Constructor visual de estrategias RAG y agénticas — que genera código desplegable, sin lock-in.
🌐 slothlabs.org/ragorbit · 📖 Docs · 🎓 Curso gratis (ES/EN)
RAGorbit es una herramienta web tipo lienzo (drag & drop) donde un equipo —sin necesidad de ser ingenieros de AI— arma una estrategia de IA conectando bloques: cargas tus documentos, eliges un vector store o un knowledge graph, conectas tus servicios externos, pones la API key de tu LLM, agregas reglas y guardrails… y al final RAGorbit genera un proyecto Python listo para desplegar, que ya viene con servicios mock y tests para que funcione el primer día.
Dibujas el grafo → se guarda como un JSON portable (Flow IR) → un generador lo convierte en un artefacto ejecutable (LangGraph + LangChain). El artefacto es código normal: corre sin RAGorbit. Cero acoplamiento a la herramienta.
Lienzo (drag & drop) Flow IR (JSON portable) Artefacto desplegable
┌───────────────────┐ ┌──────────────────────┐ ┌──────────────────────┐
│ ◻── ◻── ◻ │ ───▶ │ { nodes, edges, │ ───▶ │ app/ mocks/ tests/ │
│ \ | / │ │ secrets } │ │ docker-compose.yml │
│ ◻ │ └──────────────────────┘ └──────────────────────┘
└───────────────────┘ fuente de verdad `docker compose up`
# Un solo archivo, cualquier python3 — sin pip, sin venv, sin dependencias
curl -fsSL https://slothlabs.org/install/ragorbit | sh
# o con Homebrew
brew install slothlabsorg/tap/ragorbit
# o con pipx / pip
pipx install ragorbitTambién puedes bajar ragorbit.pyz de Releases
y correrlo tal cual: python3 ragorbit.pyz list-nodes.
Se puede distribuir así porque el engine no tiene dependencias: catálogo, validador, contratos, codegen y runtime mock son stdlib pura.
Este repo contiene el libro de documentación + los 10 casos + el sistema RAGorbit implementado y verificado. El curso vive en slothlabsorg/rag-course:
-
Engine (
ragorbit/, Python stdlib, sin dependencias): spec (JSON Schema), validador, catálogo de 53 tipos de nodo, registro extensible, codegen y runtime mock. -
CLI:
python -m ragorbit {list-nodes | validate | generate | serve}. -
Webapp canvas (
apps/web-lite/): paleta, galería de los 10 templates, validación de conexiones por tipo, Probar con mocks y Exportar (zip). Servida por un backend stdlib (python -m ragorbit serve). -
Stack de producción: backend FastAPI (
apps/api/) y frontend Next.js + React Flow (apps/web/). -
Artefactos generados: proyecto Python con
app/+mocks/+tests/, que corre en modo mock sin red ni LLM y se promueve a modo real (LangChain/LangGraph) con una variable de entorno. -
E2E con servicios corriendo (
e2e/airline-chat/): el bot llama servicios HTTP reales con sus contratos, pago idempotente y audit trail a Kafka (real vía docker, o en memoria sin nada). Corre en threads sin docker ni red. -
Conciencia de contratos (
ragorbit/contracts.py): RAGorbit no genera a lo loco — rechaza flujos que no funcionarían (agente sin tools, store sin embeddings, guardrail que no envuelve un tool, secretos/auth faltantes).
Verificación — un solo comando, sin instalar nada (ni docker):
python3 tools/demo.py # 10 casos (70 tests) + e2e con servicios reales + rechazo por contrato
python3 demo/run_demo.py # demo narrativa aerolínea + auditoría (local)Artefacto exportado (chat aerolínea) con Docker realista:
python3 tools/test_airline_docker.py # genera + docker compose + 2 turnos HTTP👉 Cómo correrlo: RUNNING.md. Webapp: python3 -m ragorbit serve → http://127.0.0.1:8000 (UI 100% offline, sin CDN ni npm install).
