kotaemon
Kotaemon es una interfaz web open-source para preguntas y respuestas sobre documentos usando RAG. Soporta múltiples LLMs (OpenAI, Ollama, Azure), análisis multimodal, citas avanzadas y razonamiento complejo. Incluye despliegue Docker y sin Docker.
Ficha actualizada 18 sept 2026, 19:36 · upstream 14 jul 2026, 16:53 · release v0.12.0
Qué es kotaemon
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Kotaemon es una herramienta de código abierto diseñada para facilitar la interacción con documentos mediante preguntas y respuestas basadas en RAG (Retrieval-Augmented Generation). Construida con Python y React, ofrece una interfaz limpia y minimalista tanto para usuarios finales como para desarrolladores. Permite conectar con diversos proveedores de LLMs, incluyendo OpenAI, AzureOpenAI, Cohere y modelos locales vía Ollama o llama-cpp-python.
La plataforma soporta pipelines RAG híbridos que combinan recuperación por texto completo y vectorial, junto con re-ranking para mejorar la precisión. Incluye capacidades multimodales para analizar documentos con figuras y tablas, además de un sistema de citas avanzado que muestra fuentes relevantes directamente en el visor PDF integrado. También apoya métodos avanzados de razonamiento como ReAct y ReWOO para preguntas complejas o multi-salto.
Para desarrolladores, proporciona un framework extensible basado en Gradio para construir pipelines RAG personalizados, con soporte para estrategias de indexación alternativas como GraphRAG. La interfaz es altamente configurable a través del panel de usuario, permitiendo ajustar prompts y parámetros de recuperación sin necesidad de modificar código.
- Chat interactivo con documentos PDF, HTML y Excel usando RAG
- Análisis multimodal de documentos que incluyen tablas e imágenes
- Despliegue privado local con modelos Ollama para privacidad total
- Construcción de pipelines RAG personalizados con frameworks extensibles
- Colaboración multiusuario con colecciones privadas y públicas de documentos
- Soporte nativo para múltiples proveedores de LLMs (OpenAI, Azure, Ollama, Groq)
- Pipeline RAG híbrido con recuperación por texto completo y vectorial
- Citas avanzadas con visor PDF integrado y resaltado de fragmentos relevantes
- Razonamiento complejo mediante métodos ReAct y ReWOO para preguntas multi-salto
- Interfaz configurable vía panel de usuario sin necesidad de modificar código
- Extensible con Gradio para añadir elementos personalizados a la UI
- Requiere Python 3.10 o superior para instalación sin Docker
- Algunas implementaciones de GraphRAG solo funcionan con OpenAI u Ollama API
- Posibles conflictos de versiones al instalar NanoGraphRAG o LightRAG
- Soporte limitado a archivos PDF, HTML, MHTML y Excel sin Unstructured instalado
- Imágenes Docker full son más grandes debido a paquetes adicionales de Unstructured
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Recomendado usar Docker con imagen lite para uso estándar o full si se necesitan archivos adicionales. Configurar .env con API keys antes del primer inicio. Verificar modelos en pestaña Resources. Para despliegue local, usar Ollama con imagen main-ollama. Requiere 4 núcleos CPU y 8GB RAM mínimo.
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.