Faça upload de PDF, Word, planilhas, imagens, vídeo ou áudio e pergunte em linguagem natural. O MegaRAG entende todos eles.
# clonar e instalar git clone https://github.com/inematds/MegaRAG.git cd MegaRAG && npm install # subir em desenvolvimento npm run dev # http://localhost:3000
A maioria dos sistemas RAG só lê texto. O MegaRAG processa também imagens, vídeo e áudio usando IA Vision e transcrição, indexa tudo no Supabase com pgvector e responde citando o trecho de origem.
PDF, Word, PowerPoint, Excel, imagens, vídeo e áudio — cada formato vira texto pesquisável: a IA lê páginas, descreve imagens, assiste vídeos e transcreve áudio.
Embeddings no pgvector com índice HNSW, mais entidades e relações extraídas dos documentos para responder perguntas complexas.
Interface de chat com sessões e 5 modos de busca, sempre apontando de onde veio a resposta.
Documentos passam por extração e geração de embeddings; na pergunta, o sistema busca os trechos relevantes e o LLM redige a resposta com base neles.
Node.js e Git no seu computador, uma conta Supabase (grátis) para o banco vetorial e uma chave da API do Google AI (grátis) para os modelos.
Runtime JavaScript e controle de versão. Confira as versões instaladas.
# verificar node --version git --version
Crie um projeto grátis e habilite a extensão pgvector pelo SQL Editor.
# no SQL Editor do Supabase CREATE EXTENSION IF NOT EXISTS vector;
Gere a chave no Google AI Studio para embeddings e geração.
# .env.local GOOGLE_AI_API_KEY=sua_chave
O setup completo cria o banco no Supabase, configura as variáveis e sobe a aplicação Next.js localmente.
Baixe o código e instale os pacotes.
git clone https://github.com/inematds/MegaRAG.git cd MegaRAG npm install
No SQL Editor, habilite o pgvector e rode os comandos SQL do projeto (tabelas de documentos, chunks, entidades, relações, chat e cache, além das funções de busca). Crie também o bucket de armazenamento.
CREATE EXTENSION IF NOT EXISTS vector; # + scripts SQL do repo
Crie o arquivo .env.local com as credenciais do Supabase e a chave do Google AI.
NEXT_PUBLIC_SUPABASE_URL=https://xxx.supabase.co NEXT_PUBLIC_SUPABASE_ANON_KEY=... SUPABASE_SERVICE_ROLE_KEY=... GOOGLE_AI_API_KEY=...
Rode o servidor de desenvolvimento e abra no navegador.
npm run dev # http://localhost:3000
No /dashboard, suba seus arquivos e aguarde o processamento. No /dashboard/chat, escolha o modo de busca e pergunte.
# modos de query no chat: # Mix (padrão) · Naive · Local · Global · Hybrid
Cada modo de query é melhor para um tipo de pergunta — abaixo, casos típicos de uso do MegaRAG.
Suba um relatório em PDF e pergunte no modo Mix: a IA lê páginas, tabelas e imagens e responde citando o trecho.
O modo Local busca entidades primeiro — ideal para perguntas diretas sobre pessoas, conceitos ou termos.
"Como X se relaciona com Y?" — o modo Global segue os relacionamentos extraídos dos documentos.
Suba uma gravação: o MegaRAG transcreve o áudio e analisa o vídeo ao longo do tempo, tornando tudo pesquisável.
A aplicação já roda local e em produção. As fases refletem o caminho documentado no repositório.