DocuBrowse porta l'AI nei documenti: ricerca avanzata senza cloud

DocuBrowse punta a rendere ricercabile una raccolta di documenti direttamente dal computer, senza affidare i contenuti a un servizio cloud.

Il progetto open source combina ricerca testuale, analisi semantica e modelli di Intelligenza Artificiale eseguiti localmente, con supporto per PDF, documenti Office, ebook, email, codice e numerosi altri formati.

La versione 1.3.0 integra SQLite FTS5 per la ricerca tradizionale e modelli gestiti tramite Ollama per creare embedding e riepiloghi. L’approccio è interessante soprattutto per chi conserva grandi archivi distribuiti in molte cartelle e vuole recuperare informazioni attraverso il significato delle query, non soltanto tramite il nome dei file o la presenza esatta di una parola. L’architettura locale riduce inoltre la necessità di trasferire documenti riservati verso piattaforme esterne.

Come funziona la ricerca intelligente di DocuBrowse

Il cuore del sistema è la combinazione tra SQLite FTS5 e ricerca semantica. La prima utilizza BM25 per ordinare le corrispondenze testuali e risulta particolarmente efficace quando la query contiene nomi, codici o termini presenti nel documento. La seconda sfrutta embedding da 768 dimensioni generati con nomic-embed-text e confrontati tramite similarità coseno. DocuBrowse assegna alla componente semantica un peso maggiore rispetto a quella testuale, ma mantiene entrambe le modalità per ridurre i falsi positivi.

La funzione Deep Links aggiunge un secondo livello di analisi: dopo aver individuato i documenti pertinenti, cerca i passaggi collegati alla domanda e può indicare pagina, riga o sezione quando il formato lo consente. Il progetto supporta inoltre oltre 40 formati, tra cui PDF, DOCX, XLSX, PPTX, ODT, EPUB, MOBI, HTML, Markdown e diversi file di codice. L’estrazione dipende però dal formato: un PDF composto da sole immagini, per esempio, richiede OCR esterno.

AI locale, privacy e limiti da considerare

DocuBrowse utilizza Ollama per eseguire localmente i modelli dedicati agli embedding e ai riepiloghi. Non servono account o API key e i documenti non devono essere caricati su un servizio remoto. I requisiti indicati dal progetto partono da 8 GB di RAM e 2 GB di spazio libero, mentre una configurazione con GPU offre maggiore rapidità nelle operazioni AI. I riepiloghi possono inoltre essere memorizzati per evitare di rigenerarli a ogni apertura.

La gestione della privacy include controlli per individuare alcuni dati personali e verifiche come il checksum di Luhn per i numeri di carta, ma non rappresenta uno strumento completo di anonimizzazione. Anche la sicurezza del server richiede attenzione: l’applicazione è progettata per l’accesso locale e non dovrebbe essere esposta direttamente su Internet senza autenticazione aggiuntiva e adeguate regole di rete. Sul piano linguistico esiste infine un limite concreto: ricerca semantica, tag e riepiloghi risultano ottimizzati principalmente per l’inglese.

La proposta di DocuBrowse risulta quindi più interessante per l’organizzazione di archivi personali o professionali che per la semplice apertura occasionale di pochi file. L’unione tra indice full-text, embedding locali e navigazione verso i passaggi rilevanti permette di trasformare una cartella documentale in una base interrogabile con criteri più flessibili. Restano necessari hardware adeguato, OCR per alcuni materiali e attenzione alla configurazione di rete. Il vantaggio principale consiste però nella possibilità di applicare funzioni AI alla ricerca documentale mantenendo l’elaborazione sul proprio computer.