Ir al contenido principal
PromptQuorumDiseñado para humanos. Estructurado para la IA.
Inicio/LLM locales avanzados
RAG & Document Chat

Reseña de OpenRAG: plataforma RAG agéntica de código abierto

·7 min de lecturaPor Hans Kuepper · Fundador de PromptQuorum · Motor de descubrimiento de IA de pesos abiertos y código abierto

OpenRAG (versión 0.8.0, publicada el 1 de octubre de 2026) es una plataforma gratuita con licencia Apache-2.0 que reúne Langflow, OpenSearch y Docling para que puedas subir documentos y chatear con ellos mediante una interfaz web. Funciona con contenedores que se inician desde una terminal, por lo que es una herramienta para desarrolladores y no una app de doble clic. PromptQuorum no la ha instalado ni probado; todo lo que se afirma aquí procede de la documentación del propio proyecto.

Conclusiones clave

  • Mantenimiento: la v0.8.0 se publicó el 1 de octubre de 2026 y el repositorio volvió a cambiar el 23 de octubre de 2026, por lo que no se aplica ninguna advertencia de proyecto abandonado.
  • Licencia: Apache-2.0, con el código fuente en GitHub dentro de la organización langflow-ai.
  • Coste: el paquete no tiene precio; tus costes son el hardware y cualquier API de modelos que conectes.
  • Windows: solo se admite dentro del Subsistema de Windows para Linux.
  • Peso: se basa en contenedores y ocupa mucho disco, así que encaja mejor en un equipo de desarrollo o un servidor que en un portátil ligero.

📍 En una frase

OpenRAG es un paquete con licencia Apache-2.0 que pone en marcha con un solo comando uvx un stack RAG listo para tus documentos.

💬 En términos simples

Ejecutas un instalador en la terminal, este levanta varios contenedores y después subes archivos y haces preguntas en un chat en el navegador.

📌Nota: Esta reseña se basa en la documentación de OpenRAG, su sitio web y su página de versiones en GitHub, comprobados el 23 de octubre de 2026. PromptQuorum no ha instalado, probado ni medido el software.

Leer en:
🇺🇸en🇩🇪de🇫🇷fr🇯🇵ja🇨🇳zh🇪🇸es🇧🇷pt🇸🇦ar🇰🇷ko

OpenRAG es un paquete de código abierto que conecta Langflow, OpenSearch y Docling para que puedas subir documentos, buscarlos y chatear con ellos en el navegador. Se inicia desde una terminal y se ejecuta en contenedores, así que está pensado para desarrolladores. Esta reseña refleja su documentación, su sitio web y su página de versiones en GitHub, según lo comprobado el 23 de octubre de 2026.

Reseña de OpenRAG: plataforma RAG agéntica de código abierto

¿Qué es OpenRAG?

OpenRAG es una plataforma de generación aumentada por recuperación en la que añades documentos a una base de conocimiento y le haces preguntas sobre ellos a un agente de IA en una interfaz de chat. El proyecto la describe como un paquete de código abierto para construir sistemas RAG agénticos que combina tres proyectos existentes: Langflow para los flujos de agentes, OpenSearch para el almacenamiento de documentos y vectores, y Docling para analizar y fragmentar archivos.

Se desarrolla en el repositorio langflow-ai/openrag, con un backend en FastAPI y un frontend en Next.js. Su documentación está en docs.openr.ag.

Dónde conseguirlo

OpenRAG no es una app de escritorio descargable: se instala desde una terminal con uv y luego inicia sus propios contenedores.

Opción
Dónde conseguirlo
Inicio rápido (macOS, Linux)Ejecuta uvx --python 3.13 openrag en una carpeta vacía
WindowsEl mismo comando, pero solo dentro de WSL (ver Requisitos)
Proyecto de PythonAñádelo como dependencia con uv, según las opciones de instalación
AutogestionadoDocker o Podman con tu propio archivo .env, según la guía de Docker
Sitio webopenr.ag
Documentacióndocs.openr.ag
Código fuentegithub.com/langflow-ai/openrag
Política de privacidadNo se encontró una propia; la documentación cita la declaración de privacidad de IBM

Versión revisada: v0.8.0, publicada el 1 de octubre de 2026 según la página de versiones de GitHub; el repositorio se actualizó por última vez el 23 de octubre de 2026. La versión solo incluye un paquete wheel de Python y un archivo de código fuente, sin instalador ni compilación de escritorio, por lo que hacen falta una terminal y un entorno de desarrollo.

