Вердикт AI-ReadyПроверить на копии AI-Ready docs с отдельной оценкой русского и румынского retrieval.

Что это

локальный RAG MCP server для Claude Code: hybrid search, BM25 + semantic vectors + cross-encoder reranking, 13 MCP tools, 20 parsers, без внешних API и облака.

Бизнес-проблема

агенту нужен локальный поиск по документам, коду, PDF, Office-файлам и markdown без отправки данных в SaaS. Особенно для client discovery, internal docs и security-sensitive проектов.

Практическая польза

для AI-Ready это лёгкий компонент для local knowledge hub: подключить документы проекта к Claude Code/Cursor/Windsurf/Claude Desktop и дать агенту search/get/add/update/reindex/evaluate tools.

Почему интересно сейчас

около 130 stars, 22 forks, 5 releases, свежий v4.3.1 от 22 июня 2026, лицензия MIT; docs очень подробные: architecture, install methods, config, troubleshooting, changelog.

Проверка выполнена повторно 2026-07-18; эти показатели относятся к исходному наблюдению и не заменяют собственный тест.

Технические особенности

Python 87.6%; install через npx, pip, one-line installer, Docker или source; FastEmbed ONNX, ChromaDB, BM25 inverted index, cross-encoder Xenova/ms-marco-MiniLM-L-6-v2; поддерживает MD/TXT/PDF/PY/JS/TS/JSON/XML/CSV/DOCX/XLSX/PPTX/IPYNB и др.; SSE/HTTP transport, optional rate limiting, Prometheus metrics, bearer auth.

Значение для AI-Ready

component / Test now. Риски: небольшой проект; нужно проверить русский/румынский retrieval, память на больших корпусах и качество парсинга PDF/Office. Вердикт: Test now на AI-Ready docs.

Риски

  • Небольшой проект требует проверки стабильности на больших корпусах.
  • Качество PDF/Office parsing и multilingual retrieval нельзя выводить из README без собственного теста.

Граница вывода

Первый тест — read-only корпус публичных или синтетических документов; не подключать приватные клиентские данные до проверки удаления и доступа.

Ключевые риски

  • Небольшой проект требует проверки стабильности на больших корпусах.
  • Качество PDF/Office parsing и multilingual retrieval нельзя выводить из README без собственного теста.

Разберите эту страницу со своей LLM

Скопируйте контекст страницы в ChatGPT, Claude, Gemini или другую LLM и попросите применить эту схему к вашему бизнесу.

Можно спросить:

  • Какую ограниченную задачу AI-Ready разумно проверить с помощью Knowledge RAG?
  • Какие риски и условия нужно закрыть перед пилотом Knowledge RAG?
Открыть каталог