Extracto
Extracto es un cerebro de documentos privado y auto-alojado que convierte PDFs e imágenes en conocimiento recuperable mediante RAG. Utiliza una arquitectura basada en contenedores Docker para orquestar la ingestión, extracción de texto (OCR), post-procesamiento con LLMs y almacenamiento vectorial.
Ficha actualizada 27 sept 2026, 23:12 · upstream 27 sept 2026, 22:48 · release v0.11.0
Qué es Extracto
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Extracto es una solución completa de procesamiento de documentos diseñada para funcionar como un 'cerebro' privado. A diferencia de las herramientas SaaS que cobran por página o ven sus documentos, Extracto se ejecuta localmente en su máquina mediante un único contenedor Docker. Su arquitectura permite conectar cualquier modelo de visión (local o alojado) y enviar los resultados a cualquier destino deseado.
- Ingestión masiva de PDFs e imágenes desde Dropbox, Google Drive, OneDrive o carpetas locales con OCR automático.
- Creación de bases de conocimiento internas para RAG utilizando almacenes vectoriales como OpenSearch, Qdrant o Chroma.
- Integración con agentes de IA mediante servidor MCP para permitir a Claude Desktop, Cursor u otros acceder a documentos.
- Extracción de datos estructurados (JSON) o no estructurados (Markdown) desde formularios y ecuaciones LaTeX.
- Pipeline completo en un contenedor: ingestión, extracción, post-procesamiento, almacenamiento y recuperación.
- Soporte nativo para múltiples modelos de visión y LLMs (Ollama, Mistral, OpenRouter, endpoints compatibles con OpenAI).
- Interfaz MCP para agentes de IA que hablan el protocolo Model Context Protocol.
- Adaptador OpenAI-compatible para reutilizar código existente del SDK de OpenAI apuntando a Extracto.
- Capacidad de redacción automática de PII (datos personales) con rastro de auditoría.
- Exportación flexible de resultados a múltiples formatos: MD, JSON, DOCX, XLSX, ZIP, Obsidian.
- Requiere Docker instalado previamente; no soporta instalación de un clic.
- Complejidad técnica HIGH con requisitos de recursos específicos (4 núcleos CPU, 8GB RAM, 20GB disco).
- Dependencia de modelos externos para OCR y LLMs si no se ejecutan localmente.
- Configuración manual necesaria para integraciones avanzadas como S3/MinIO o OpenSearch.
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Requiere Docker. Se puede instalar con un script que descarga la imagen multi-arch prebuilt, genera AUTH_SECRET automáticamente y crea volumen SQLite persistente. Puertos necesarios: 3000 (UI/API) y 11434 (Ollama opcional). Para despliegue completo, usar stack Docker Compose para orquestar servicios como OpenSearch o S3/MinIO. Verificar recursos del sistema antes de iniciar.
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.