Requisitos

La documentación pide un entorno de contenedores, 8 GB de RAM y más de 50 GB de disco libre.

Elemento
Lo que dice la documentación
Python y uvPython 3.13 y uv, según el inicio rápido
Entorno de contenedoresDocker o Podman más una herramienta compose; uvx instala uno si falta
RAM8 GB es el mínimo recomendado
DiscoMás de 50 GB libres para la incorporación y la ingesta
WindowsSolo en WSL; no en una distro WSL dentro de una máquina virtual de Windows
Modelos localesgpt-oss:20b con Ollama necesita al menos 16 GB de RAM

Las páginas revisadas no indican ningún requisito de GPU para OpenRAG en sí, solo que Ollama debe ejecutarse en un contenedor con GPU para usarla.

Cómo empezar

Los pasos siguen el inicio rápido del proyecto; PromptQuorum no los ha ejecutado.

  1. 1
    Crea una carpeta de trabajo
    Why it matters: Crea un directorio vacío, por ejemplo openrag-workspace, y abre una terminal en él.
  2. 2
    Inicia el instalador
    Why it matters: Ejecuta uvx --python 3.13 openrag, que abre una interfaz de terminal.
  3. 3
    Define las contraseñas de administrador
    Why it matters: Genera automáticamente o escribe las contraseñas de administrador de OpenSearch y Langflow; omite el resto de las preguntas para conservar los valores predeterminados.
  4. 4
    Inicia los servicios
    Why it matters: Responde Y a «Start services now?», espera el mensaje «Services are running» y abre OpenRAG en el navegador.
  5. 5
    Completa la incorporación
    Why it matters: Elige un proveedor de modelos, introduce su clave de API y pulsa Complete; el inicio rápido usa OpenAI.
  6. 6
    Añade conocimiento y chatea
    Why it matters: Sube archivos o carpetas y haz preguntas en la vista de chat.

Funciones confirmadas por las fuentes

Cada punto de abajo procede de la documentación o del README del proyecto.

  • Flujos editables. Los flujos de agentes incluidos se pueden personalizar en el editor de Langflow integrado, incluido el cambio de modelos o componentes; se admiten componentes personalizados de Langflow y servidores MCP.
  • Ingesta de documentos. Los archivos proceden de tu sistema de archivos local o de conectores de almacenamiento en la nube autorizados por OAuth; Docling Serve los analiza y fragmenta.
  • Búsqueda. OpenSearch almacena documentos y embeddings y añade búsqueda híbrida y multiinquilino.
  • SDK y API. Los SDK oficiales de Python y TypeScript se publican como openrag-sdk, y la documentación incluye una referencia de la API.
  • Observabilidad. El rastreo hacia Langfuse y el rastreador IBM Instana son opcionales y están desactivados de forma predeterminada.

Flujo de datos y acceso

Según la documentación, Docling Serve procesa tus documentos de forma local y OpenSearch los almacena en tu propia base de conocimiento; las fuentes en la nube solo se cargan mediante conectores que tú autorizas. La arquitectura se compone de contenedores: un backend, Langflow, Docling Serve, los conectores y un frontend.

OpenAI es el proveedor de modelos predeterminado, así que con él tus prompts y los fragmentos recuperados de los documentos van a OpenAI bajo su propia política. La referencia de configuración también menciona Anthropic, Ollama e IBM watsonx.ai, lo que permite dirigir las llamadas a un endpoint local de Ollama. Si no se define una contraseña de superusuario de Langflow, este arranca sin autenticación, por lo que la documentación recomienda establecer una.

📌Nota: La afirmación sobre el procesamiento local es la descripción del propio proyecto; PromptQuorum no ha auditado los contenedores ni su tráfico de red. La comprobación de actualizaciones de la terminal consulta la API de Docker Hub, salvo que se cambie el registro de imágenes.

