Pular para o conteúdo principal
PromptQuorumFeito para humanos. Estruturado para IA.
Início/LLMs locais avançados
RAG & Document Chat

Análise do OpenRAG: plataforma RAG agêntica de código aberto

·7 min de leituraPor Hans Kuepper · Fundador do PromptQuorum · Mecanismo de descoberta de IA de pesos abertos e código aberto

O OpenRAG (versão 0.8.0, lançada em 1º de outubro de 2026) é uma plataforma gratuita com licença Apache-2.0 que reúne Langflow, OpenSearch e Docling para que você envie documentos e converse com eles por uma interface web. Ele roda em contêineres iniciados pelo terminal, o que o torna uma ferramenta para desenvolvedores, e não um app de duplo clique. A PromptQuorum não o instalou nem o testou; tudo o que consta aqui vem da documentação do próprio projeto.

Principais conclusões

  • Manutenção: a v0.8.0 foi publicada em 1º de outubro de 2026 e o repositório mudou de novo em 23 de outubro de 2026, então não se aplica nenhum aviso de projeto parado.
  • Licença: Apache-2.0, com o código-fonte no GitHub, na organização langflow-ai.
  • Custo: o pacote não tem preço; seus gastos são o hardware e qualquer API de modelo que você conectar.
  • Windows: só é compatível dentro do Subsistema do Windows para Linux.
  • Peso: é baseado em contêineres e ocupa muito disco, então serve mais para uma máquina de desenvolvimento ou servidor do que para um notebook leve.

📍 Em uma frase

O OpenRAG é um pacote com licença Apache-2.0 que inicia, com um único comando uvx, um stack RAG pronto para os seus documentos.

💬 Em termos simples

Você executa um instalador no terminal, ele sobe alguns contêineres e, depois, você envia arquivos e faz perguntas em um chat no navegador.

📌Nota: Esta análise baseia-se na documentação do OpenRAG, no site e na página de versões do GitHub, verificados em 23 de outubro de 2026. A PromptQuorum não instalou, testou nem mediu o desempenho do software.

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

O OpenRAG é um pacote de código aberto que conecta Langflow, OpenSearch e Docling para que você possa enviar documentos, pesquisá-los e conversar com eles no navegador. Ele é iniciado pelo terminal e roda em contêineres, por isso é voltado a desenvolvedores. Esta análise reflete sua documentação, seu site e a página de versões no GitHub, conforme verificados em 23 de outubro de 2026.

Análise do OpenRAG: plataforma RAG agêntica de código aberto

O que é o OpenRAG?

O OpenRAG é uma plataforma de geração aumentada por recuperação em que você adiciona documentos a uma base de conhecimento e faz perguntas sobre eles a um agente de IA em uma interface de chat. O projeto o descreve como um pacote de código aberto para construir sistemas RAG agênticos que combina três projetos existentes: o Langflow para os fluxos de agentes, o OpenSearch para o armazenamento de documentos e vetores e o Docling para analisar e dividir arquivos.

Ele é desenvolvido no repositório langflow-ai/openrag, com backend em FastAPI e frontend em Next.js. A documentação fica em docs.openr.ag.

Onde obter

O OpenRAG não é um app de desktop para baixar: você o instala pelo terminal com o uv, e ele então inicia seus próprios contêineres.

Opção
Onde obter
Início rápido (macOS, Linux)Execute uvx --python 3.13 openrag em uma pasta vazia
WindowsO mesmo comando, mas só dentro do WSL (veja Requisitos)
Projeto PythonAdicione como dependência com o uv, conforme as opções de instalação
AutogerenciadoDocker ou Podman com seu próprio arquivo .env, conforme o guia do Docker
Siteopenr.ag
Documentaçãodocs.openr.ag
Código-fontegithub.com/langflow-ai/openrag
Política de privacidadeNenhuma própria; a documentação cita a declaração de privacidade da IBM

Versão analisada: v0.8.0, publicada em 1º de outubro de 2026 segundo a página de versões do GitHub; o repositório em si foi atualizado pela última vez em 23 de outubro de 2026. A versão traz apenas um pacote wheel de Python e um arquivo de código-fonte, sem instalador nem build de desktop, por isso são necessários um terminal e um ambiente de desenvolvimento.

