paperless-iq
Complemento open-source para Paperless-NGX que añade inteligencia LLM para metadatos, búsqueda RAG y automatización. Soporta Ollama, Bedrock, Anthropic y OpenAI con despliegue local o híbrido.
Ficha actualizada 24 sept 2026, 8:33 · upstream 24 sept 2026, 8:31 · release v1.2.0
Qué es paperless-iq
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Paperless IQ es un complemento de código abierto diseñado para extender las capacidades de Paperless-NGX mediante la integración de modelos de lenguaje grandes (LLMs). Su objetivo principal es dotar al gestor documental de una capacidad analítica avanzada, permitiendo la extracción automática de metadatos estructurados, la clasificación inteligente y la búsqueda conversacional basada en Retrieval-Augmented Generation (RAG).
La arquitectura se basa en un backend desarrollado con Python y FastAPI, complementado por una interfaz de usuario construida con Next.js. El sistema conecta directamente a tu instancia existente de Paperless-NGX para analizar documentos sin necesidad de mover datos fuera del servidor local, garantizando la privacidad. A diferencia de integraciones básicas, ofrece control granular sobre los prompts, el reranking de resultados y la gestión de memoria a largo plazo para las sesiones de chat.
Una característica distintiva es su soporte nativo para Qdrant como motor de búsqueda vectorial, permitiendo búsquedas híbridas que combinan vectores semánticos con términos BM25. Además, incluye capacidades de análisis visual para documentos escaneados o imágenes donde el OCR falla, y está optimizado para archivos multilingües mediante rerankers específicos.
- Clasificación automática de facturas internacionales en múltiples idiomas con salida de metadatos en el idioma local.
- Búsqueda conversacional sobre un archivo histórico legal o médico manteniendo contexto a largo plazo.
- Análisis de documentos escaneados sin texto legible mediante modelos multimodales (Claude, GPT-4o).
- Gestión de entidades y deduplicación de etiquetas para mantener la consistencia en grandes volúmenes de datos.
- Soporte nativo para Qdrant con búsqueda híbrida densa + sparse (BM25) y parámetros HNSW ajustables.
- Análisis visual integrado para PDFs sin OCR, utilizando modelos multimodales como Claude o GPT-4o.
- Multilingüismo real: configuración independiente del idioma de salida del LLM respecto a la interfaz UI.
- Gestión de memoria a largo plazo que resume conversaciones pasadas en hechos extraídos para futuras sesiones.
- Control granular de prompts por campo y tipo de documento, con plantillas personalizadas.
- Requiere configuración manual de variables de entorno y Docker Compose; no es un despliegue 'one-click' sin preparación.
- Dependencia de recursos significativos (RAM/CPU) para ejecutar modelos locales o conectar a APIs cloud costosas.
- Flujo de aprobación manual por defecto, aunque existe modo auto-apply que debe activarse explícitamente.
- La migración entre proveedores de LLM requiere gestión cuidadosa de credenciales cifradas y embeddings.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Utiliza Docker Compose. Configura variables de entorno para credenciales cifradas (Fernet). Ajusta chunk size, overlap y parámetros HNSW según el volumen de datos. Para producción, considera Qdrant en lugar de ChromaDB para mejor escalabilidad. Verifica que el modelo visional esté disponible si se usan PDFs escaneados.
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.