A propos
Informations sur l'application
RAG Manager
Solution de Retrieval-Augmented Generation (RAG) auto-hebergee pour la gestion, l'indexation et l'interrogation intelligente de vos documents.
v1.5.0XCSI
Stack technique
Technologies utilisees dans l'application
Next.js (Framework)
Framework
PostgreSQL + pgvector (auto-hébergé)
pgvector 0.8
Ollama (Intelligence Artificielle)
LLM + Embeddings
MinIO (Stockage de fichiers)
S3 compatible
Authentification (Microsoft Entra)
OAuth OIDC
Internationalisation
FR / EN / AR
Fonctionnalites
Capacites de l'application
Gestion de documents (PDF, DOCX, XLSX, PPTX, MD, TXT)
Recherche semantique vectorielle
Chat conversationnel avec contexte RAG
Collections hierarchiques de documents
Analytics et monitoring d'utilisation
6 themes personnalisables
Authentification Microsoft Entra ID
Interface multilingue (FR, EN, AR)
OCR des documents scannés par modèle de vision
Serveur MCP (contexte RAG pour agents externes)
Secrets d'intégration chiffrés en base (AES-256-GCM)
Architecture RAG
Le processus de Retrieval-Augmented Generation en 3 etapes
1. Ingestion
Les documents sont telecharges vers MinIO, parses, decoupes en chunks puis stockes en base de donnees.
2. Vectorisation
Chaque chunk est transforme en vecteur par le modele d'embedding Ollama et indexe dans pgvector.
3. Generation
La requete est vectorisee, les chunks similaires sont recuperes et envoyes au LLM pour generer une reponse contextuelle.
RAG Manager — Next.js, Ollama, PostgreSQL/pgvector et stockage S3