Requisitos

A documentação pede um ambiente de contêineres, 8 GB de RAM e mais de 50 GB de disco livre.

Item
O que diz a documentação
Python e uvPython 3.13 e uv, conforme o início rápido
Ambiente de contêineresDocker ou Podman mais uma ferramenta compose; o uvx instala uma se faltar
RAM8 GB é o mínimo recomendado
DiscoMais de 50 GB livres para a configuração inicial e a ingestão
WindowsSó no WSL; não em uma distro WSL dentro de uma VM do Windows
Modelos locaisO gpt-oss:20b via Ollama exige pelo menos 16 GB de RAM

As páginas verificadas não indicam requisito de GPU para o OpenRAG em si, apenas que o Ollama precisa rodar em um contêiner com suporte a GPU para usá-la.

Como começar

Os passos seguem o início rápido do projeto; a PromptQuorum não os executou.

  1. 1
    Crie uma pasta de trabalho
    Why it matters: Crie um diretório vazio, como openrag-workspace, e abra um terminal nele.
  2. 2
    Inicie o instalador
    Why it matters: Execute uvx --python 3.13 openrag, que abre uma interface de terminal.
  3. 3
    Defina as senhas de administrador
    Why it matters: Gere automaticamente ou digite as senhas de administrador do OpenSearch e do Langflow; pule as demais perguntas para manter os padrões.
  4. 4
    Inicie os serviços
    Why it matters: Responda Y a “Start services now?”, aguarde a mensagem “Services are running” e abra o OpenRAG no navegador.
  5. 5
    Conclua a integração inicial
    Why it matters: Escolha um provedor de modelos, informe a chave de API e clique em Complete; o início rápido usa a OpenAI.
  6. 6
    Adicione conhecimento e converse
    Why it matters: Envie arquivos ou pastas e faça perguntas na visualização de chat.

Recursos confirmados pelas fontes

Cada item abaixo vem da documentação ou do README do projeto.

  • Fluxos editáveis. Os fluxos de agentes incluídos podem ser personalizados no editor do Langflow integrado, inclusive trocando modelos ou componentes; há suporte a componentes personalizados do Langflow e a servidores MCP.
  • Ingestão de documentos. Os arquivos vêm do seu sistema de arquivos local ou de conectores de armazenamento em nuvem autorizados por OAuth; o Docling Serve os analisa e divide.
  • Busca. O OpenSearch armazena documentos e embeddings e adiciona busca híbrida e multilocação.
  • SDKs e API. SDKs oficiais de Python e TypeScript são publicados como openrag-sdk, e a documentação inclui uma referência da API.
  • Observabilidade. O rastreamento para o Langfuse e o rastreador IBM Instana são opcionais e vêm desativados por padrão.

Fluxo de dados e acesso

Segundo a documentação, o Docling Serve processa seus documentos localmente e o OpenSearch os armazena na sua própria base de conhecimento; fontes na nuvem só são carregadas por conectores que você autoriza. A arquitetura é feita de contêineres: um backend, o Langflow, o Docling Serve, os conectores e um frontend.

A OpenAI é o provedor de modelos padrão; com ela, seus prompts e os trechos de documentos recuperados vão para a OpenAI, sob a política dela. A referência de configuração também cita Anthropic, Ollama e IBM watsonx.ai, o que permite apontar para um endpoint local do Ollama. Se nenhuma senha de superusuário do Langflow for definida, ele inicia sem autenticação, e por isso a documentação recomenda definir uma.

📌Nota: A afirmação sobre o processamento local é a descrição do próprio projeto; a PromptQuorum não auditou os contêineres nem o tráfego de rede deles. A verificação de atualização do terminal consulta a API do Docker Hub, a menos que o registro de imagens seja alterado.

