rag-context-indexer 1.8.3

Indexador de contexto enriquecido para optimización de RAG en LLMs con soporte Agentic Scaffolding y Auto-Sync

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