AnythingLLM — Memoria Documental de AI-LAB

AnythingLLM es la memoria documental del ecosistema AI-LAB. No ejecuta inferencia, no orquesta servicios, no implementa cambios. Su función es exclusivamente documental: indexar, recuperar y auditar el conocimiento del laboratorio.

Rol principal

Memoria documental del laboratorio.

AnythingLLM no es un LLM más ni un sustituto de documentación. Es un consumidor oficial de la documentación canónica de AI-LAB.

Responsabilidades

Recuperación documental vía RAG
Indexación de documentación canónica
Auditoría documental (consistencia, cobertura, frescura)
Consulta de conocimiento estructurado
Gobierno documental (jerarquía, prioridad, trazabilidad)
Contextualización de respuestas basadas en documentación oficial

No es responsable de

Implementar cambios en runtime o infraestructura
Desplegar servicios
Modificar configuración del laboratorio
Ejecutar fases operativas
Inferencia de modelos

Separación de roles en AI-LAB

Componente	Rol
OpenCode	Implementa cambios, refactoriza, despliega, automatiza
AnythingLLM	Documenta, indexa, audita, recupera conocimiento
LM Studio	Ejecuta inferencia, hospeda modelos en VRAM
Unsloth	Entrena y optimiza modelos (fine-tuning, LoRA)
AI-LAB Runtime	Orquesta el ecosistema, aplica políticas, expone servicios
Astro (ialab-docs)	Publica documentación canónica

Flujo de ciclo documental

OpenCode implementa / modifica funcionalidad
  ↓
OpenCode actualiza documentación en Astro
  ↓
AnythingLLM reindexa documentación canónica
  ↓
AnythingLLM aprende / recupera nuevo conocimiento

Regla de reindexación

Toda fase PASS debe evaluar impacto documental. Si la documentación canónica cambia:

AnythingLLM debe reindexar el workspace correspondiente
Debe verificarse la recuperación documental mediante preguntas representativas
La nueva documentación debe estar accesible vía RAG

El protocolo completo de cierre de fase está en governance/phase-closure-protocol. Allí se definen los pasos obligatorios (evaluación, actualización, build, reindexación, validación) y los criterios PASS/PARTIAL/FAIL.

Regla de calidad

AnythingLLM se considera consumidor oficial de la documentación de AI-LAB. Por tanto:

La calidad documental afecta directamente la calidad de las respuestas
Documentación incompleta genera conocimiento incompleto
Documentación incorrecta genera respuestas incorrectas
La documentación forma parte del entregable de cada fase

Estado actual

AnythingLLM opera como Knowledge Base Enterprise multi-workspace desde julio de 2026. Indexa documentación canónica de todo el ecosistema AI-LAB y expone recuperación RAG vía API.

Estado actual (Julio 2026)

Despliegue Enterprise

AnythingLLM se ejecuta en un host de la red privada (puerto 3001). Su API key está configurada en el runtime de AI-LAB y en OpenCode para consultas RAG automatizadas.

ATENCIÓN: AnythingLLM no está en el mismo host que Grafana. No confundir las URLs.

Arquitectura de workspaces

AnythingLLM aloja 12 workspaces, de los cuales 9 contienen documentos y 3 están vacíos (legacy):

Workspace	Documentos	Estado
`ai-lab-runtime`	Documentación del runtime AI-LAB (AGENTS.md, fases, configuraciones)	✅ Activo
`hermes-enterprise`	Documentación completa de Hermes (SOUL, Capability, Operator, Hook, MCP, Governance)	✅ Activo
`adrs`	Architecture Decision Records (ADR-001 a ADR-006 y posteriores)	✅ Activo
`reports`	Reportes de fase, burn-ins, análisis operativos	✅ Activo
`rioja-marketplace`	Documentación del Marketplace Rioja	✅ Activo
`observabilidad`	Documentación de observabilidad (Prometheus, Grafana, métricas, alertas)	✅ Activo
`runbooks`	Runbooks operativos y procedimientos de recuperación	✅ Activo
`stack-2026`	Documentación del stack tecnológico 2026	✅ Activo
`mcp-y-a2a`	Documentación de servidores MCP y protocolo A2A	✅ Activo
`mi-espacio-de-trabajo`	Legacy — sin documentos	Vacío
`assistant-chats`	Legacy — sin documentos	Vacío
`ids`	Legacy — sin documentos	Vacío

Total de vectores: 1304

Embedder definitivo

El modelo de embedding utilizado por AnythingLLM es multilingual-e5-small (Q8_0, 384 dimensiones), servido por LM Studio en la red privada.

Este embedder fue seleccionado tras una migración desde el embedder por defecto de AnythingLLM. Soporta multilingüismo (español e inglés), permitiendo consultas RAG en ambos idiomas con alta precisión semántica.

Chat LLM

El modelo usado por AnythingLLM para responder consultas RAG es qwen2.5-14b-instruct, servido por LM Studio en la red privada.

Configuración de workspaces

Cada workspace activo tiene configurado:

Similarity threshold: 0.60 — 0.75 (según contexto del workspace)
Top N: 4 — 8 fragmentos recuperados
Temperature: 0.1 — 0.3 (baja, priorizando precisión documental)
Document limit: 20 — 50 documentos por workspace
Chunk size: 750 — 1500 caracteres (tuning por tipo de documento)
Chunk overlap: 150 — 250 caracteres

Validación RAG E2E

La recuperación documental fue validada extremo a extremo con preguntas representativas de cada dominio:

RAG E2E validation: 100% PASS
La cobertura documental permite responder preguntas sobre runtime, Hermes Enterprise, ADRs, reportes, marketplace, observabilidad, runbooks y MCP/A2A.

Baseline congelada

El estado actual de AnythingLLM está congelado como baseline en el checkpoint:

CP-ANYTHINGLLM-ENTERPRISE-04-COMPLETE

Cualquier cambio posterior en workspaces, documentos o configuración debe partir de esta baseline y documentarse como fase nueva de AnythingLLM Enterprise.

Clasificación documental

Clasificación: CANÓNICO Prioridad: ALTA

AnythingLLM es el punto oficial de consulta RAG para agentes, operadores y documentación automatizada. Su contenido debe reflejar fielmente la documentación canónica publicada en Astro y los ADRs aprobados.