• LOCAL
  • SÉCURISÉ
  • PRÊT
  • HUMAIN

Créer des pipelines RAG locaux avec votre IA

Connectez Ollama à votre agent pour traiter vos données localement. Une fois la connexion établie, votre IA transforme le texte en vecteurs sans passer par une API cloud.

Demandez à l'IA à propos de cette page

Réponse rapide

Comment créer un pipeline RAG local avec mon IA ?

Vous utilisez votre agent pour convertir vos textes locaux en embeddings vectoriels via Ollama. Tout le travail lourd est effectué sur votre propre matériel, garantissant que vos documents sensibles ne quittent jamais votre environnement local. Vous trouverez le détail du processus d'embedding ci-dessous.

Les résultats.

Où vont vos données.

Ce que produit cette tâche.

LOCAL

Stockage vectoriel privé

Votre agent crée des représentations mathématiques de vos fichiers. Celles-ci restent sur votre machine pour une recherche sémantique privée.

SÉCURISÉ

Zéro exposition cloud

Le processus d'embedding s'effectue entièrement sur votre matériel. Aucune donnée n'est envoyée à des fournisseurs externes.

PRÊT

Connaissances exploitables

Votre agent transforme le texte brut en un format structuré. Cela permet une récupération instantanée du contexte pertinent lors de vos échanges.

HUMAIN

Révision manuelle requise

Vous décidez quels documents méritent d'être indexés. L'IA ne choisit pas ce qui est important sans vos instructions.

Le flux

Ce que fait votre IA une fois les données reçues.

L'agent gère la conversion mathématique de votre texte.

  1. Lire les fichiers locaux

    Votre agent accède aux fichiers texte ou aux documents que vous lui indiquez.

    generate_embeddings

  2. Générer des vecteurs

    L'agent convertit les segments de texte en vecteurs numériques via votre moteur local.

    generate_embeddings

  3. Alternative d'embedding

    Si vous préférez une approche cloud pour certaines tâches, l'agent peut utiliser un fournisseur externe.

    openai_embeddings

  4. Indexer pour la recherche

    L'agent prépare les vecteurs pour qu'ils soient utilisables lors de recherches sémantiques dans vos futurs prompts.

    generate_embeddings

Essayez

Copiez ces commandes pour commencer.

Utilisez ces prompts pour lancer le processus d'embedding.

Points de départ

Ce sont des exemples. Remplacez le texte entre crochets par vos propres chemins de fichiers ou noms de dossiers.

Ollama Connector

Tout est prêt. Choisissez votre client MCP et suivez les instructions de configuration.

Lien du connecteurhttps://edge.vinkius.com/vk_preview_hYpu67YLXAzJ2w17TRhdjXKZcyynLB0AY9L4fYBJ/mcp

Claude Desktop

Suivez les étapes ci-dessous pour vous connecter en quelques secondes.

  1. 1In Claude Desktop, open Settings → Connectors.
  2. 2Click “Add custom connector” and paste the connector link above as the remote MCP server URL.
  3. 3Click Add and start a new chat — Ollama capabilities are ready to use.
Configuration · claude_desktop_config.jsonCopier
{
  "mcpServers": {
    "ollama-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_hYpu67YLXAzJ2w17TRhdjXKZcyynLB0AY9L4fYBJ/mcp"
    }
  }
}
Copiez dans le chat04

  • Générer des embeddings pour le texte dans ./docs/project_notes.txt

  • Créer des embeddings vectoriels pour tous les fichiers du dossier /legal/contracts

  • Utiliser les embeddings locaux pour indexer le contenu de mon fichier README.md

  • Convertir le texte de ce PDF spécifique en embeddings pour que je puisse lui poser des questions

  • Claude
  • ChatGPT
  • Cursor
  • VS Code
  • Windsurf
  • Claude Code
  • JetBrains
  • Cline

Commencez ici

Connectez Ollama une fois, puis interrogez.

Liez simplement le MCP à votre client. Vos identifiants restent chiffrés et vous pouvez commencer l'embedding immédiatement.

Connecter Ollama à votre IA

FAQ

Fonctionnement de la tâche.

  • 01

    Mes données vont-elles sur le cloud avec les embeddings locaux ?

    Non. Lorsque vous utilisez l'outil d'embedding local, tout le traitement se fait sur votre propre matériel.

  • 02

    L'IA peut-elle supprimer mes fichiers originaux ?

    Non. L'agent se contente de lire les fichiers pour créer les embeddings ; il n'a pas la capacité de supprimer ou de modifier vos documents sources.

  • 03

    Puis-je utiliser les embeddings d'OpenAI au lieu des locaux ?

    Oui. Vous pouvez choisir entre la génération locale ou l'utilisation d'un fournisseur externe selon votre préférence.

  • 04

    Cela va-t-il indexer automatiquement tout mon disque dur ?

    Non. L'IA ne traite que les fichiers ou dossiers spécifiques que vous lui demandez explicitement d'indexer.

  • 05

    Dois-je gérer la base de données vectorielle moi-même ?

    L'agent gère la génération des vecteurs, mais c'est vous qui gérez les fichiers qui sont traités.

  • D'autres questions sur Ollama ? Voir toutes les capacités du connecteur Ollama

Connectez Ollama à Claude, Cursor, ChatGPT et d'autres