Cada pocos meses un repo open-source deja de ser una demo y se convierte en infraestructura que corrés en tu casa. Khoj es uno de ellos: un asistente personal de IA que autoalojás, apuntás a tus propios documentos y consultás desde el navegador, Obsidian, Emacs, el teléfono o WhatsApp — con el LLM que elijas, local o en la nube.
Leí el README real y la documentación oficial de self-hosting para que no tengas que hacerlo: qué es Khoj y cuán popular es realmente, cómo funciona el sistema en 4 pasos, un quickstart verificado contra la documentación actual, casos de uso reales y una lista honesta de cuándo NO usarlo.
1. Qué Es Khoj: Estrellas, Licencia y Datos
Khoj (github.com/khoj-ai/khoj) se presenta como “tu segundo cerebro de IA”. Es una app personal de IA que escala desde un asistente en tu dispositivo hasta un despliegue enterprise en la nube. Chateás con cualquier LLM local u online — Llama, Qwen, Gemma, Mistral, GPT, Claude, Gemini, DeepSeek — y obtenés respuestas basadas en la web y tus propios docs: PDFs, Markdown, Word, Notion, archivos org-mode e imágenes.
Estrellas en GitHub
~37k estrellas (verificado 3 sep 2026)
Licencia
AGPL-3.0 — gratis para autoalojar
Stack
Docker o pip · listo para Ollama · puerto 42110
Por qué importa
Khoj es uno de los pocos asistentes open-source serios construido alrededor de tus archivos en vez de un chat vacío. El repo se mantiene activamente desde 2021, trae clientes de escritorio, móvil, Obsidian, Emacs y WhatsApp, y cada consulta mezcla documentos privados con búsqueda web en vivo. Tomá el conteo de estrellas como una foto del momento — pero más de 2,4k forks dicen que la gente realmente lo despliega.
Hay dos formas de usarlo. Autoalojado en tu máquina o servidor: privado, ilimitado, sin funciones pagas, los datos nunca salen de tu red. O la nube alojada en app.khoj.dev: cero setup, últimas funciones primero, pero tus docs viven en el servidor de otro. El código es el mismo en ambos casos, y podés exportar de la nube al self-hosted sin lock-in.
2. Arquitectura en 4 Pasos
Khoj parece una app de chat, pero por debajo es una pequeña plataforma RAG: cinco servicios Docker que indexan, recuperan, razonan y actúan. Este es el loop que responde cada pregunta.
Paso 1 — Indexar
tus archivos → pgvector
Khoj sincroniza tu vault, tu workspace de Notion o los archivos que arrastres y los convierte en embeddings en PostgreSQL con pgvector. El plugin de Obsidian sincroniza con agenda; en Emacs tenés khoj-chat y khoj-search sin salir del editor.
Paso 2 — Recuperar
pregunta → docs + web
Cada pregunta dispara búsqueda semántica sobre tu índice, opcionalmente combinada con resultados web en vivo de la instancia SearxNG incluida. El modo research va multi-hop: planifica, lanza varias queries, lee los hits y responde con citas.
Paso 3 — Razonar
contexto → cualquier LLM
Los fragmentos recuperados más el historial van al modelo que configuraste — APIs en la nube o un Ollama local como qwen3 o llama3.1. El modelo default y el avanzado se setean por separado en los ajustes de chat del servidor.
Paso 4 — Actuar
agentes → automatizaciones
Los agentes custom combinan persona, base de conocimiento acotada y herramientas — búsqueda web, Python aislado vía Terrarium — en un rol. Las automatizaciones los corren con agenda tipo cron: briefings matutinos, resúmenes semanales, newsletters personales en tu inbox.
El modelo mental que te ahorra RAM
Pensá Khoj como RAG con agenda: indexás una vez, recuperás en cada pregunta, razonás con cualquier modelo, actuás en piloto automático. El indexador es hambriento en la primera importación — 8 GB de RAM mínimo, 16 GB para modelos locales — así que indexá de noche y agradecete después.
3. Quickstart: Khoj Corriendo en 30 Minutos
Cada comando de abajo está copiado del README actual y la documentación oficial de self-hosting. Docker es el camino recomendado; pip sirve cuando querés un solo proceso. El servidor escucha en el puerto 42110 en ambos casos.
Paso A — Descargá el compose file
mkdir ~/.khoj && cd ~/.khoj wget https://raw.githubusercontent.com/khoj-ai/khoj/master/docker-compose.yml
Ese archivo orquesta cinco servicios: el servidor Khoj, PostgreSQL + pgvector, el sandbox Python Terrarium, búsqueda web SearxNG y un escritorio opcional de control por computadora.
Paso B — Seteá secretos y tus keys de modelos
# environment — elegí lo que vayas a usar KHOJ_ADMIN_PASSWORD=elegi-algo-seguro KHOJ_DJANGO_SECRET_KEY=genera-con-openssl-rand-hex-32 OPENAI_API_KEY=sk-... # ANTHROPIC_API_KEY=sk-ant-... # GEMINI_API_KEY=... # OPENAI_BASE_URL=http://host.docker.internal:11434/v1/ # Ollama en host
Una key de LLM alcanza — o ninguna, si apuntás OPENAI_BASE_URL a un Ollama local. No necesitás API keys para correr 100% local con Ollama más un modelo de embeddings local como nomic-embed-text.
