MedRAG
Copiloto de estudos com RAG: do PDF da aula à resposta com fonte, no celular
- Flutter
- Dart
- SQLite
- BM25
- Claude API
- Python
- markitdown
- OCR
O MedRAG nasceu de uma necessidade concreta. Minha namorada tinha poucas horas até a prova de Anatomia Patológica II, e o material estava espalhado em dois PDFs: um resumo das aulas e um compilado de 119 páginas de provas antigas, com fotos, gabaritos de origens diferentes e anotações à mão. Aproveitei para ajudá-la e para construir, na prática, um sistema de RAG (Retrieval-Augmented Generation) de ponta a ponta, sem framework escondendo as decisões.
Escrevi um artigo detalhando cada etapa: RAG na prática: do PDF da aula à resposta com fonte.

As quatro etapas do RAG
- Ingestão: o
markitdownconverte o texto dos PDFs em Markdown, em duas passagens alinhadas para marcar as páginas reais, e um OCR com modelo multimodal lê as fotos de provas, separando o impresso do que foi escrito à mão. - Indexação: 325 chunks de 700 a 1.300 caracteres, cortados pela estrutura do texto (antes de títulos, por frases, com sobreposição) e com fonte legível para citação.
- Recuperação: BM25 no próprio celular, sem rede, com tokenização ajustada para português médico e o conteúdo da tela aberta somado à consulta com peso menor.
- Geração: prompt com contexto da tela, trechos recuperados e pergunta em tags XML, system prompt em cache, streaming por SSE e respostas que citam as fontes.
O app
Em volta do copiloto, o app virou uma plataforma de estudo completa e offline: 18 capítulos curtos com destaques e anotações, figuras didáticas próprias, 141 questões de 16 provas antigas com correção e mapa de desempenho, 259 flashcards com repetição espaçada e um plano de estudo. Tudo o que a pessoa produz fica no SQLite do aparelho. Nenhuma chave de API vem embutida: cada pessoa usa a própria, guardada só no dispositivo.

O conteúdo médico vem do material da disciplina e serve para estudar para uma prova. Não é orientação clínica.
// screenshots