Allan Simões AdegasEnglish
Menu
Voltar para o início

KnowledgeDesk

Open source

Assistente de conhecimento interno que roda 100% local: a empresa conversa com os próprios documentos sem que nenhum dado saia da máquina.

Papel
Autor
Início
2026
localhost · nenhum dado sai da máquinamanual.pdf · politicas.docxKnowledgeDeskfonte: manual.pdf, p. 12Pergunte sobre os documentos…
Ilustração do projeto
100%
local, sem API externa
42
commits, com CI
3
camadas de teste (pytest, Vitest, Playwright)

Visão geral

Muitas empresas não podem mandar documentos internos para uma API externa. O KnowledgeDesk usa modelos locais via Ollama: upload de PDF, DOCX e TXT, chat com RAG e respostas com a fonte citada.

Além do chat, tem um agente em LangGraph que lista, busca e resume documentos dentro de limites de segurança explícitos.

O que ele faz

RAG com fonte citada
Ingestão com chunking e embeddings no ChromaDB, busca com filtro por relevância e resposta em streaming.
Agente com limites
Máquina de estados clarify → plan → execute_tools → respond, com ferramentas só de leitura e número máximo de iterações.
Histórico de conversas
Sessões persistidas em SQLite enquanto a resposta é transmitida.

Arquitetura

Arquitetura: KnowledgeDeskReact + Vite → FastAPI. FastAPI → ChromaDB. FastAPI → SQLite. ChromaDB → Ollama. LangGraph → Ollama. SQLite → LangGraphMáquina localHTTP / SSEReact + Vitechat e uploadFastAPIstreaming SSEOllamaLLM e embeddingsChromaDBvetoresSQLitesessõesLangGraphagente só leitura
Tudo roda na máquina da empresa.

Decisões e trade-offs

Duas lojas, de propósito
Conversas são dados relacionais simples (SQLite); documentos precisam de busca vetorial (ChromaDB). Forçar tudo num banco só misturaria dois modelos de acesso.
SSE em vez de WebSocket
O fluxo é de mão única. Server-Sent Events resolve com fetch e ReadableStream, sem gerenciar conexão bidirecional.
Roteamento determinístico
A intenção do pedido é classificada por regras, não por LLM, para manter os testes determinísticos. O modelo fica só onde é necessário: resumir.

Qualidade e operação

  • Especificação antes do código (Spec Driven Development).
  • Cliente do Ollama injetado em todo o backend, o que permite simular 100% dos testes automatizados.
  • Testes E2E com Playwright contra a stack real; CI com lint, testes e build.

Estado e próximos passos

  • Gravar a demonstração em vídeo e publicar uma imagem Docker pronta.

Stack

PythonFastAPILangChainLangGraphChromaDBSQLiteOllamaReactTypeScriptPlaywright