linuxrebel/DocuBrowser

DocuBrowse – 本地AI驱动的文档搜索

是什么

• 一个桌面/网页应用，可索引多种文件类型（PDF、Word、电子书、代码等），并使用本地运行的AI模型（Ollama）通过关键词和语义含义进行搜索。
• 所有处理均在您的设备上完成——无需云服务、无需API密钥，也无每查询成本。

核心功能

• 双模式搜索 – 快速的SQLite FTS5关键词搜索、AI生成的嵌入向量用于语义搜索，以及结合两者的混合模式。
• 深度链接 – 找到结果后，可直接跳转到文档中的精确位置（页面/行/节），无需重新索引。
• AI摘要 – 按需生成AI撰写的文档摘要（首次生成后缓存）。
• 广泛格式支持 – PDF、DOCX、PPTX、XLSX、ODT/ODS/ODP、Visio、draw.io、PlantUML、Mermaid、HTML/Markdown、电子书（EPUB、MOBI、AZW3）、DjVu、邮件、RTF、CSV/TSV、配置文件，以及多种标记语言。
• PII保护 – 扫描新索引文件中的常见个人信息模式，并移除匹配的文档。
• 跨平台 – 提供Linux（RPM/DEB/tar）、Windows（zip）和macOS（dmg）版本。存在Docker实验分支，但不推荐用于生产环境。

工作原理

1. 索引 – 使用pdfplumber、python-docx、openpyxl、ebooklib等库从支持的文件中提取文本和元数据，并存储在带有全文搜索表的SQLite数据库中。
2. 嵌入 – 通过Ollama运行nomic-embed-text:latest模型，为每个文档创建向量嵌入。
3. 搜索 – 关键词查询命中FTS5索引；语义查询计算查询的嵌入，并与存储的向量进行余弦相似度查找。混合模式合并两种得分。
4. 结果UI – 显示相关性得分、深度链接按钮和“AI摘要”按钮。点击结果将在系统默认查看器中打开文件。

典型工作流程

# 安装（Ubuntu示例）
sudo apt install python3-pip calibre libvisio-tools djvulibre
pip install -r requirements.txt   # 包括pdfplumber、python-docx等
# 启动服务器（默认端口8000）
python -m docubrowse
# 在浏览器中打开 http://localhost:8000，添加要索引的目录并开始搜索。

限制与已知问题

• 至少需要8GB内存；GPU加速为可选，但可加快摘要生成速度。
• 不支持32位CPU，因为Ollama不提供32位构建版本。
• 某些旧格式（如旧版Visio的.vsd或仅图像的PDF/DjVu）在未安装可选外部工具时，仅索引元数据。
• 实验性Docker构建无法从容器沙盒浏览器中打开文件。

路线图亮点

• 带桌面集成的完整Docker支持。
• 更快的增量索引和后台重新嵌入。
• 支持多语言摘要的额外语言模型。

许可证

• 开源，详情请参见仓库中的LICENSE文件。

---

DocuBrowse 是一款真正的本地运行AI应用，为个人文档集合带来语义搜索和AI生成摘要功能，精准定位在AI/LLM工具领域。