reed
Servicio RAG auto-alojado con arquitectura local-first que permite subir documentos, formular preguntas y recibir respuestas en streaming con citas verificables. Utiliza FastAPI, Qdrant para almacenamiento vectorial híbrido (dense + BM25) y soporta Ollama o OpenAI como backend de generación.
Ficha actualizada 26 sept 2026, 17:54 · upstream 26 sept 2026, 17:52 · release v0.6.0
Qué es reed
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Reed es un servicio de recuperación aumentada por generación (RAG) diseñado para operar completamente localmente sin depender de servicios en la nube. El sistema permite a los usuarios subir documentos en formatos PDF, DOCX, HTML y Markdown, formular preguntas y recibir respuestas con citas auditables que apuntan directamente al texto fuente.
La arquitectura se basa en FastAPI para exponer una API RESTful completa y una interfaz web interactiva. Utiliza Qdrant como motor de almacenamiento vectorial, implementando recuperación híbrida que combina embeddings densos con vectores BM25 mediante RRF (Reciprocal Rank Fusion). El sistema incluye mecanismos de seguridad para rechazar respuestas cuando la evidencia recuperada es insuficiente, evitando alucinaciones.
El despliegue es flexible: puede ejecutarse en modo local sin Docker utilizando Ollama para modelos embebidos, o mediante contenedores Docker con soporte para perfiles OpenAI y locales. Incluye herramientas de evaluación integradas con corpus golden set predefinido para medir métricas como Recall@k, nDCG@k y abstención negativa.
- Consultas documentales en entornos regulados donde las citas verificables son obligatorias (legal, médico o corporativo).
- Implementación de chatbots internos que operan completamente offline sin enviar datos a proveedores externos.
- Evaluación objetiva de sistemas RAG mediante métricas estandarizadas y corpus de prueba incluidos en el paquete.
- Despliegue en infraestructura edge con modelos embebidos vía Ollama para máxima privacidad de datos.
- Recuperación híbrida que combina embeddings densos y BM25 sparse mediante Qdrant RRF para mayor precisión.
- Mecanismo de evidencia-aware refusal que rechaza generación cuando la puntuación de recuperación es insuficiente.
- Auditoría completa de citas verificando rango fuente, cobertura de oraciones y citas verbatim.
- Gestión segura de índices con rollback atómico y fingerprinting inmutable para cambios de configuración.
- Evaluación integrada con corpus golden set de 41 preguntas y métricas reproducibles (Recall@k, nDCG@k, MRR).
- Soporte para despliegue local-first sin Docker mediante Ollama o OpenAI API según preferencia del usuario.
- Arquitectura single-node: no soporta alta disponibilidad ni réplicas distribuidas de estado.
- Gestión de estado basada en SQLite local; Qdrant remoto no habilita replicación completa del sistema.
- No incluye sistema multi-tenant ni autorización distribuida entre documentos o usuarios.
- Requiere configuración manual de TLS, API keys y CORS si se expone fuera de localhost.
- El tmpfs puede agotarse sin ajustar REED_TMPFS_SIZE según límites de concurrencia de subida.
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.
Para despliegue en producción: configure REED_API_KEY con valor ASCII fuerte, active TLS en reverse proxy y establezca REED_CORS_ORIGINS explícitos. Use REED_PROFILE=local para Ollama o export OPENAI_API_KEY para OpenAI. En Docker, ajuste REED_TMPFS_SIZE a 2×REED_MAX_UPLOAD_MB×REED_MAX_CONCURRENT_UPLOADS más overhead multipart. Pin versión de imagen (ej: ghcr.io/ulzuhan/reed:0.6.0) para reproducibilidad. No exponga múltiples workers Uvicorn ni réplicas Reed sin Qdrant distribuido.
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.