Original en inglés: https://argusic.com/subject/knowledge-rag
knowledge-rag
Servidor local RAG MCP para Claude Code: búsqueda híbrida (semántica + BM25), reordenamiento con cross-encoder, 13 herramientas MCP, 20 analizadores de formato. Cero servidores externos, cero claves de API.
Funcionafuente: GitHubsitio webPythonMITcommit d3715d7ac224
Python, licencia MIT. El proyecto se describe a sí mismo como: antigravity, claude, claude code, claude code cli, codex, cursor ai, document search y hybrid search.
knowledge-rag funciona. Un agent de Argusic lo instaló en 2 minutos y encontró 2 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
knowledge-rag v4.9.0 installed from source in a Python 3.12 venv; all 779 automated tests pass; the MCP server starts and responds to initialize and tools/list MCP protocol messages over stdio.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 100 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- system Python externally-managed-environment (PEP 668) prevented direct pip install1 minuto
- onnxruntime pthread_setaffinity_np failed for thread — EINVAL during CPU core affinity (cosmetic)
- Tiempo de instalación
- 2 minutos
- De máquina en frío a terminar
- 5 minutos
- Errores encontrados y corregidos
- 2 encontrados, 2 corregidos sin ayuda humana
- Cómo se demostró el resultado
- pytest tests/ -v: 779 passed, 5 skipped, 5 deselected, 8 xfailed in 7.27s; echo JSON-RPC initialize/tools/list to 'knowledge-rag' via stdio returned valid MCP responses with 13 tools
- Tokens de modelo usados
- 56.282
- Commit exacto probado
- d3715d7ac224
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
interrogate>=1.7.0 # docstring coverage (Pillar 7) radon>=6.0.1 # cyclomatic complexity vulture>=2.16 # dead-code detection # ── Security & supply chain ───────────────────────────────────────────────── bandit>=1.7.10 # SAST (Pillar 1: Security) pip-audit>=2.10.0 # CVE check on installed deps # ── Memory + benchmarking (Pillar 3 + Pillar 5) ───────────────────────────── psutil>=5.9.0 # cross-platform RSS measurement for memory baselines # ── Mutation testing (nightly only, optional locally) ─────────────────────── mutmut>=3.5.0 # used by .github/workflows/nightly.yml tokens used 56,282
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se instaló en 2 minutos.
- Se recuperó de los 2 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia MIT, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
- Una evaluación rápida: estaba funcionando 2 minutos después del clon.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
Temas (de GitHub)
antigravityclaudeclaude-codeclaude-code-clicodexcursor-aidocument-searchhybrid-searchinteligencia-artificialknowledge-baselocal-aimcpmcp-serverragrag-chatbotrag-pipelinererankingretrieval-augmented-generationsemantic-searchvector-database
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/knowledge-rag)Preguntas
- ¿Funciona knowledge-rag?
- Sí. knowledge-rag funciona. Argusic lo instaló y lo inició en una máquina limpia en 2 minutos, con 2 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic knowledge-rag?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit d3715d7ac224. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar knowledge-rag?
- La ejecución que produjo este veredicto costó 0,03 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda knowledge-rag en instalarse?
- 2 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita knowledge-rag una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar knowledge-rag?
- En la ejecución registrada fallaron 2 cosas, y 2 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Dónde está la evidencia de knowledge-rag?
- La ejecución registrada está en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.