Volver a todas las herramientas
Herramientas de IA local

Base de conocimiento personal con IA (RAG en tu dispositivo) gratis online

Reportar un problema

Chatea con tus PDF y notas localmente en el navegador con recuperacion RAG privada, almacenamiento IndexedDB y respuestas de IA en el dispositivo.

Base de conocimiento

Importa PDFs, Markdown o archivos de texto locales para crear un índice privado en el navegador.

Documentos: 0
Bloques: 0

Importa PDFs o documentos de texto, deja que el navegador los divida en bloques e indexe localmente con LangChain y Transformers.js, y luego haz preguntas a esa base privada sin subir archivos al servidor de la app.

Esta herramienta usa LangChain.js para dividir contenido, Transformers.js para embeddings y generacion de respuestas, e IndexedDB para persistencia local. Los PDFs grandes aun dependen de la memoria y del margen de CPU o GPU del dispositivo.

Importa documentos locales para empezar a construir tu base privada de conocimiento en el navegador.0%

Preguntar a la base

Haz una pregunta sobre los documentos importados. El navegador recupera los bloques más relevantes antes de generar una respuesta local.

0 Palabras

Documentos indexados

Revisa los archivos que estan almacenados actualmente en la base local.

Todavia no se ha indexado ningún documento.

Respuesta

Revisa la respuesta local antes de copiarla o compartirla en otro lugar.

Estadisticas de ejecución

Detalles rapidos sobre la base local, los modelos seleccionados y el estado actual del chat.

Mensajes del chat

0

Palabras de la respuesta

0

Modelo de embeddings

Modelo de respuesta

Backend usado

Service worker del alcance actual
Service worker no disponible

Bloques fuente recuperados

Estos bloques con mejor coincidencia se usaron como contexto privado de recuperacion para la última respuesta.

Los bloques fuente apareceran aqui después de hacer una pregunta.

Historial local del chat

Las preguntas recientes y las respuestas locales se guardan solo en este dispositivo.

Todavia no hay historial. Haz una pregunta para iniciar un hilo local.

AI Local

Requisitos de modelo y navegador

Las herramientas AI Local se ejecutan en el navegador, pero el tamano del modelo, la aceleracion de hardware y el almacenamiento del navegador afectan la primera carga, la velocidad y el uso offline.

Updated 2026-06-04

Local retrieval storage

  • Requires IndexedDB or equivalent browser storage for notes, embeddings, or local search indexes.
  • Do not use private browsing if you need the local knowledge base to persist.

Browser baseline

  • Use a current Chromium, Edge, Firefox, or Safari release with JavaScript, WebAssembly, Web Workers, and Cache Storage enabled.
  • Private browsing modes or aggressive site-data cleanup can remove cached models and offline assets.

Model loading

  • The first run may download model or runtime assets from the tool bundle or model CDN.
  • After successful loading, repeat use can be faster if the browser keeps the model cache or IndexedDB data.
Procesamiento en el navegador
Resultados inmediatos
Sin almacenamiento de datos

Qué es Base de conocimiento personal con IA (RAG local)?

Mucha información útil vive en PDFs, apuntes, notas de proyecto y documentos que no están bien conectados entre si. Encontrar una respuesta puede implicar abrir varios archivos, buscar manualmente y volver a leer párrafos dispersos. Las plataformas de conocimiento en la nube ayudan, pero obligan a subir el material a una infraestructura externa, algo que no siempre encaja con documentos privados o trabajo en pre-lanzamiento. La base de conocimiento personal con IA lleva ese flujo al navegador. Indexa PDFs y notas localmente, guarda embeddings y metadatos en IndexedDB y responde preguntas usando recuperación local para que los archivos sigan bajo control del usuario.

Tus documentos contienen respuestas, pero encontrarlas a mano es lento y fragmentado

PDFs, notas y documentos internos suelen contener la información correcta, pero esta repartida y cuesta recuperarla rápido.

Buscar uno por uno en varios archivos no escala bien cuando el material crece o cambia seguido.

