Donnez à vos agents et produits IA le contexte précis du code, des specs, des fichiers Office et des PDF. Ragmir indexe en local, sur un poste, un VPS ou un serveur hors ligne, et cite ses sources. Votre agent répond avec le modèle de votre choix.
94 % des vraies questions de développeurs trouvent le bon fichier dans le top 10 · 36 ms de recherche médiane sur un monorepo de 30 171 passages. Voir les benchmarks
Demandez à Claude Code ou Codex de développer une fonctionnalité à partir des documents du projet. L’agent cherche, lit, précise, puis code.
001·Cas d'usage
Quatre parcours. Une même couche de preuves citées.
Développez une fonctionnalité et corrigez un incident avec un agent de code, ancrez un produit IA dans les documents d’un client, ou décidez dans un chat local confidentiel.
Développez une fonctionnalité avec Claude Code ou Codex.
Votre agent de développement cherche les règles, vérifie les exceptions, puis modifie le code et les tests.
01Déclencheur
Demandez la récupération de compte à Claude Code ou Codex.
02Sources
Le cahier des charges Word et l’ADR d’authentification sélectionnés.
03Recherche
L’agent cherche les règles, ouvre les sources et précise les exceptions.
04Résultat cité
L’agent modifie le code et les tests en citant les règles appliquées.
Diagnostiquez un incident avant de modifier le code de production.
Votre agent de développement ancre un correctif de régression dans le runbook, le rapport d’incident et le code concerné.
01Déclencheur
Demandez à Claude Code ou Codex de diagnostiquer un timeout de paiement.
02Sources
Le runbook des timeouts, le rapport d’incident et l’implémentation de retry.
03Recherche
L’agent vérifie les règles de retry et ouvre l’implémentation citée.
04Résultat cité
L’agent corrige la régression et ajoute un test à partir des preuves.
Ancrer un produit IA dans les documents de vos clients.
Une application TypeScript ou une chaîne LangChain.js récupère des passages cités sur le serveur du client, et refuse quand les documents ne disent rien.
01Déclencheur
Un utilisateur demande à l’assistant contrats le préavis de résiliation.
02Sources
Les contrats et politiques du client, indexés sur son propre serveur.
03Recherche
RagmirRetriever renvoie la clause exacte avec sa page.
04Résultat cité
L’application répond avec la clause citée, ou indique que les documents ne la couvrent pas.
Choisissez une architecture avec un chat confidentiel.
Discutez de vos contraintes internes avec un chat et un modèle locaux ou hébergés sur votre infrastructure.
01Sources
Notes d’architecture internes et contraintes de stockage des pièces jointes.
02Recherche
Ragmir retrouve les contraintes de stockage et leurs sources.
03Modèle local
Modèle local, ou modèle hébergé sur votre serveur.
04Résultat cité
Décision citée : fichiers en stockage objet, métadonnées dans PostgreSQL.
Vos propres documents, aussi.
La même recherche citée fonctionne sur un corpus personnel : les recherches derrière une vidéo, une vie de paperasse ou tout votre parcours professionnel. L’indexation et la recherche restent sur votre machine.
01 / 03 Création de contenu
Écrire des scripts YouTube à partir de vos recherches
Indexez articles, notes et anciennes transcriptions. Votre agent rédige le script et cite une source sous chaque affirmation : la vérification prend quelques minutes.
[1] research/hybrid-search-paper.pdf:p4#2
02 / 03 Démarches perso
Gérer vos démarches avec un modèle local
Indexez relevés bancaires, fiches de paie, contrats et attestations sur votre propre machine. Un modèle local prépare chaque dossier et indique la page exacte comme preuve.
[1] payslips/2026-09.pdf:p1#0
03 / 03 Carrière
Chercher un emploi avec tout votre parcours
Indexez chaque CV, entretien annuel et bilan de projet. Confrontez chaque offre à vos propres preuves et rédigez des lettres de motivation qui n’inventent rien.
[1] reviews/2024-annual-review.pdf:p2#1
002·Installation
Installez une fois. Interrogez via CLI, TypeScript ou MCP.
Ajoutez Ragmir Core au dépôt qui contient les fichiers, avec Node.js 22.12 ou plus récent. Choisissez les sources, puis indexez-les. La recherche local-hash ne nécessite ni compte, ni clé API, ni téléchargement de modèle.
Configurez Ragmir
Laissez votre agent de code adapter la configuration, ou choisissez votre gestionnaire de paquets et lancez les commandes vous-même.
