Personal
RAG Local: estudio con apuntes en PDF
App que responde preguntas, resume y genera preguntas de práctica sobre apuntes en PDF, con un LLM que corre en la propia PC.
Imágenes
Contexto
Proyecto personal para estudiar con apuntes propios sin enviar los archivos a servicios externos.
Problema
Buscar respuestas en muchos PDFs de una materia lleva tiempo, y las herramientas de IA en la nube obligan a subir material propio.
Mi rol
Diseño e implementación completa: backend, API REST, frontend y tests.
Solución
Backend en Flask que procesa los PDFs, genera embeddings con Ollama (nomic-embed-text) y responde con qwen2.5:7b citando archivo y página. Frontend en React + TypeScript.
Decisiones técnicas
- Modelos locales con Ollama para que los archivos no salgan de la computadora.
- Respuestas que citan archivo y página para poder verificarlas.
- Lógica separada en servicios (procesamiento de PDF, embeddings, RAG y estudio) y API REST bajo /api.
- 42 tests con pytest y Ollama simulado, para probar sin depender del modelo.
Resultado
En el equipo de prueba (RTX 4050, 16 GB) responde una pregunta en 5–10 s y procesa unas 10 páginas cada 2 s.