Las soluciones hosted de knowledge base son útiles, pero requieren exponer el corpus documental a una plataforma externa.

Construir un índice local con RAG para consultar el contenido sin sacar los archivos del navegador

La herramienta divide documentos en chunks, genera embeddings locales y organiza un índice persistente dentro del navegador.

Cuando haces una pregunta, recupera fragmentos cercanos y arma una respuesta apoyada en ese material local.

Como la base vive en IndexedDB, puedes reabrirla más tarde en el mismo dispositivo sin reconstruir todo desde cero.

Cómo usar Base de conocimiento personal con IA (RAG local)

  1. 1Carga los documentos - Sube PDFs, notas y archivos compatibles que quieras convertir en una base consultable.
  2. 2Crea el índice local - Deja que el navegador procese el contenido, genere embeddings y guarde la base en IndexedDB.
  3. 3Haz preguntas - Consulta el contenido con lenguaje natural como si conversarás con tus propios documentos.
  4. 4Revisa citas y fragmentos - Comprueba que la respuesta se apoye en trozos relevantes del material recuperado.
  5. 5Reutiliza la base - Vuelve a abrir la base local en el mismo navegador cuando necesites consultar de nuevo.

Funciones principales

  • RAG local para PDFs y notas
  • Embeddings e índice guardados en IndexedDB
  • Respuestas basadas en fragmentos recuperados
  • Sin subir documentos al servidor de la app
  • Pensado para conocimiento personal o de equipo pequeño

Beneficios

  • Ayuda a consultar documentos privados sin usar una plataforma hosted
  • Mantiene PDFs y notas dentro del dispositivo
  • Permite reabrir la base local sin reindexar desde cero cada vez
  • Sirve para estudio, investigacion y conocimiento interno

Casos de uso

Estudio sobre PDFs personales

Convierte apuntes y material de lectura en una base privada de consulta.

Investigacion interna

Pregunta sobre documentos de trabajo sin subirlos a una plataforma hosted.

Notas de proyecto

Une archivos sueltos en un flujo de preguntas y respuestas local.

Base privada de referencia

Mantiene conocimiento sensible en el dispositivo para recuperarlo más rápido.

Consejos y errores comunes

Consejos

  • Sube documentos con texto legible y estructura razonable para obtener mejor recuperación.
  • Revisa los fragmentos citados antes de confiar en una respuesta importante.
  • Mantener un corpus más enfocado suele mejorar la calidad de las respuestas.

Errores comunes

  • Tomar la respuesta como fuente primaria sin mirar el fragmento recuperado.
  • Meter documentos irrelevantes o demasiado mezclados y esperar precision alta.
  • Confundir una base local personal con una plataforma multiusuario o un sistema definitivo de gestion documental.

Notas útiles

  • RAG local combina recuperación de fragmentos y generación de respuesta; por eso conviene revisar siempre las citas.
  • Guardar embeddings en IndexedDB ayuda a reutilizar la base sin reconstruirla cada vez en el mismo navegador.
  • Mantener el corpus en local reduce la exposicion documental, aunque el costo de índice y modelo cae sobre el dispositivo.

Preguntas frecuentes

Los documentos se envian al servidor de la app?

No. Parsing, indexacion, recuperación y respuesta ocurren en el navegador. Solo los archivos del modelo pueden requerir una descarga inicial.

Donde se guarda la base?

Se guarda en IndexedDB del navegador para reutilizarla localmente en el mismo dispositivo.

Sirve solo para PDF?

No. Tambien puede trabajar con notas y otros textos locales compatibles.

Reemplaza una plataforma multiusuario?

No. Está pensado como base local y privada, no como sistema colaborativo hosted.

Explorar más Herramientas de IA local

Base de conocimiento personal con IA (RAG local) forma parte de la categoría Herramientas de IA local. Explora más herramientas gratis online para resolver tareas parecidas con mayor rapidez.

Ver todo Herramientas de IA local