Paso C — Levantá todo y abrí la app
cd ~/.khoj docker compose up -d # después abrí http://localhost:42110
Logueate con tus credenciales de admin, seteá el modelo default en los ajustes de chat del servidor y conectá un cliente: el plugin community de Obsidian, el paquete de Emacs, escritorio o WhatsApp. ¿Preferís pip? pipx install khoj, después USE_EMBEDDED_DB=true khoj --anonymous-mode.
Nota para Windows
Instalá Docker Desktop con el plugin de Compose, corré los mismos tres pasos en PowerShell y alcanzá Ollama en el host vía http://host.docker.internal:11434/v1/. Para installs con pip usá py -m pip install khoj[local], con flags de build CUDA en GPUs NVIDIA.
4. Casos de Uso Reales que Justifican el Hype
Khoj gana donde tus documentos son el producto y las respuestas tienen que salir de ellos — no de los pesos del modelo. Estos son los patrones que sobreviven al contacto con vaults reales.
Segundo cerebro sobre Obsidian
Apuntá el plugin a tu servidor autoalojado y preguntá sobre todo el vault en lenguaje natural — la búsqueda semántica encuentra la nota que olvidaste y el LLM responde desde ella. Tu contenido nunca sale de tu máquina.
Briefings de research agendados
Un agente con búsqueda web más tu lista de lectura se vuelve una newsletter personal: noticias diarias de tu tema, resúmenes semanales de proyecto, briefings del lunes esperando en tu inbox.
Copiloto org-mode en Emacs
M-x khoj-chat y M-x khoj-search responden desde org-roam sin salir del editor. Para quienes viven en texto plano, es el camino más corto de la pregunta a la respuesta citada.
Preguntas de datos con pruebas
Los agentes con el sandbox Terrarium escriben y corren Python para crunch de números, y citan docs y código. Los cálculos dejan de ser vibes y pasan a ser corridas reproducibles.
El patrón que funciona
Corpus privado más una pregunta clara, repetidos con agenda. Si podés nombrar la carpeta de docs y la cadencia de respuestas, Khoj probablemente lo automatiza.
5. Cuándo NO Usar Khoj
Sección honesta, porque la forma más rápida de odiar el self-hosting es desplegar cinco contenedores para algo que resolvía una pestaña de chat. Khoj cuesta atención operativa — gastala donde la privacidad y los documentos la devuelven.
⛔ Mejor otra cosa cuando…
- • Solo necesitás chatear casual con un modelo local — Open WebUI es ops más simple para un chat sobre Ollama.
- • No vas a mantener Postgres, SearxNG y tres contenedores más — usá la nube en app.khoj.dev o empezá con tres PDFs en algo liviano.
- • Planeás vender un Khoj modificado como servicio — AGPL-3.0 es copyleft: servís código modificado por red y tenés que compartir el fuente.
- • Esperás las funciones cloud el día uno en self-hosted — el polish de WhatsApp, las automatizaciones nuevas y el control por computadora llegan primero a la nube.
✅ Khoj es la decisión correcta cuando…
- • Tus docs son el producto: vaults, Notion, org-roam, PDFs de los que necesitás respuestas citadas.
- • La privacidad no se negocia — Ollama local más embeddings locales corren todo el loop sin que nada salga de tu red.
- • Querés research con agenda, no una pestaña de chat: briefings y resúmenes que llegan sin que los pidas.
- • Querés agentes con conocimiento acotado y herramientas reales — persona, archivos, búsqueda web, ejecución de código — en tu propio hardware.
Regla de oro
Prototipá un finde en la nube alojada, después decidí: quedate en cloud por comodidad, o autoalojá cuando el vault sea lo bastante sensible para merecer su propio servidor. Nunca pagues infraestructura antes de que las preguntas prueben su valor.
Conclusión
Khoj ganó sus ~37k estrellas resolviendo bien un problema poco glamoroso: dejarte preguntar sobre una vida de notas y recibir respuestas con citas, desde cualquier cliente, con cualquier modelo. El loop es simple — indexar, recuperar, razonar, actuar — y el quickstart con Docker realmente corre en media hora.
Mi veredicto: autoalojalo si tus notas importan. Empezá con un vault y una key en la nube, pasate a Ollama cuando el hábito pegue, y agendá un briefing que te ahorre una meeting por semana. Ese es el retorno compuesto para el que existe un segundo cerebro.
Cheat Sheet
Instalar
- • docker compose up -d
- • puerto 42110
- • pipx install khoj
Configurar
- • KHOJ_ADMIN_PASSWORD
- • una key LLM u Ollama
- • modelo default de chat
Correr
- • conectar Obsidian / Emacs
- • crear agentes + automatizaciones
- • research con citas