Laissez votre agent de code configurer Ragmir
Collez ce prompt dans votre agent de code. Il inspecte le dépôt, demande confirmation avant chaque choix, installe les bons paquets et vérifie la recherche citée.
003·Intégrations
Des plugins pour Claude Code, Codex, Cursor et Gemini CLI. Un retriever pour LangChain.
Utilisez Ragmir depuis les outils que votre équipe utilise déjà. Chaque intégration lit le même index local et renvoie les mêmes citations exactes : installez-le comme plugin d'agent de code, extension Gemini CLI ou Qwen Code, Agent Skills, retriever LangChain.js ou Python, image Docker ou serveur MCP pour n'importe quel client.
Votre agent choisit quand chercher, développer une citation ou reformuler sa requête. MCP fournit au plus trois citations compactes par défaut, nomme la base qu’il sert et renvoie les passages déjà vus sous forme de courts rappels. L’agent gère le raisonnement, la génération et les actions.
Connecter Claude Code, Codex, Kimi, OpenCode ou Cline
La même recherche sourcée, quelle que soit l’application qui l’utilise.
01 / 03
Sur votre machine
Exécutez Ragmir, votre chat ou agent et un modèle téléchargé sur la même machine, avec Ollama par exemple. Gardez l’inférence locale et désactivez les appels distants du client si les passages doivent rester sur ce poste.
02 / 03
Sur votre propre serveur
Utilisez un modèle hébergé sur votre serveur ou votre infrastructure cloud privée. Les passages sont transmis à ce serveur. Vous gérez les accès, la connexion et la conservation des journaux.
03 / 03
Avec un fournisseur cloud
Connectez un chat ou agent compatible à Ragmir via MCP ou votre application. Les passages envoyés au modèle quittent votre environnement et relèvent de la politique de données du fournisseur.
005·Pour les équipes qui livrent du RAG
D'un dossier client à des réponses citées, sur son infrastructure.
Les forward deployed engineers et les équipes IA-natives installent la recherche là où vivent les documents : un poste pour la première démo, puis un VPS, un serveur sur site ou un réseau sans accès à internet.
01 / 04
Un flux de données que l'on peut signer
Analyse, embeddings, index et recherche tournent dans un seul processus Node.js. Aucune API d'embedding, télémétrie ou stockage hébergé à déclarer en revue de sécurité.
02 / 04
Des preuves sur leurs documents
rgr evaluate mesure la recherche sur les questions du client, vérifie les citations exactes et compte les questions hors sujet qui doivent rester sans réponse.
03 / 04
Sur leurs serveurs
Conteneurs Debian ou Alpine, utilisateur non root, système de fichiers en lecture seule, sans réseau. L'index vit sur un volume, tenu à jour par une tâche planifiée.
04 / 04
Une passation nette
Un ragmir.config.json versionné, rgr doctor pour le diagnostic, et des mises à jour qui gardent le dernier index validé jusqu'à la validation de son remplaçant.
Votre service gardeTLS · authentification · droits par utilisateur · limites de débit · le modèle
Indexez les bonnes sources. Retrouvez des preuves précises.
Une bibliothèque pour la connaissance projet, avec les formats documentaires et l’OCR intégrés. Ajoutez la recherche sémantique si votre corpus en a besoin.
01 / 03 Inclus
Recherche dans le projet
Transformez vos fichiers en contexte sourcé pour vos agents, scripts et applications TypeScript.
Préparer
Commande
Indexez les changements, rafraîchissez après chaque opération Git et repérez les citations dont le fichier a changé.
Atteignez le code qui définit ce que vous cherchez, ainsi que les specs et lignes Office avec leurs en-têtes cités.
Ouvrez un passage cité, vérifiez sa version indexée et repérez les preuves faibles.
Utilisez le même index local via la CLI, MCP ou TypeScript.
02 / 03 Optionnel
Scans, photos et anciens fichiers
Rendez cherchables les preuves contenues dans vos PDF scannés, photos et anciens fichiers Word grâce aux extracteurs locaux.
Préparer
Commande
Extrayez d’abord le texte intégré, puis appliquez l’OCR aux pages sans texte.
Conservez les références de page avec les passages retrouvés.
Réutilisez le cache OCR avec des lots de taille limitée.
Détectez Tesseract, OCRmyPDF, textutil, antiword ou LibreOffice.
03 / 03 Optionnel
Recherche sémantique
Ajoutez la recherche par le sens avec un modèle d’embeddings local lorsque les mots-clés ne suffisent pas.
Préparer
Commande
Installez Transformers uniquement si nécessaire.
rgr models list recommande un modèle adapté à la machine ; le téléchargement reste explicite.
