rag-context-indexer 1.2.0

Indexador de contexto enriquecido para optimización de RAG en LLMs con soporte Agentic Scaffolding

RAG Context Indexer

Indexador de contexto enriquecido para optimización de RAG en LLMs. Motor agnóstico que inyecta metadatos semánticos en el código fuente y genera un arbol_de_archivos_comentado.json para que los LLMs entiendan arquitecturas complejas ahorrando millones de tokens.

Instalación

pip install rag-context-indexer

Uso

# En la raíz de tu proyecto:

# 1. Instalar el pre-commit hook (una sola vez)
rag-indexer init

# 2. Ejecutar indexación manual
rag-indexer run

Configuración

Crea un archivo .env en la raíz de tu proyecto:

# LLM activo: openai | anthropic | gemini | deepseek
ACTIVE_LLM=openai

# API Keys (solo la del LLM activo es necesaria)
OPENAI_API_KEY=sk-...
ANTHROPIC_API_KEY=sk-ant-...
GEMINI_API_KEY=AIza...
DEEPSEEK_API_KEY=sk-...

# Opcional: usar modelos de razonamiento pesados
USE_CODE_MODEL=false

Modelos soportados

LLM	Tier Default	Tier Code
OpenAI	gpt-4o-mini	gpt-4o
Anthropic	claude-3-haiku	claude-3-5-sonnet-latest
Gemini	gemini-2.5-flash	gemini-2.5-pro
DeepSeek	deepseek-chat	deepseek-coder

Plantilla JSON inyectada por archivo

{
  "archivo": "ruta/relativa/al/archivo.ext",
  "lineas": 0,
  "tokens_estimados": 0,
  "hash_contenido": "sha256_del_codigo_limpio",
  "creacion": "YYYY-MM-DD",
  "modificacion": "YYYY-MM-DD",
  "tags": ["dependencia1", "exportacion_principal"],
  "descripcion_corta": "Máx 50 chars.",
  "descripcion_larga": "100-500 chars, técnico."
}

Principios de diseño

• Idempotencia: el hash SHA256 del código limpio evita llamadas innecesarias a la API
• Anti vendor lock-in: sin SDKs de terceros, solo requests vía REST
• Control de costos: variable USE_CODE_MODEL alterna entre tiers de modelos
• Contexto de ejecución: siempre escanea os.getcwd(), no la ubicación del script

Licencia

MIT