Knowledge Engine

Motor de conocimiento personal con RAG semántico y servidor MCP, optimizado para el ecosistema DeepSeek.

Stack

Componente	Tecnología	Coste	Motivo
Notas	Obsidian (Markdown)	Gratis	Edición local
Embeddings	Ollama + nomic-embed-text	Gratis	Ya lo tienes instalado; sin API externa
Vector DB	ChromaDB (local)	Gratis	Sin servidor externo
Chat/LLM	DeepSeek V4 Flash	Muy bajo	$0.14 input / $0.28 output por 1M tokens
Protocolo agentes	MCP	Gratis	Estándar abierto

Configuración rápida

1. Copia .env.example a .env y añade tu DEEPSEEK_API_KEY
2. Crea un entorno virtual: python3 -m venv venv
3. Actívalo: source venv/bin/activate (Unix) o venv\Scripts\activate (Windows)
4. Instala dependencias: pip install -r requirements.txt
5. Ejecuta python build_index.py para indexar tus notas por Ollama
6. Consulta con python ask.py "tu pregunta"
7. Usa python mcp_server.py para exponer la herramienta MCP a agentes externos

Optimización de costes

• Usa deepseek-v4-flash (modelo por defecto): es el más económico.
• Aprovecha su contexto de 1M tokens: puedes recuperar hasta 50+ fragmentos en una sola llamada.
• max_tokens=1024 por defecto: limita el gasto por respuesta.
• temperature=0: respuestas deterministas, más cortas y predecibles.
• Los embeddings son gratis porque se generan en tu máquina con Ollama y nomic-embed-text.
• Solo pagas por las consultas que haces, no por tener el sistema encendido.

Modelos disponibles

Modelo	Precio input/output	Contexto	Uso recomendado
deepseek-v4-flash	$0.14 / $0.28 por 1M tokens	1M	Por defecto, alto volumen
deepseek-v4-pro	$0.435 / $0.87 por 1M tokens	1M	Razonamiento complejo

Cambia el modelo en .env si necesitas más calidad.