Knowledge Engine

Motor de conocimiento personal con RAG semántico y servidor MCP, optimizado para el ecosistema DeepSeek.

Stack

Related MCP server: team-docs-mcp

Configuración rápida

1. Copia .env.example a .env y añade tu DEEPSEEK_API_KEY

2. Crea un entorno virtual: python3 -m venv venv

3. Actívalo: source venv/bin/activate (Unix) o venv\Scripts\activate (Windows)

4. Instala dependencias: pip install -r requirements.txt

5. Ejecuta python build_index.py para indexar tus notas por Ollama

6. Consulta con python ask.py "tu pregunta"

7. Usa python mcp_server.py para exponer la herramienta MCP a agentes externos

Optimización de costes

• Usa deepseek-v4-flash (modelo por defecto): es el más económico.

• Aprovecha su contexto de 1M tokens: puedes recuperar hasta 50+ fragmentos en una sola llamada.

• max_tokens=1024 por defecto: limita el gasto por respuesta.

• temperature=0: respuestas deterministas, más cortas y predecibles.

• Los embeddings son gratis porque se generan en tu máquina con Ollama y nomic-embed-text.

• Solo pagas por las consultas que haces, no por tener el sistema encendido.

Modelos disponibles

Cambia el modelo en .env si necesitas más calidad.