ulfblk-ai-rag 0.1.0

RAG pipeline: ChromaDB vector search + LLM gateway multi-provider (DeepSeek, OpenAI, Ollama)

bloque-ai-rag

RAG pipeline: ChromaDB vector search + LLM gateway multi-provider (DeepSeek, OpenAI, Ollama).

Instalacion

uv add bloque-ai-rag

Uso rapido

from bloque_ai_rag.pipeline import RAGPipeline

# Crear pipeline con ChromaDB + DeepSeek
rag = RAGPipeline(
    collection="knowledge_base",
    llm_provider="deepseek",
)

async with rag:
    # Ingestar documentos
    await rag.ingest([
        "FastAPI es un framework web moderno para Python.",
        "ChromaDB es una base de datos vectorial open source.",
    ])

    # Consultar
    response = await rag.respond("Que es FastAPI?")
    print(response.answer)
    print(response.contexts)  # documentos relevantes

Providers soportados

Provider	API Base	Modelo default
deepseek	https://api.deepseek.com	deepseek-chat
openai	https://api.openai.com	gpt-4o-mini
ollama	http://localhost:11434	llama3.2

Componentes

• ChromaClient - Cliente HTTP para ChromaDB REST API (sin deps pesadas)
• OpenAICompatibleClient - Cliente para DeepSeek, OpenAI, y cualquier API compatible
• OllamaClient - Cliente para Ollama local
• RAGPipeline - Orquestador: query -> vector search -> context building -> LLM generation

Multitenant

Con ulfblk-multitenant instalado, las colecciones se prefijan automaticamente con el tenant_id:

rag = RAGPipeline(collection="knowledge_base", llm_provider="deepseek")
# Con tenant "acme" activo -> coleccion "acme__knowledge_base"

Dependencias

• ulfblk-core (logging, health checks)
• httpx>=0.27 (HTTP client async)

No requiere el paquete chromadb (~200MB). Usa ChromaDB REST API directamente.