lab
Esc

Prueba con

↑↓ para moverte · Enter para abrir · también en /buscar?q= para agentes

herramienta intermedio ragvisionclaude-codeopencodebusqueda

PixelRAG: recupera información desde capturas de documentos

Busca información visual que se pierde al extraer solo texto, como tablas y gráficos. Puedes capturar páginas localmente y probar la búsqueda sobre el índice alojado del proyecto.

✓ verificado el 26 oct 2026

Instrucciones para tu agente

Esto es lo que se copia. Pégaselo a tu agente y te lo monta paso a paso.

O ábrelo directamente en ClaudeChatGPT

Pega este texto a tu agente (Claude Code, Codex, OpenCode, Hermes o el que uses) y dile «ayúdame a montarlo». Son los pasos para ponerlo en marcha; el porqué de cada pieza está en la guía completa.

Para el agente: cómo acompañar al usuario

  1. Pregunta primero para qué lo quiere. Si su objetivo no necesita algún paso, sáltalo.
  2. Antes de instalar, comprueba lo que ya tiene (versiones, claves, sistema operativo).
  3. Avanza un paso cada vez: explica en una frase qué vas a hacer y deja que el usuario lo ejecute o lo apruebe.
  4. Tras cada paso, comprueba que funcionó antes de seguir. Si falla, para y explica el error.
  5. No inventes comandos ni opciones: si la documentación del proyecto contradice estos pasos, manda la documentación.
  6. Al terminar, haz una prueba real con el objetivo del usuario y dile dónde profundizar.

Pasos de configuración

Paso 1: instala el renderizador

Comprueba que uv está disponible y que usará Python ≥3.12. En macOS o Windows, comprueba además que Chrome/Chromium está instalado; el navegador incluido se instala automáticamente solo en Linux x64.

uv tool install pixelrag

Paso 2: registra la skill en Claude Code

claude plugin marketplace add StarTrail-org/PixelRAG
claude plugin install pixelbrowse@pixelrag-plugins

Paso 3: captura una página pública

El ejemplo del README:

pixelshot https://en.wikipedia.org/wiki/Python --output ./tiles

La captura local prueba el renderizador. Para comprobar también la recuperación que anuncia la guía, con curl disponible usa el índice alojado público del README:

curl -X POST https://api.pixelrag.ai/search \
  -H 'Content-Type: application/json' \
  -d '{"queries":[{"text":"¿Cuál es la capital de Francia?"}],"n_docs":5}'

No requiere clave según el proyecto. La respuesta debe incluir documentos recuperados; abre sus referencias e imágenes para comprobar que permiten responder París. Este índice es remoto y no contiene tus capturas locales. Para construir uno propio, sigue después las etapas Pipelines del README.

Comprobación

Abre las imágenes de tiles y confirma que contienen la página y sus tablas. Dentro de Claude Code puedes usar /screenshot https://example.com, documentado por el proyecto, y comparar la descripción con la captura.

Si algo falla

Si el agente no encuentra pixelshot, revisa PATH y la instalación persistente con uv tool. Si una web no se renderiza, comprueba su acceso desde el navegador y la configuración de Playwright indicada por el proyecto.

Fuente: documentación oficial.

ver en .md ¿Prefieres el recurso entero?

Qué es

PixelRAG es un sistema de recuperación que trabaja con imágenes de páginas y documentos. Conserva la disposición visual para que un modelo pueda leer tablas, gráficos o diagramas en el contexto de la página.

Para qué te sirve

  • Cuando una tabla deja de entenderse al convertir una web a texto.
  • Cuando quieres que un agente inspeccione una captura de un artículo técnico antes de resumir sus figuras.

Cómo funciona

La herramienta pixelshot renderiza páginas o documentos en imágenes. La recuperación visual usa un modelo Qwen3-VL-Embedding ajustado para capturas. El proyecto separa la captura local del resto de la canalización y también publica un índice alojado de Wikipedia para probar búsquedas.

Antes de empezar

Prepara Python ≥3.12 para el paquete actual, según su pyproject.toml, aunque algunos ejemplos del README todavía citan 3.10+. En macOS y Windows necesitas Chrome/Chromium del sistema o el Chromium de Playwright; el navegador incluido solo se instala automáticamente en Linux x64. Para la skill de Claude Code, el README recomienda uv tool o pipx de modo que pixelshot quede en PATH. La captura usa Playwright/CDP. Consultar el índice público no equivale a desplegar tu propio índice ni instala los modelos de todas las etapas.

Límites y alternativas

Capturar una página no crea por sí solo una base documental consultable. La precisión depende de la imagen, la recuperación y el modelo lector. El índice alojado y el software local tienen necesidades operativas diferentes. Para documentos sencillos, extraer texto puede resultar más directo; para imágenes, revisa visualmente la fuente antes de aceptar una cifra.

Recursos