Ferramentas de IA avaliadas para o seu trabalho
Ganhe treinando IA
🤝 Você está na biblioteca Grátis & Open Source — ferramentas feitas pela comunidade que você pode usar sem pagar. Um conceito diferente do nosso diretório de IA avaliado.
Início › Grátis & Open Source › Design Gráfico › NexusRAG
✦ Grátis & open sourceDesign Gráfico

NexusRAG

Analisa documentos complexos e imagens convertendo-os em busca vetorial híbrida e grafo de conhecimento LightRAG com citações.

Pipeline de RAG híbrido com grafos de conhecimento e citações

Combina busca vetorial, mapeamento de entidades do LightRAG e LLMs de visão para responder a perguntas de documentos visuais.

Grátis para sempre · open source · MIT
✓ Needs IT✓ No navegador✓ Colaboração em tempo real
6
ZEKAI
RAG de grafo híbrido avançado.
Grátis & open source · Design Gráfico
Facilidade de configuração4
Utilidade8
Manutenção5.5
Comunidade6.5
★ 530
GITHUB
Apr 2026
ATUALIZADO
MIT
LICENÇA
🛠 Não quer hospedar você mesmo? Nós configuramos para você →
⚡ Resposta rápida

O NexusRAG é um motor de geração aumentada por recuperação que processa texto, tabelas e imagens de documentos complexos transformando-os em um banco de dados estruturado de vetores e grafos. Ele é voltado para desenvolvedores e equipes de engenharia de IA que precisam de respostas fundamentadas em evidências com citações precisas de documentos. Você pode implantá-lo localmente usando Ollama e sentence-transformers ou conectá-lo a provedores externos como o Gemini.

Funciona em
Web
Hospedagem
Self-host
Idiomas
Python
Licença
MIT

O que é

O NexusRAG extrai estruturas de layout, tabelas e imagens usando Docling ou Marker, gerando descrições visuais por meio de LLMs multimodais antes da segmentação (chunking). Ele executa uma estratégia de recuperação tripla combinando busca vetorial no ChromaDB, travessia de entidades no LightRAG e reclassificação conjunta com cross-encoder. A interface em React exibe citações inline de 4 caracteres, visualizações de páginas de documentos e visualizadores de rede de grafos de conhecimento direcionados por força.

Para quem

É ideal para engenheiros de software, cientistas de dados e pesquisadores técnicos que constroem ferramentas de busca contextual sobre PDFs, relatórios e manuais complexos. Não é indicado para usuários finais não técnicos que procuram um leitor de PDF desktop de um clique. Se você não possui hardware de GPU dedicado ou orçamento de API para modelos de visão, a ingestão de documentos será significativamente mais lenta.

Recursos principais

Análise Profunda de Layout de Documentos

Preserva hierarquias de títulos, limites de páginas e relações de seções usando motores de análise configuráveis do Docling ou Marker.

Inteligência de Documentos Visuais

Adiciona legendas de LLMs de visão para imagens e resumos de tabelas em markdown estruturado diretamente nos embeddings dos chunks.

Recuperação Híbrida Tripla

Executa sobrecarga de vetores do ChromaDB, busca de entidades do LightRAG e reclassificação por cross-encoder em paralelo.

Citações de Fonte Precisas

Gera tags de citação inline de quatro caracteres que apontam diretamente para números de página e caminhos de títulos originais.

Interface de Grafo Direcionado por Força

Renderiza grafos de rede de entidades e relacionamentos direcionados por força no navegador sem exigir servidores de banco de dados de grafos externos.

Como começar

Pronto em 3 passos

1
Configure as variáveis de ambiente do backend no arquivo `.env` para selecionar o seu analisador de documentos e os endpoints do provedor de LLM.
2
Inicie o servidor FastAPI e a instância do ChromaDB usando o Docker Compose.
3
Inicie o servidor de desenvolvimento do frontend em React para fazer upload de arquivos, inspecionar grafos de conhecimento e testar consultas no chat.
Falando sério

Nosso veredito honesto

Pontos fortes

  • Extrai e legenda imagens e tabelas embutidas para busca vetorial em vez de descartar elementos visuais.
  • Usa NetworkX baseado em arquivos e NanoVectorDB para armazenamento de grafos, evitando configurações complexas de servidores de banco de dados.
  • Permite alternar em tempo real entre o Docling para chunking híbrido e o Marker para documentos ricos em fórmulas.
  • Aplica reclassificação por cross-encoder para pontuar pares de consulta-documento em conjunto, em vez de depender apenas da distância de cosseno.

Onde deixa a desejar

  • Exige recursos pesados de GPU, com a extração de fórmulas do Docling consumindo até 20 GB de VRAM.
  • Requer o gerenciamento de múltiplos serviços, incluindo um backend em Python FastAPI e uma aplicação frontend em React.
  • Carece de autenticação de usuário integrada, gerenciamento de multi-tenancy ou mecanismos de controle de acesso nativos.
Custo

Preços & licença

O NexusRAG é um software gratuito e de código aberto sob a licença MIT. O autor do repositório não oferece uma plataforma em nuvem gerenciada paga. Seus custos operacionais dependem inteiramente de infraestrutura de GPU self-host ou do uso de APIs de modelos comerciais, como o Gemini.

Trabalho remunerado

Vagas para quem fala português

877 vagas remotas abertas de treinamento de IA, atualizadas em 16 de novembro de 2026; a maioria paga $20–$175 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.

Ver todas as vagas abertas →
Comparar

Alternativas

🎁 Alternativas grátis & open source
Saiba mais

Use, ou deixe que a gente configure

📄 PDF grátis: NexusRAG para Design Gráfico
Um guia em linguagem simples para o seu primeiro resultado. Enviado ao seu e-mail.
🔔 64 pessoas querem um tutorial em vídeo completo — adicione seu voto
🛠 Não quer configurar você mesmo?
Nós instalamos, hospedamos e configuramos o NexusRAG para você — e treinamos sua equipe.
Deixe com a gente ↗
Perguntas

FAQ

O NexusRAG pode rodar inteiramente offline?

Sim, você pode configurar o NexusRAG para usar modelos locais do Ollama e sentence-transformers, executando análise, embeddings e chat localmente.

Quais formatos de arquivo o NexusRAG consegue analisar?

Dependendo da configuração ativa do parser, ele aceita arquivos PDF, DOCX, PPTX, XLSX, HTML, EPUB e TXT.

Como as imagens são indexadas para consultas de texto?

Modelos de visão geram legendas de texto para as imagens extraídas durante o upload, que são incorporadas junto com o texto daquela página.

Radar

Últimas notícias de IA

✉️ O kit gratuito semanal
As melhores novas ferramentas grátis & open source para Design Gráfico — um e-mail curto por semana, no seu idioma.
Grátis · 1 e-mail/semana · cancele quando quiser
Ganhe dinheiro treinando IA →

Veja o Zekai primeiro no Google