DocuChat

• Trocea tus PDF, calcula sus embeddings con nomic-embed-text y los guarda en PostgreSQL con pgvector.Splits your PDFs, embeds them with nomic-embed-text and stores them in PostgreSQL with pgvector.
• Respondes en lenguaje natural y cada respuesta cita los documentos de origen.You ask in plain language and every answer cites its source documents.
• Funciona entero en local con Ollama o con Gemini en la nube, según una variable de entorno.It runs fully locally with Ollama or with Gemini in the cloud, switched by an environment variable.

• Búsqueda híbrida. La búsqueda vectorial fallaba con preguntas cortas como «¿Qué es el PMBOK?»: el fragmento correcto ni entraba en el top-k. Al combinarla con la búsqueda de texto completo de PostgreSQL y fusionar ambas con Reciprocal Rank Fusion, ese fragmento pasó al primer puesto.Hybrid search. Vector search failed on short questions like “What is the PMBOK?”: the right passage did not even make the top-k. Combining it with PostgreSQL full-text search and fusing both with Reciprocal Rank Fusion moved that passage to first place.
• Agente con herramientas. En cada pregunta el modelo decide si busca en los documentos o consulta la fecha. Comparé Ollama y Gemini: los dos eligen bien; Ollama es gratis y privado, Gemini pule algo más las respuestas.Tool-calling agent. For each question the model decides whether to search the documents or check the date. I compared Ollama and Gemini: both choose well; Ollama is free and private, Gemini polishes answers a little more.
• Observabilidad. Cada consulta guarda proveedor, herramientas, fragmentos recuperados y latencia, para medir en vez de suponer.Observability. Every query stores provider, tools, retrieved passages and latency, to measure instead of guess.

de recall@8: la fuente correcta aparece entre los 8 primeros fragmentosrecall@8: the right source shows up in the top 8 passages

60 %

preguntas en el conjunto de evaluaciónquestions in the evaluation set

15

proveedores de modelos: Ollama en local y Geminimodel providers: local Ollama and Gemini

2

Una primera versión de la evaluación daba un 93 %, pero contaba como acierto fragmentos genéricos que no respondían a la pregunta. Al corregirla, la cifra real es un 60 %, y los fallos se concentran en preguntas conceptuales amplias.A first version of the evaluation gave 93%, but it counted generic passages that did not answer the question as hits. Once corrected, the real figure is 60%, with failures concentrated in broad conceptual questions.