onlyoffice-rag-pipeline

name	onlyoffice-rag-pipeline
description	Pipeline para integrar documentos de OnlyOffice con el sistema RAG de KAI. Procesa documentos, genera embeddings y los almacena en el conocimiento.

Objetivo

Crear un pipeline que integre los documentos de OnlyOffice con el sistema de conocimiento de KAI.

Cuándo Usarlo

• Cuando un documento de OnlyOffice necesita ser searchable por RAG
• Para indexar documentos existentes en masa
• Para procesar documentos con texto estructurado

Flujo de Trabajo

1. Buscar documentos en OnlyOffice
2. Extraer texto del documento
3. Dividir en chunks con overlap
4. Generar embeddings
5. Almacenar en pgvector y Neo4j

Uso Básico

from skills.onlyoffice_rag_pipeline.scripts.process_document import ProcessOnlyOfficeDocumentTool

tool = ProcessOnlyOfficeDocumentTool(
    account_id="fdde7eb8-3c4e-405f-aa5e-659259e10268"
)

result = await tool.arun(
    document_id="uuid-del-documento",
    chunk_size=128,
    overlap=20
)

Parámetros

Parámetro	Tipo	Requerido	Descripción
document_id	str	Sí	ID del documento en OnlyOffice
chunk_size	int	No	Tamaño de chunks (default: 128)
overlap	int	No	Solapamiento (default: 20)
workspace_id	str	No	ID del workspace (para procesar todos)

Estado

• ✅ Extracción de texto
• ✅ Generación de embeddings
• ✅ Indexación en pgvector
• ✅ Almacenamiento en Neo4j