Biblioteca › Conjuntos (frameworks) › ragkit

ragkit ★

conjunto de bloques★ propio · github.com/JavierFrauca🗣 C# · .NET nativo🚫 incompatible con nucleus (objetivos distintos)

RAG agéntico llave en mano para .NET (MIT): ingesta idempotente, híbrido BM25+densa con RRF, guardarails y agente con 13 herramientas (github.com/JavierFrauca/Ragkit)

Historia: quién, evolución y momento

Promovido por Javier Frauca — open source (MIT) nacido del método del libro «El origen del conocimiento» y de un RAG real en producción en un despacho laboral. Estado: recién nacido con ambición — cresta de la ola por delante, no detrás. ★

Capacidades

Ingesta idempotente por hash con extractores PDF/DOCX y carpetas recursivas; clasificación por dominios con LLM tier-2 y umbral de confianza; chunking por frontera con navegación posicional; embedders ONNX locales u OpenAI-compatible; stores InMemory/Qdrant/pgvector/SQL Server; recuperación híbrida BM25+densa con RRF acotada por dominio y etiquetas; rerank (cross-encoder o LLM); guardarails de entrada/salida; modo agéntico con 13 herramientas, MCP y streaming; dashboard de administración.

Variantes: elige cuántas fases te cubre

Pipeline completo (agéntico)

Ingestaragkit · ingesta idempotente — Extractores PDF/DOCX, carpetas recursivas e ingesta por hash: Ingested/Unchanged/Rejected

Estructuraragkit · clasificación por dominios — El LLM tier-2 clasifica cada documento en dominio (confianza ≥ 0.8) o lo rechaza

Metaetiquetadoragkit · dominio + etiquetas auto — Dominio y etiquetas asignados en ingesta, o manuales

Chunkingragkit · chunking por frontera — Trocea en límites naturales; ChunkIndex posicional para pedir vecinos o el documento entero

Embeddingragkit · embedders ONNX — BGE-M3, multilingual-e5 o MiniLM en local; o cualquier API OpenAI-compatible (Ollama)

Almacenamientoragkit · vector store — InMemory, Qdrant, PostgreSQL+pgvector o SQL Server 2025 (VECTOR)

Recuperaciónragkit · híbrida BM25+densa — Fusión RRF de vector denso + BM25, acotada por dominio y etiquetas, TopK configurable

Rerankingragkit · rerank — Cross-encoder ONNX local o rerank con LLM (multilingüe)

Generaciónragkit · generación con citas — One-shot con citas, chat con memoria o modo agéntico (13 herramientas) en streaming; guardarrailes de entrada/salida

Solo ingesta + clasificación

Ingestaragkit · ingesta idempotente — Extractores PDF/DOCX e ingesta por hash

Estructuraragkit · clasificación por dominios — Clasificación automática por dominio con umbral de confianza

Metaetiquetadoragkit · dominio + etiquetas auto — Etiquetas asignadas en ingesta

Lo completa por arriba y por abajo

Al soltarlo en el lienzo, además activa y rellena con las piezas por defecto del mercado:Corpus.

Fases que puede cubrir

Ingesta Estructura Metaetiquetado Chunking Embedding Almacenamiento Recuperación Reranking Generación

Pros y contras

Pros	Contras
De la carpeta a la respuesta: cubre ingesta, chunking, embeddings, store, híbrida, rerank y generación Idempotente por hash: reingestar no rompe nada Embedders ONNX locales u OpenAI-compatible, sin setup Stores reales: Qdrant, pgvector, SQL Server 2025, InMemory	Cuña propia 😄 No cura texto (sin normalización previa) Ecosistema .NET

Cocinar con ragkit Volver a la biblioteca