Un buscador corporativo basado en RAG y búsqueda semántica local, sin dependencias en APIs externas.

MeigaSearch resuelve el problema de búsqueda a través de documentos corporativos dispersos (PDFs, Excel, Word, PPTX, CSV, texto, imágenes). Utiliza modelos de IA locales para indexación y búsqueda semántica, manteniendo la soberanía de los datos sin depender de servicios en la nube.

• Ingesta Mágica: Sube documentos y se indexan automáticamente con OCR avanzado (Tesseract) y extracción de metadatos técnicos (ExifTool).
• Global RAG Chat: Chatea con toda tu base de conocimientos mediante Streaming (SSE) y obtén respuestas con citas precisas a los documentos originales.
• Búsqueda Híbrida Inteligente: Combina búsqueda semántica (vectores) + búsqueda léxica (exacta) en paralelo para obtener resultados óptimos.
• Inferencia de Categorías: Clasificación automática del contenido en áreas como RRHH, Finanzas, Legal, Técnico, Comercial, Sostenibilidad e IT.
• Provider-Agnostic LLM: Soporte dinámico para proveedores locales (Qwen/SmolLM) y externos (OpenAI, Gemini, Claude) configurable en caliente.
• Filtros Avanzados: Búsqueda por autor, mes, año, creador del documento y metadatos técnicos específicos.
• Autenticación JWT: Control de acceso por roles (admin, editor, normal) con cifrado bcrypt.
• Arquitectura Robusta: Qdrant como base de datos vectorial y Celery + Redis para procesamiento asíncrono.

1. Configura el entorno:

   cd meiga-search/backend
   cp .env.example .env  # Configura tus API Keys si usas modelos externos

2. Levanta los servicios:

   docker compose up -d

3. Accede a la interfaz:

   • Frontend: http://localhost:8000
   • API Docs (Swagger): http://localhost:8000/docs

Puedes cambiar el proveedor de inteligencia artificial en tiempo real desde el panel de administración o mediante la API:

curl -X POST http://localhost:8000/api/system/settings \
  -H "Authorization: Bearer ADMIN_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "provider": "gemini",
    "api_key": "YOUR_GEMINI_KEY",
    "model_name": "gemini-1.5-pro"
  }'

Proveedores soportados: local, openai, gemini, claude.

Endpoint: GET /api/search

Parámetros:

• q: Consulta de búsqueda (ej. "factura de electricidad")
• mode: semantic (default) o text (exacto)
• month / year: Filtrado cronológico
• type: pdf, txt, csv, xlsx, image
• author: Filtrar por autor extraído de metadatos

graph TD
    subgraph Frontend ["💻 Frontend (SPA)"]
        UI["Vanilla JS + CSS Glassmorphism<br/><b>Marked.js</b> (Markdown)"]
    end

    subgraph Backend ["⚙️ API & Inteligencia"]
        FAST["<b>FastAPI</b> (Python 3.11+)<br/>JWT + Pydantic v2"]
        AI["<b>AI Engine:</b> LLMs & Embeddings<br/>(OpenAI, Gemini, Local)"]
    end

    subgraph Async ["⚡ Procesamiento & Ingesta"]
        WORK["<b>Celery + Redis</b><br/>(Pipeline asíncrono)"]
        EXT["<b>Extractores:</b> OCR (Tesseract)<br/>ExifTool + PyMuPDF"]
    end

    VDB[("🔍 Vector DB<br/><b>Qdrant</b>")]

    UI <--> FAST
    FAST <--> AI
    FAST <--> VDB
    FAST --> WORK
    WORK --> EXT
    EXT --> VDB

    %% Estilos de alta legibilidad (Texto oscuro sobre fondo claro)
    style Frontend fill:#e1f5fe,stroke:#01579b,color:#000
    style Backend fill:#fff3e0,stroke:#e65100,color:#000
    style Async fill:#f3e5f5,stroke:#4a148c,color:#000
    style VDB fill:#e8f5e9,stroke:#1b5e20,color:#000
    
    style UI fill:#fff,stroke:#01579b,color:#000
    style FAST fill:#fff,stroke:#e65100,color:#000
    style AI fill:#fff,stroke:#e65100,color:#000
    style WORK fill:#fff,stroke:#4a148c,color:#000
    style EXT fill:#fff,stroke:#4a148c,color:#000

cd meiga-search/backend
pytest tests/

MeigaSearch se distribuye bajo la licencia Apache 2.0. Ver LICENSE.

Desarrollado durante el HackUDC 2026. Profesionalmente adaptado para entornos corporativos seguros.