DocuBrowse: Công cụ tìm kiếm tài liệu cục bộ, hỗ trợ AI

DocuBrowse v0.9.0 là công cụ tìm kiếm tài liệu ưu tiên cục bộ, biến đống tệp lộn xộn thành thư viện có thể tìm kiếm và được AI mở rộng. Nó chạy hoàn toàn trên máy của bạn, không cần kết nối Internet, không tài khoản, không khóa API. Trỏ nó vào tài liệu của bạn, nó sẽ xây dựng chỉ mục kết hợp giữa tìm kiếm từ khóa SQLite FTS5 và tương đồng ngữ nghĩa do AI hỗ trợ.

Nó làm gì

DocuBrowse lập chỉ mục PDF, sách điện tử (EPUB, MOBI, AZW3), tài liệu Word, bài thuyết trình, bảng tính và tệp văn bản thuần. Nó trích xuất siêu dữ liệu và toàn bộ văn bản, sau đó sử dụng Ollama với mô hình nomic-embed-text để nhúng và dolphin3 để tạo tóm tắt AI theo yêu cầu. Chế độ tìm kiếm kết hợp mặc định ưu tiên tương đồng ngữ nghĩa 70% và khớp từ khóa 30%, được sắp xếp lại theo mức độ liên quan.

Công cụ được đóng gói cho Linux (RPM, DEB, tarball), Windows (zip) và macOS (dmg). Cài đặt đơn giản: trên Linux, một lệnh dnf install hoặc apt install duy nhất; trên Windows, tập lệnh Install.bat; trên macOS, tập lệnh Install.command. Tất cả các phương pháp đều thiết lập môi trường ảo Python và trình bao bọc CLI.

Tính năng chính

• Hai chế độ tìm kiếm: chỉ từ khóa, chỉ ngữ nghĩa hoặc kết hợp (mặc định 70/30).
• Tóm tắt AI: nhấp vào bất kỳ tiêu đề tài liệu nào để nhận bản tóm tắt kiểu Kindle, được tạo cục bộ và lưu vào bộ nhớ đệm.
• Hỗ trợ định dạng rộng: PDF, DOCX, PPTX, XLSX, EPUB, MOBI, AZW3, HTML, TXT, Markdown. Trích xuất PDF sử dụng pdfplumber với dự phòng pypdf; PDF quét được phát hiện và chuyển đến danh sách OCR.
• Bảo vệ PII: trình quét sau khi nhập phát hiện các mẫu như SSN và số thẻ tín dụng, sau đó xóa và đưa vào danh sách đen các tài liệu khớp.
• Hiệu suất: độ trễ tìm kiếm dưới 150ms, trích xuất PDF song song qua ProcessPoolExecutor và giới hạn bộ nhớ được thực thi qua RLIMIT_AS (6 GB mỗi worker).
• Giao diện cài đặt: trang /settings cho phép bạn quản lý thư mục tài liệu, thư mục bỏ qua và cấu hình cổng với duyệt thư mục trực tiếp.

Bên trong

Kiến trúc đơn giản: backend Python phục vụ giao diện web (yêu cầu trình duyệt hiện đại). Chỉ mục nằm trong SQLite với FTS5 cho tìm kiếm từ khóa. Nhúng ngữ nghĩa và tóm tắt được tạo bởi các mô hình Ollama chạy cục bộ. Công cụ cũng xử lý các tệp đã di chuyển hoặc xóa một cách nhẹ nhàng, hiển thị modal có thể đóng khi thiếu tệp trên hệ thống tệp đã gắn.

DocuBrowse là mã nguồn mở (FOSS) và có sẵn trên GitHub. Đây là lựa chọn tốt cho bất kỳ ai muốn tìm kiếm bộ sưu tập tài liệu cục bộ với AI mà không gửi dữ liệu lên đám mây.