Para quem serve

  • Desenvolvedores que querem um stack RAG já conectado em vez de montar Langflow, OpenSearch e Docling por conta própria.
  • Equipes que já executam contêineres e querem busca híbrida com multilocação sobre seus próprios arquivos.
  • Quem precisa de uma API ou de um SDK para chamar um agente de busca em documentos a partir da própria aplicação.

O que não conseguimos verificar

  • Qualidade na prática. A PromptQuorum não executou o software, então qualidade das respostas, precisão das citações, velocidade de ingestão e estabilidade não foram avaliadas.
  • Telemetria. As páginas verificadas não documentam análises de uso nem uma opção de desativação para os contêineres.
  • Política de privacidade. Nenhuma específica do OpenRAG foi encontrada; a documentação só remete à declaração de privacidade geral da IBM.
  • Operação totalmente local. A documentação descreve o suporte ao Ollama, mas o início rápido só está documentado com a OpenAI, então uma configuração totalmente offline não foi testada.

Concorrentes e alternativas

Langflow

Plataformas:
Web
Preço / licença:
Grátis / MIT
Diferença principal:
O construtor visual de fluxos que o OpenRAG incorpora, sem o stack de busca incluído
Artigos sobre Langflow (3)

Também mencionado em:

RAGFlow

Plataformas:
Linux, web
Preço / licença:
Grátis / Apache 2.0
Diferença principal:
Motor RAG centrado na compreensão profunda de documentos e nas citações
Artigos sobre RAGFlow (5)

Também mencionado em:

AnythingLLM

Plataformas:
Windows, macOS, Linux, web
Preço / licença:
Grátis / MIT
Diferença principal:
App de desktop instalável com armazenamento vetorial integrado, sem contêineres
Artigos sobre AnythingLLM (10)

+31 mais não exibidos

Dify

Plataformas:
Web, Linux
Preço / licença:
Freemium / Apache 2.0 modificada
Diferença principal:
Construtor mais amplo de fluxos de IA e agentes, com o RAG como uma parte
Artigos sobre Dify (8)

Também mencionado em:

+3 mais não exibidos

Os detalhes dos concorrentes mudam com frequência; confirme preço, licença e plataformas atuais na página de cada app.

Comparar no diretório

Perguntas frequentes

Quais modelos do Ollama o OpenRAG recomenda?

A documentação sugere gpt-oss:20b ou mistral-nemo:12b como modelos de linguagem e nomic-embed-text, mxbai-embed-large ou embeddinggemma para embeddings. Os modelos de chat precisam aceitar chamadas de ferramentas, e a documentação não garante que todo modelo do Ollama funcione.

Quais portas ele usa?

Por padrão, 3000 para o frontend, 7860 para o Langflow, 8000 para o backend, 9200 para o OpenSearch, 5601 para o OpenSearch Dashboards e 5001 para o Docling. As portas do frontend e do Langflow podem ser alteradas no arquivo .env.

De qual armazenamento em nuvem ele pode ingerir dados?

A referência de configuração descreve o Google Drive via Google OAuth, o SharePoint e o OneDrive via registro de aplicativo no Microsoft Graph e o AWS S3 via chaves de acesso.

Como chamo o OpenRAG do meu próprio código?

Instale o SDK de Python com pip install openrag-sdk ou o SDK de TypeScript com npm install openrag-sdk. O pacote independente anterior, openrag-mcp, está obsoleto.

Veredicto

O OpenRAG é um stack RAG gratuito com licença Apache-2.0 que, segundo a documentação, traz Langflow, OpenSearch e Docling já conectados e é mantido ativamente, com uma versão no início de outubro de 2026 e alterações até 23 de outubro. Em contrapartida, é pesado de executar, só tem suporte ao Windows via WSL, usa a OpenAI por padrão, e a PromptQuorum não conseguiu verificar sua qualidade, sua telemetria nem o uso totalmente offline. Serve a desenvolvedores que querem um backend RAG pronto e modificável; quem prefere um app instalável pode comparar o AnythingLLM, e quem só precisa do construtor de fluxos pode olhar o Langflow.

Fontes

← Voltar para LLMs locais avançados

MCP