Combinez recherche lexicale, vecteurs et filtres sur les sources.
Mesurez la qualité avec vos propres questions de référence.
Formats pris en charge
Plus de 900 types de fichiers sont indexés localement, chacun avec une citation que les agents peuvent reprendre. Fichiers de design, cartes mentales, e-mails, API, modèles de données et diagrammes sont cités objet par objet.
OpenAPI AsyncAPI Postman Insomnia Bruno HAR GraphQL Protobuf Avro Thrift Smithy TypeSpec WSDL .http
Données et configuration
CSV JSON JSONL YAML TOML XML INI Jupyter GeoJSON SARIF SPDX Logs
Traductions
gettext .po XLIFF Apple .strings String Catalog .resx ARB Fluent
BI et reporting
Tableau Power BI (TMDL) LookML SSRS SSIS JasperReports SAS Stata Nextflow Snakemake
Code et infrastructure
TypeScript JavaScript Python Java Kotlin Swift Go Rust C# C/C++ PHP Perl Ruby Dart Scala Elixir Haskell Julia Zig Solidity COBOL ABAP Terraform Bicep Helm Nix Dockerfile Shell .NET projects WiX Godot Luau Lean Gherkin Robot Framework XSLT Apple plist
Avec un extracteur local optionnel
PDF OCR PNG JPEG TIFF WebP HEIC .doc
007·Gardez la main sur vos données
Recherche locale. Destination choisie.
Ragmir conserve son index sur la machine où il fonctionne et renvoie les sources sans masquage. La confidentialité dépend aussi du chat ou de l’agent, de l’hébergement du modèle, des journaux et des connexions réseau.
01 / 04
Documents sur disque
Choisissez les dossiers que Ragmir peut lire. Ragmir n’envoie pas vos fichiers sources vers un service de stockage documentaire.
02 / 04
État ignoré par Git
L'index, les rapports et les intégrations générées restent dans le dossier local .ragmir/, ignoré par Git.
03 / 04
Des sources choisies
Incluez les dossiers utiles et excluez les identifiants, les fichiers générés et les données sans rapport.
04 / 04
Une destination choisie
Votre application décide où envoyer les passages. Un fournisseur cloud reçoit ceux inclus dans vos requêtes ; en auto-hébergement, vous gérez les accès, le transport et les journaux.
008·FAQ
Questions fréquentes
Sources, modèles locaux, OCR et intégration à vos outils de développement.
Qu'est-ce que Ragmir ?
Ragmir fournit la recherche documentaire du RAG agentique : il indexe les fichiers choisis et renvoie des passages précis et sourcés via TypeScript, CLI ou MCP. Votre agent décide quand relancer une recherche, raisonne sur les sources et produit la réponse. La recherche par défaut fonctionne hors ligne sans télécharger de modèle.
Ragmir envoie-t-il mon code ou mes documents confidentiels ?
Ragmir n’a ni télémétrie ni stockage documentaire hébergé. Il indexe sur la machine où il fonctionne et renvoie les passages sans masquage. Votre chat ou agent peut les transmettre à un fournisseur de modèles. Pour un usage confidentiel, maîtrisez tout le parcours : client, modèle local ou auto-hébergé, connexion, accès et journaux. Le mode sémantique télécharge explicitement les poids du modèle.
Avec quels agents IA et outils Ragmir fonctionne-t-il ?
Ragmir Core est indépendant du modèle. Claude Code, OpenAI Codex et Cursor l'installent comme plugin, Gemini CLI et Qwen Code comme extension, chacun avec la skill de recherche et le serveur MCP. Kimi, OpenCode et Cline se connectent avec rgr setup. Les applications LangChain.js utilisent RagmirRetriever ou les outils d'agent, et les applications Python installent ragmir, langchain-ragmir pour LangChain et LangGraph, ou llama-index-retrievers-ragmir depuis PyPI. Tout agent qui charge des skills installe celles de Ragmir avec npx skills add jcode-works/ragmir, et les assistants de code lisent la documentation sur Context7. Les autres clients MCP, scripts et tâches CI obtiennent les mêmes résultats cités. Chaque serveur lit la base d'un seul projet et avertit ou refuse les espaces de travail sans rapport.
Puis-je utiliser Ragmir sur des documents personnels, comme mes relevés bancaires ou mon CV ?
Oui. Indexez les dossiers de votre choix : les recherches et anciennes transcriptions d’un script YouTube, une vie de paperasse, ou tout votre parcours professionnel pour chercher un emploi. L’indexation et la recherche tournent sur votre machine. Associez Ragmir à un modèle local comme Ollama pour que chaque passage y reste ; avec Claude Code, Codex ou Claude Desktop, les extraits cités partent chez ce fournisseur.
