khoj
Khoj es un cerebro artificial personal autoalojable que actúa como asistente de IA capaz de investigar, gestionar documentos y automatizar tareas mediante agentes personalizados.
Ficha actualizada 19 sept 2026, 7:09 · upstream 2 ago 2026, 1:55 · release 2.0.0-beta.28
Qué es khoj
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Khoj funciona como una extensión de capacidades personales o empresariales, escalando desde una IA local en dispositivo hasta soluciones enterprise a escala de nube. Permite interactuar con cualquier modelo de lenguaje grande (LLM) disponible localmente o online, incluyendo Llama3, Qwen, Gemma, Mistral, GPT, Claude y Gemini.
La plataforma procesa respuestas obteniendo información desde internet y documentos locales soportando formatos como PDF, Markdown, org-mode, Word y Notion. Los usuarios pueden acceder a la aplicación desde navegadores web, Obsidian, Emacs, escritorio o móvil mediante WhatsApp.
El sistema permite crear agentes con conocimiento personalizado, personalidad definida y herramientas específicas para asumir cualquier rol. Incluye capacidades de automatización para investigación repetitiva, generación de imágenes, síntesis vocal y reproducción de mensajes.
- Investigación autónoma sobre temas técnicos o personales consultando fuentes web y documentos locales
- Gestión documental multimodal indexando PDFs, Markdown, archivos Word y bases de conocimiento personal
- Creación de agentes personalizados con roles específicos para tareas especializadas de análisis
- Automatización de flujos de trabajo mediante notificaciones inteligentes y newsletters personalizados
- Soporte nativo para múltiples LLMs locales y en la nube sin dependencia de proveedores únicos
- Búsqueda semántica avanzada sobre documentos con recuperación contextual precisa
- Arquitectura escalable desde instalación local hasta despliegue enterprise híbrido
- Integración directa con clientes populares como Obsidian, Emacs y WhatsApp
- Requiere configuración manual de variables de entorno para conectar con APIs de LLMs específicos
- Consumo mínimo documentado de 4 núcleos CPU y 8GB RAM para despliegue estable
- No incluye interfaz gráfica nativa sin utilizar el navegador web o clientes externos
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Utilizar Docker Compose para instalación rápida. Verificar conectividad a APIs externas (OpenAI/Anthropic) antes de producción. Asignar al menos 20GB de espacio en disco para modelos y datos de documentos.
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.