Recherche · code ouvert

NoRag

Interrogez vos docs sans limites. Des réponses traçables — sections complètes, citations exactes. Pas de vector DB, pas d'API d'embedding, aucun coût récurrent.

Lire le blueprint GitHub

Pourquoi pas le RAG ?

Les vecteurs sont opaques, les chunks arbitraires, et l'ingestion coûte en continu. NoRag remplace toute la stack par du Markdown que le LLM lit directement.

Critère	RAG	NoRag
Infrastructure	Vector DB + modèle d'embedding	Fichiers Markdown simples
Ajout d'un document	Coût récurrent (re-embed + stockage)	Un seul passage Archiviste
Contexte fourni au LLM	Chunks arbitraires	Sections complètes
Auditabilité	Vecteurs opaques	Markdown versionné avec Git
Citations	Approximatives	Précises [doc_id, section]
Qui corrige l'index ?	Data scientist	Tout dév qui lit le MD

Infrastructure

RAGVector DB + modèle d'embeddingNoRagFichiers Markdown simples

Ajout d'un document

RAGCoût récurrent (re-embed + stockage)NoRagUn seul passage Archiviste

Contexte fourni au LLM

RAGChunks arbitrairesNoRagSections complètes

Auditabilité

RAGVecteurs opaquesNoRagMarkdown versionné avec Git

Citations

RAGApproximativesNoRagPrécises [doc_id, section]

Qui corrige l'index ?

RAGData scientistNoRagTout dév qui lit le MD

L1 — deux appels, c'est tout.

Appel 1 : un petit modèle lit la question, le catalogue de documents et le catalogue d'agents. Il choisit un agent et les sections pertinentes. Appel 2 : l'agent sélectionné lit ces sections et répond avec des citations.

Question

Router (SLM)

→ agent + docs

Réponse (LLM)

[doc_id, section]

sortie du Router

{
  "agent_id": "juriste_conformite",
  "documents": [
    { "doc_id": "contrat_acme", "sections": ["art_7", "annexe_A"] }
  ],
  "reasoning": "Question de rétention contractuelle → juriste + clauses SLA"
}

Multi_L — parallèle, puis synthétisé.

Un Planificateur distribue N couches L1 — agents différents, sous-questions ou corpus distincts. L'Agrégateur nomme les contradictions et rédige la synthèse.

Planificateur (SLM)

émet N plans de couches

Couche 1

L1 → réponse + citations

Couche 2

L1 → réponse + citations

Couche 3

L1 → réponse + citations

Agrégateur (LLM)

synthèse · citations préservées · contradictions nommées

Quatre presets. Même moteur.

Configurez Multi_L pour votre cas d'usage en choisissant un preset — ou laissez le Planificateur décider.

Multi-Agent

Même question, agents différents. Perspectives croisées en une seule réponse.

Couche 1: juriste_conformite
Couche 2: analyste_technique
Couche 3: analyste_finance

Décomposition

Découpe la question en sous-questions routées indépendamment.

L1 : « Stratégie cloud AWS 2020-2024 »
L2 : « Stratégie cloud Azure 2020-2024 »

Multi-Corpus

Même question, agents différents, corpus distincts.

L1 : juriste, scope=contrats
L2 : analyste_technique, scope=doc_technique

Hybride / Auto

Le Planificateur combine librement agents, sous-questions et corpus.

Laisser le Planificateur décider.

Sous le capot.

Deux fichiers Markdown. C'est toute la « base de données ». Versionnable avec Git, lisible par tous, zéro infra.

data/index.md

## contrat_saas_acme
- **Titre** : Contrat SaaS — Acme Technologies
- **Résumé** : Accord B2B SaaS couvrant SLA,
  rétention des données, et sécurité.
- **Sections** :
  - `art_7` — Rétention données
    mots-clés : rétention, RGPD, purge, 90 jours
  - `annexe_A` — SLA et disponibilité
    mots-clés : SLA, uptime, 99.9%, crédit

data/index_system_prompt.md

## juriste_conformite
**Description** : expert juridique B2B
(contrats, RGPD, SLA).
**Quand l'utiliser** : clauses, rétention,
DPA, SLA.
**System prompt** :
> Tu es juriste senior. Tu cites
> [doc_id, section] systématiquement.

Commencer.

Trois façons de l'utiliser, du terminal au chat web. Le dépôt contient le code, les benchmarks et les prompts.

API

L1 + Multi_L complets via FastAPI. Tout client, tout langage.

uvicorn api.main:app --reload

Chat web

Copiez un prompt plugin dans ChatGPT, Claude, Gemini ou Grok. L1 uniquement.

norag/plugins/<provider>.md

Skill Claude Code

Utilisez /norag directement dans votre terminal. L1 + Multi_L, lit les fichiers locaux.

/norag <question>