localOllamaRAG
Sistema RAG local multimodal para PDFs que procesa documentos en tu hardware usando Ollama, MinerU y FAISS sin enviar datos a la nube. Soporta búsqueda híbrida y generación de respuestas con modelos locales.
Ficha actualizada 23 sept 2026, 21:15 · upstream 23 sept 2026, 21:10 · release v3.0.0
Qué es localOllamaRAG
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
MonkeyGrab es una solución de recuperación aumentada (RAG) ejecutada completamente en el cliente para consultar documentos PDF mediante lenguaje natural. Integra MinerU para extraer estructura, tablas e imágenes, conectando texto y visuales en un espacio semántico común gracias a Jina CLIP v2. La arquitectura hexagonal garantiza que la lógica de negocio sea independiente de las dependencias externas como Ollama o FAISS.
El sistema combina búsqueda vectorial exacta con Okapi BM25 y fusión por RRF, seguida de reordenamiento con BGE Reranker v2 M3 para priorizar la evidencia más relevante antes de que un modelo local genere la respuesta final. Soporta cuatro roles de modelos en Ollama para generación, chat, enriquecimiento contextual y síntesis de contexto, optimizando el uso de recursos.
Destaca por su enfoque privacy-first donde ningún dato sale del equipo, soporte multilingüe (español, catalán, inglés) y renderizado de fórmulas LaTeX en la interfaz web. Es adecuado para entornos que requieren control total sobre los datos y modelos, aunque requiere hardware con GPU CUDA para componentes específicos como Jina CLIP.
- Consultas complejas sobre documentos PDF estructurados manteniendo el contexto original
- Análisis de tablas y figuras dentro de los documentos mediante búsqueda multimodal
- Generación de resúmenes, esquemas o cuestionarios a partir del contenido del documento
- Búsqueda híbrida que combina similitud semántica y coincidencia léxica para mayor precisión
- Procesamiento local sin necesidad de claves API ni conexión a servicios externos
- Desarrollo de aplicaciones internas con arquitectura hexagonal para fácil mantenimiento
- Privacidad garantizada: todo el procesamiento (indexación, búsqueda, generación) ocurre localmente en tu hardware
- Búsqueda híbrida avanzada: fusiona resultados de BM25 y vectores con RRF antes del reordenamiento cruzado
- Arquitectura hexagonal estricta: los límites entre capas se verifican automáticamente mediante pruebas unitarias
- Soporte multimodal nativo: conecta texto e imágenes en el mismo espacio semántico sin descripciones intermedias
- Rendimiento optimizado con 4 modelos Ollama especializados para diferentes etapas del pipeline
- Interfaz web y aplicación de escritorio Windows disponibles sin necesidad de contenedores Docker
- Requiere GPU CUDA para ejecutar Jina CLIP debido a conflictos de dependencias en el entorno aislado
- No incluye soporte nativo para Docker ni archivos docker-compose, requiriendo instalación manual de dependencias
- Los modelos Ollama deben descargarse y configurarse manualmente mediante variables de entorno específicas
- La búsqueda multimodal depende del modelo Jina CLIP v2 bajo licencia CC BY-NC 4.0 para uso no comercial sin licencia adicional
- No hay fallback silencioso: si un adaptador falla (ej. reranker), la consulta se detiene en lugar de degradar el servicio
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.
Instalar Python 3.10+, descargar modelos Ollama y Jina CLIP con GPU CUDA disponible. Configurar variables de entorno para los 4 roles de Ollama y rutas a PDFs. Ejecutar la interfaz web en puerto 5000 o app desktop. Verificar límites de RAM (8GB mínimo) y disco (10GB). No usar Docker, instalar dependencias manualmente siguiendo el README.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.