DocuBrowse：ローカルファースト、AI搭載ドキュメント検索エンジン

DocuBrowse v0.9.0は、散らかったファイルの山を検索可能でAI拡張されたライブラリに変える、ローカルファーストのドキュメント検索エンジンです。インターネット接続、アカウント、APIキーは一切不要で、完全にあなたのマシン上で動作します。ドキュメントを指定するだけで、SQLite FTS5キーワード検索とAIによるセマンティック類似性を組み合わせたハイブリッドインデックスを構築します。

機能

DocuBrowseは、PDF、電子書籍（EPUB、MOBI、AZW3）、Word文書、プレゼンテーション、スプレッドシート、プレーンテキストファイルをインデックス化します。メタデータと全文を抽出し、Ollamaのnomic-embed-textモデルで埋め込みを、dolphin3でオンデマンドのAI概要を生成します。デフォルトのハイブリッド検索モードは、セマンティック類似性を70%、キーワード一致を30%で重み付けし、関連性に基づいて再ランク付けします。

このツールは、Linux（RPM、DEB、tarball）、Windows（zip）、macOS（dmg）向けにパッケージ化されています。インストールは簡単で、Linuxではdnf installまたはapt installコマンド1つ、WindowsではInstall.batスクリプト、macOSではInstall.commandスクリプトで完了します。すべての方法でPython仮想環境とCLIラッパーがセットアップされます。

主な機能

• デュアル検索モード：キーワードのみ、セマンティックのみ、またはハイブリッド（デフォルト70/30分割）。
• AI概要：任意のドキュメントタイトルをクリックすると、Kindleスタイルの要約がローカルで生成されキャッシュされます。
• 幅広いフォーマット対応：PDF、DOCX、PPTX、XLSX、EPUB、MOBI、AZW3、HTML、TXT、Markdown。PDF抽出にはpdfplumberを使用し、pypdfをフォールバックとして利用。スキャンされたPDFは検出され、OCRリストに振り分けられます。
• PII保護：取り込み後のスキャナーがSSNやクレジットカード番号などのパターンを検出し、該当するドキュメントを削除してブラックリストに追加します。
• パフォーマンス：検索レイテンシは150ms未満、ProcessPoolExecutorによる並列PDF抽出、RLIMIT_AS（ワーカーあたり6 GB）によるメモリ制限を実施。
• 設定UI：/settingsページでドキュメントディレクトリ、無視ディレクトリ、ポート設定を管理でき、ライブディレクトリブラウジングが可能。

内部構造

アーキテクチャはシンプルで、PythonバックエンドがWeb UI（モダンブラウザ必須）を提供します。インデックスはSQLiteに保存され、FTS5でキーワード検索を行います。セマンティック埋め込みと概要は、ローカルで動作するOllamaモデルによって生成されます。また、移動または削除されたファイルにも適切に対応し、マウントされたファイルシステム上でファイルが見つからない場合は、閉じられるモーダルを表示します。

DocuBrowseはオープンソース（FOSS）で、GitHubで入手可能です。データをクラウドに送信せずに、ローカルのドキュメントコレクションをAIで検索したい人にとって、堅実な選択肢です。