 · release sin release detectada
Qué es CoreNote
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
CoreNote (Knowledge Hub) es un entorno de trabajo de inteligencia artificial diseñado para ser auto-alojado, permitiendo a usuarios individuales y pequeños equipos consolidar documentos dispersos en una base de conocimiento personal. El sistema ingesta múltiples formatos como PDF, Markdown, HTML y Office, aplicando procesos de limpieza, segmentación y gestión de versiones antes de la indexación.
La arquitectura se basa en FastAPI y Python, ofreciendo una API robusta para la gestión de datos. Utiliza un motor de búsqueda híbrido que combina vectores semánticos (con modelos como bge-m3) y búsqueda por palabras clave (BM25), seguido de un proceso de reordenamiento (Reranker) para mejorar la precisión. Esto permite respuestas fundamentadas en el contexto original del documento.
El proyecto incluye flujos de trabajo controlados mediante agentes que pueden generar resúmenes, borradores o análisis basándose estrictamente en las evidencias recuperadas. Incluye una extensión de navegador para capturar contenido web directamente al repositorio local, facilitando la acumulación de fuentes externas sin depender de servicios SaaS.
- Investigación académica: Importar papers y notas para consultar citas y comparar teorías con evidencia verificable.
- Gestión técnica: Centralizar documentación de APIs, logs y manuales para resolver incidencias rápidamente.
- Redacción asistida: Generar borradores de informes o artículos citando directamente fuentes del propio repositorio.
- Auditoría de información: Verificar afirmaciones consultando el origen exacto (rule_id, página) en lugar de respuestas generadas al azar.
- Gestión de conocimiento personal: Organizar notas web, PDFs y Markdown en una estructura semántica persistente.
- Equipos pequeños: Crear un repositorio interno compartido para SOPs, casos de uso y guías sin exponer datos a la nube.
- Arquitectura auto-alojable con Docker Compose y soporte para backend en FastAPI.
- Motor de búsqueda híbrido que combina vectores densos y BM25 con reordenamiento opcional.
- Gestión robusta de versiones y metadatos (archived, rule_id) para evitar obsolescencia de información.
- Agentes controlados por evidencia que generan respuestas citando fuentes específicas.
- Extensión de navegador integrada para capturar contenido web directamente al sistema.
- Soporte nativo para bases de datos vectoriales externas como Milvus o Zilliz.
- No está optimizado para alta concurrencia ni entornos empresariales con requisitos estrictos de auditoría multi-usuario.
- La calidad de la ingesta depende de la fuente; PDFs escaneados o OCR mal realizado requieren revisión manual.
- Requiere configuración manual de claves API y modelos externos (LLM/Embedding) por parte del usuario.
- No sustituye sistemas corporativos complejos de gestión de permisos, roles ni seguridad avanzada.
- La generación de contenido puede requerir validación humana en contextos de alto riesgo (legal, médico).
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Utilice docker-compose para un despliegue rápido. Configure las variables de entorno (.env) con sus propias claves API y endpoints de modelos. Asegure la persistencia de datos mediante volúmenes Docker. Para producción, implemente HTTPS, configure CORS estrictamente y utilice un dominio propio. Verifique la salud del servicio en el endpoint /api/v1/health antes de usar.
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.