Para quién es

  • Desarrolladores que quieren un stack RAG ya conectado en lugar de montar Langflow, OpenSearch y Docling por su cuenta.
  • Equipos que ya ejecutan contenedores y quieren búsqueda híbrida con multiinquilino sobre sus propios archivos.
  • Quienes necesitan una API o un SDK para llamar a un agente de búsqueda de documentos desde su propia aplicación.

Lo que no pudimos verificar

  • Calidad en la práctica. PromptQuorum no ejecutó el software, por lo que no se evalúan la calidad de las respuestas, la precisión de las citas, la velocidad de ingesta ni la estabilidad.
  • Telemetría. Las páginas revisadas no documentan analíticas ni un ajuste para desactivarlas en los contenedores.
  • Política de privacidad. No se encontró ninguna específica de OpenRAG; la documentación solo remite a la declaración de privacidad general de IBM.
  • Funcionamiento solo local. La documentación describe la compatibilidad con Ollama, pero el inicio rápido solo está documentado con OpenAI, así que una configuración totalmente sin conexión no está probada.

Competidores y alternativas

Langflow

Plataformas:
Web
Precio / licencia:
Gratis / MIT
Diferencia clave:
El constructor visual de flujos que OpenRAG integra, sin el stack de búsqueda incluido
Artículos sobre Langflow (3)

También mencionado en:

RAGFlow

Plataformas:
Linux, web
Precio / licencia:
Gratis / Apache 2.0
Diferencia clave:
Motor RAG centrado en la comprensión profunda de documentos y las citas
Artículos sobre RAGFlow (5)

También mencionado en:

AnythingLLM

Plataformas:
Windows, macOS, Linux, web
Precio / licencia:
Gratis / MIT
Diferencia clave:
App de escritorio instalable con almacén vectorial integrado, sin contenedores
Artículos sobre AnythingLLM (10)

+31 más no mostrados

Dify

Plataformas:
Web, Linux
Precio / licencia:
Freemium / Apache 2.0 modificada
Diferencia clave:
Constructor más amplio de flujos de IA y agentes, con RAG como una parte
Artículos sobre Dify (8)

También mencionado en:

+3 más no mostrados

Los detalles de los competidores cambian con frecuencia; confirma el precio, la licencia y las plataformas actuales en la ficha de cada app.

Comparar en el directorio

Preguntas frecuentes

¿Qué modelos de Ollama recomienda OpenRAG?

La documentación sugiere gpt-oss:20b o mistral-nemo:12b como modelos de lenguaje y nomic-embed-text, mxbai-embed-large o embeddinggemma para embeddings. Los modelos de chat deben admitir llamadas a herramientas, y la documentación no garantiza que funcione cualquier modelo de Ollama.

¿Qué puertos usa?

De forma predeterminada, el 3000 para el frontend, el 7860 para Langflow, el 8000 para el backend, el 9200 para OpenSearch, el 5601 para OpenSearch Dashboards y el 5001 para Docling. Los puertos del frontend y de Langflow se pueden cambiar en el archivo .env.

¿De qué almacenamiento en la nube puede ingerir datos?

La referencia de configuración describe Google Drive mediante Google OAuth, SharePoint y OneDrive mediante un registro de aplicación de Microsoft Graph, y AWS S3 mediante claves de acceso.

¿Cómo lo llamo desde mi propio código?

Instala el SDK de Python con pip install openrag-sdk o el SDK de TypeScript con npm install openrag-sdk. El paquete independiente anterior, openrag-mcp, está obsoleto.

Veredicto

OpenRAG es un stack RAG gratuito con licencia Apache-2.0 que, según su documentación, incluye Langflow, OpenSearch y Docling ya conectados y se mantiene activamente, con una versión a principios de octubre de 2026 y cambios hasta el 23 de octubre. En contra, es pesado de ejecutar, solo admite Windows mediante WSL, usa OpenAI por defecto y PromptQuorum no pudo verificar su calidad, su telemetría ni su uso totalmente sin conexión. Encaja con desarrolladores que quieren un backend RAG listo y modificable; quien prefiera una app instalable puede comparar AnythingLLM, y quien solo necesite el constructor de flujos puede mirar Langflow.

Fuentes

← Volver a LLM locales avanzados

MCP