Comment une équipe partage-t-elle la même base documentaire ?
Versionnez un ragmir.config.json partagé et partagez les documents relus via votre fonctionnement Git ou vos outils de partage habituels, puis lancez rgr ingest sur chaque poste, ou laissez rgr hooks install rafraîchir l’index après chaque pull. Chaque développeur garde son index local. Ragmir ne gère ni les branches ni la synchronisation entre postes.
Ragmir nécessite-t-il une clé API, un téléchargement de modèle ou une connexion internet ?
Le moteur local-hash par défaut fonctionne hors ligne, sans clé API ni modèle à télécharger. La recherche sémantique nécessite Transformers en option et le préchargement d’un modèle. Pour un parcours entièrement local, utilisez aussi un modèle de génération local, par exemple avec Ollama. Pour réutiliser un modèle que vous servez déjà, le fournisseur openai-compatible, sur option, calcule les embeddings via Ollama, vLLM ou un autre point d’accès compatible OpenAI.
Puis-je voir où l'indexation consomme du temps et de la mémoire ?
Les métriques d’ingestion optionnelles indiquent les durées par phase, le débit, les files d’attente, le cache OCR et la mémoire. Ces diagnostics locaux excluent le contenu des documents et les requêtes ; aucun service de suivi d’usage n’est intégré.
En quoi Ragmir diffère-t-il de l'indexation d'un IDE ou d'un RAG hébergé ?
La recherche native traite déjà bien le code structuré. Ragmir cible les documents de projet qui nécessitent des citations, garde l'index en local et expose des passages bornés via des outils MCP non destructifs. Les petits budgets de sortie conservent les citations exactes et renvoient des résumés typés avec le nombre d'éléments omis.
Est-ce que Ragmir rédige les réponses à ma place ?
Ragmir fournit les outils de recherche et de citation du RAG agentique. Votre agent, chat ou application décide quand les appeler et transmet les sources au modèle choisi. Le guide couvre Ollama en local, les serveurs auto-hébergés et les fournisseurs cloud.
Quels formats de fichiers Ragmir peut-il indexer ?
Plus de 900 types de fichiers sont indexés sans installation supplémentaire : le code source de plus de 250 langages, le texte, Markdown, PDF, Word, PowerPoint et Excel (fichiers à macros et modèles compris), OpenDocument, EPUB, HTML et pages web enregistrées, CSV, JSON, YAML, les fichiers de traduction et de build comme le Dockerfile. Les exports sont cités objet par objet : cadres Figma, Sketch, Excalidraw et tldraw ; feuilles XMind ; e-mails, boîtes mail et notes Evernote ; requêtes Postman et Insomnia et captures HAR ; opérations OpenAPI et AsyncAPI ; modèles PowerDesigner, ERwin, MySQL Workbench, draw.io, Visio, BPMN, ArchiMate et UML ; projets Tableau et Power BI ; objets GeoJSON et alertes SARIF. Les PDF scannés, photos et anciens fichiers Word peuvent utiliser des extracteurs locaux optionnels, et les fichiers non pris en charge sont signalés explicitement.
Ragmir peut-il tourner sur un VPS ou un serveur sans accès à internet ?
Oui. Ragmir tourne partout où Node.js 22.12 tourne, y compris dans des conteneurs Debian et Alpine, avec un utilisateur non root, un système de fichiers en lecture seule et sans réseau. Il n'ouvre aucun port HTTP : les agents passent par MCP sur stdio, et votre service intègre le client TypeScript et gère l'authentification, les autorisations, les limites de débit et TLS. L’image Docker officielle fait tourner la CLI et le serveur MCP sans installer Node.js, et le guide serveur fournit un Dockerfile fonctionnel.
Puis-je livrer Ragmir dans un déploiement client ou un produit commercial ?
Oui, selon les termes de l'AGPL-3.0, qui imposent notamment de proposer le code source d'une version modifiée que vous distribuez ou exploitez pour des utilisateurs à travers un réseau. Pour intégrer Ragmir à un logiciel propriétaire ou à un service hébergé sans ces obligations, JCode Works propose une licence commerciale distincte.
Commencer par le cœurOpen source AGPL-3.0
Donnez à vos agents le contexte de votre projet.
Donnez à vos agents et produits IA des preuves citées via MCP, la CLI ou TypeScript, sur un poste ou sur vos serveurs. Gardez le modèle et le fonctionnement de votre choix.