Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

fast-knowledge

Fast Knowledge es una plataforma de gestión de conocimiento empresarial basada en Java/Spring Boot, diseñada para despliegue privado con RAG mediante LangChain4j. Destaca por su enfoque en auditoría, cumplimiento normativo y rendimiento optimizado para entornos corporativos.

Ficha actualizada 27 sept 2026, 15:07 · upstream 27 sept 2026, 14:55 · release v1.0.0

Ver códigoProblemas y ayudaRepositorio ↗
00

Qué es fast-knowledge

Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.

Fast Knowledge es una solución de gestión de conocimiento empresarial construida sobre Java 21 y Spring Boot 3.5, orientada a despliegues privados en organizaciones que requieren control total sobre sus datos. El sistema implementa un motor RAG basado en LangChain4j que combina búsqueda híbrida (vectorial local + MySQL FULLTEXT) con una arquitectura de doble capa de caché (Caffeine L1 + Redis L2) para garantizar tiempos de respuesta inferiores a 50ms en consultas típicas.

La plataforma está diseñada específicamente para entornos corporativos y gubernamentales, priorizando la auditoría completa de todas las interacciones, el cumplimiento normativo con políticas de 'datos que no salen del dominio' y la capacidad de operar en redes aisladas mediante paquetes de instalación offline. Su arquitectura permite integración RESTful con sistemas empresariales existentes como OA o MES.

El sistema soporta múltiples formatos de documento (PDF, DOCX, MD, etc.) con indexación asíncrona y proporciona una interfaz web moderna basada en Vue 3 para la gestión de conocimientos, búsqueda semántica y chat contextual. Incluye soporte nativo para autenticación LDAP/OIDC y gestión de identidades centralizadas.

CASOS DE USO
  • Gestión documental interna con auditoría completa de consultas y respuestas
  • Integración de RAG en sistemas empresariales existentes mediante API RESTful
  • Despliegue en entornos aislados o redes corporativas sin conexión externa
  • Sistemas de conocimiento para sectores regulados (banca, energía, administración pública)
PUNTOS DESTACADOS
  • Arquitectura Java/Spring Boot nativa, evitando dependencias de Python/Go
  • Motor RAG híbrido con búsqueda vectorial local + MySQL FULLTEXT fusionada
  • Auditoría completa de todas las interacciones con exportación CSV
  • Modo 'datos que no salen del dominio' con LLM_ALLOW_EXTERNAL=false
  • Paquetes de instalación offline para redes aisladas sin conexión externa
PRECAUCIONES
  • Requiere Java 21, lo que puede limitar entornos legacy
  • No incluye Dockerfiles ni Compose nativo (despliegue vía scripts)
  • Sin soporte nativo para agentes autónomos o flujos de trabajo complejos
  • Dependencia externa de LLMs compatibles con OpenAI API
VISUAL

Capturas del proyecto

Imágenes reales detectadas en la documentación del repositorio.

系统概览文档预览知识库管理智能检索智能问答智能对话知识库详情
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU4 vCPUrecomendación inicial
MEMORIA8 GBRAM estimada
DISCO30 GBalmacenamiento base
COMPLEJIDADmediumnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Despliegue manual

Desplegar mediante script Linux ./scripts/install.sh install --env-file .env.ecs. Requiere MySQL 5.7+, Redis opcional y Java 21. Para entornos aislados usar modo bundle con H2 o paquete offline. Habilitar LDAP/OIDC para autenticación centralizada.

—Dockerfile
—Compose
—One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
ReactVueDjangoPython
SERVICIOS
MySQLRedisS3/MinIO
BASES DE DATOS
MySQLRedis
PUERTOS
3306900011434
05

Puede sustituir a

Relaciones detectadas por el análisis del repositorio y su categoría.

06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.