IA Local - Template RAG (Node.js)

Template para usar RAG com 2 bancos:

• Banco fonte (dados de negocio)
• Banco da IA (indice vetorial)

Organizacao de bancos no PostgreSQL:

• n8n_db: tabelas do n8n
• rag_db: indice e chunks do RAG
• fonte_db: base fonte para importacao

Acessos das ferramentas

Substitua IP por SERVIDOR_IP no config/.env.

• Open WebUI: http://IP:3000
• n8n: http://IP:5678
• PostgreSQL: IP:5432
• pgAdmin: http://IP:8081
• API RAG: http://IP:3333

Documentacao

• Stack (infra): docs/STACK.md
• Sistema RAG (API): docs/SISTEMA-RAG.md
• Modelo direto de 2 bancos: docs/MODELO-2-BANCOS.md
• Roteiro visual de leitura (15 min): docs/ROTEIRO-LEITURA-15MIN.md

Execucao rapida

1. Subir stack:

bash scripts/iniciar.sh

2. Criar banco da IA (schema/tabelas):

bash scripts/rag-aplicar-sql.sh

3. Subir API (via Docker, sem npm local):

docker compose --env-file ./config/.env up -d rag-api

4. Popular base fonte realista (tabela kb_artigos):

bash scripts/rag-popular-fonte-real.sh

5. Importar base fonte para banco da IA:

TABLE=kb_artigos TEXT_COLUMNS=titulo,descricao,conteudo bash scripts/rag-importar-fonte-padrao.sh

6. Perguntar para a IA:

curl -X POST http://127.0.0.1:3333/api/rag/ask \
  -H "Content-Type: application/json" \
  -d '{"question":"Qual a politica de atendimento?","topK":5}'

Estrutura simplificada

src/
  config/          # variaveis de ambiente
  db/              # banco da IA (pool + schema)
  http/            # app e middleware
  modules/
    documents/     # ingestao/chunk
    embeddings/    # embeddings no Ollama
    retrieval/     # busca vetorial
    answer/        # resposta final
    source-import/ # importacao do banco fonte
    pipeline/      # orquestracao simples do fluxo
    rag/           # endpoints