| # | Capítulo | Para qué |
|---|---|---|
| 00 | Overview | Filosofía, para quién es, cómo funciona de punta a punta |
| 01 | Conceptos | El contrato: Flow IR, nodos, puertos/tipos, secretos, deployment targets |
| 02 | Catálogo de nodos | El libro de bloques: todos los tipos de nodo con puertos y config |
| 03 | Construye tu primer flujo | Tutorial cero-a-resultado (modo guiado, defaults, "Probar con mocks") |
| 04 | Codegen y deploy | Qué genera, cómo correrlo con mocks y desplegarlo |
| 05 | Extender el catálogo | Agregar una tecnología nueva = un manifest + un emisor + un mock |
| 06 | Principios de UX | Cómo se logra el "éxito al primer intento, sin manual" |
| 07 | Chat aerolínea: lienzo → prod | Tutorial video: cada bloque, export, docker, GCP |
Cada uno trae un README.md con: problema, arquitectura (diagrama), construcción paso a paso, config de cada nodo, secretos, qué genera y cómo probarlo con mocks. Más un flow.json (el Flow IR de ejemplo).
| # | Industria | Caso | Target | Conceptos destacados |
|---|---|---|---|---|
| 01 | Aerolíneas | Agente de cambio de vuelo | chat-service | tools, idempotencia, confirm-gate, audit |
| 02 | Banca | Evaluación de potencial de crédito | batch | ingesta PDF/tabular, salida estructurada |
| 03 | Salud | Asistente de pre-autorización | chat-service | filtros duros, HITL, citas |
| 04 | Seguros | Adjudicación de reclamos | batch | multimodal (vision), reglas + citas |
| 05 | Legal | Revisión de contratos | chat-service | multi-index, riesgos con citas |
| 06 | Retail | Bot de post-venta | chat-service | tools Order/Return, guardrail de monto |
| 07 | Telecom | Copilot de call center | chat-service | STT, intent, multi-index, feedback loop |
| 08 | Manufactura | RAG técnico de mantenimiento | chat-service | multimodal, citas obligatorias, HITL |
| 09 | RRHH | Asistente de políticas/beneficios | chat-service | el más simple → "primer intento" |
| 10 | Logística | Rebooking en disrupción | event-worker | Kafka, fan-out stateless, auto-confirm vs LLM |
¿Primera vez? Lee 03 · Construye tu primer flujo y luego el ejemplo 09 · RRHH — son el camino más corto a un resultado funcionando.
- Sin lock-in — el artefacto generado es Python estándar (LangGraph/LangChain) y corre solo.
- Funciona el día 1 — todo artefacto trae mocks + tests;
docker compose upy ya chateas. - Extensible por diseño — agregar una tecnología = un manifest declarativo, sin tocar el core.
- Claude por defecto — vía
init_chat_model, así que cambiar de modelo o de proveedor es cambiar una cadena. Multi-proveedor por diseño. - UX de primer intento — empiezas desde un template, con defaults sensatos y validación que te dice qué hacer.
RAGorbit tiene un curso propio, gratis y bilingüe, que enseña desde cero todo lo que la herramienta usa — cada tema anclado a un nodo del catálogo y a uno de los 10 templates, con talleres que se ejecutan en el navegador:
slothlabs.org/rag-course · repo: slothlabsorg/rag-course
Doce módulos (M0–M11) más una base de conocimiento vendor-neutral, cada tema en tres capas: concepto → desde cero en Python puro → framework real.
Agregar una tecnología al catálogo son tres piezas pequeñas y ningún cambio en el core: un manifest, un emisor de código y un behavior mock. La receta completa está en docs/05 · Extender el catálogo.
Antes de abrir un PR:
python3 tools/verify.py # los 10 casos: validan, generan, tests mock verdes, código real auditado
python3 tools/demo.py # + e2e con servicios HTTP reales + rechazo por contratoverify.py audita también el código real generado: falla si un nodo queda vacío, como
un return state, o lanzando NotImplementedError. Un nodo que no hace nada es un
fallo de CI, no un detalle que se descubre en producción.