Busca en tus propios PDFs con respuestas que citan sus fuentes.
Búsqueda semántica sobre tus documentos.
Añade PDFs, haz preguntas y obtén respuestas con citas, por completo en local.
100 % privado
Tus documentos nunca salen de tu dispositivo. Todo el procesamiento ocurre en local.
Embeddings en el dispositivo
Los embeddings de texto se generan en local mediante Transformers.js. Sin llamadas a la API.
Fragmentar y recuperar
Fragmentación automática y búsqueda por similitud vectorial para una recuperación precisa.
Respuestas con citas
Las respuestas citan sus pasajes fuente, así cada afirmación es comprobable.
Un corpus privado, muchos documentos
Indexa varios documentos en un solo corpus buscable — artículos, contratos y notas juntos.
PDF, DOCX, TXT y Markdown
Además de PDF, los documentos de Word, el texto plano y Markdown se extraen e indexan en el dispositivo.
Añade, indexa, pregunta.
- 01
Sube un PDF
Suelta cualquier PDF con texto. El texto se extrae página a página en tu navegador con pdf.js.
- 02
El índice se construye en local
El texto se fragmenta y se embebe en el dispositivo con all-MiniLM-L6-v2 mediante WebGPU, y se guarda en un almacén vectorial en memoria.
- 03
Pregunta y recupera
Escribe una pregunta. Los pasajes coincidentes se ordenan por similitud coseno y se muestran al instante.
Sobre la búsqueda RAG de documentos
Una herramienta de búsqueda gratuita que construye un índice semántico sobre tus propios documentos íntegramente en el navegador. En lugar de coincidencia por palabras clave, encuentra pasajes por significado: ideal para artículos de investigación, contratos, manuales, actas e informes largos donde la respuesta existe pero no sabes las palabras exactas que buscar.
Admite PDF, DOCX, texto plano y Markdown, y varios documentos pueden compartir un único corpus buscable. No hay cuenta ni clave de API, y ningún servidor llega a ver tus archivos.
Cómo funciona
Cada documento se analiza en el dispositivo: pdf.js recorre la capa de texto del PDF página a página, los DOCX se desempaquetan localmente y los textos y Markdown se leen directamente. El texto se divide en fragmentos de unas 150 palabras con un solapamiento de 30 (para no perder contexto en los cortes), y cada fragmento se integra con Xenova/all-MiniLM-L6-v2, un transformador de frases compacto de 384 dimensiones mediante Transformers.js.
Los vectores viven en un almacén vectorial en memoria dentro de la pestaña. Al preguntar, tu consulta se integra con el mismo modelo y se compara con cada fragmento por similitud de coseno; los pasajes mejor puntuados vuelven en segundos, cada uno con su documento de origen, número de página y porcentaje de coincidencia. Los términos de la búsqueda se resaltan dentro del pasaje, y los vectores se calculan en lotes de 16 fragmentos para mantener la respuesta ágil con corpus grandes.
Un corpus, muchos documentos
No estás limitado a un solo PDF. Añade un contrato, sus anexos y tus propias notas, y busca en todo a la vez: el panel del corpus lista cada documento con su número de páginas, permite quitar una fuente individual (sus fragmentos desaparecen del índice al instante) o empezar un corpus nuevo con un clic. Las estadísticas de documentos, páginas, fragmentos y dimensiones vectoriales siguen visibles mientras crece el corpus.
Tú ajustas el número de resultados: los 3 primeros para una respuesta centrada, 5 (predeterminado) para el día a día, u 8–10 para rastrear todo lo relevante en un corpus amplio.
WebGPU y el respaldo WASM
Chrome y Edge con WebGPU integran en la GPU, lo que hace que indexar un documento de cientos de páginas parezca casi instantáneo. Safari, Firefox y equipos más antiguos recurren a una versión WebAssembly del mismo modelo: más lenta, pero con las mismas funciones. El modelo de integración (unos 25–90 MB según el backend) se descarga una vez desde el hub abierto y el navegador lo guarda en caché; a partir de entonces la indexación y la búsqueda funcionan totalmente sin conexión.
PDF escaneados y otros límites
La búsqueda lee la capa de texto; un PDF de solo imágenes no tiene nada que indexar — la herramienta lo detecta y te remite a la herramienta de OCR, tras lo cual el texto reconocido puede añadirse como cualquier otro documento. No hay un tope fijo de tamaño de archivo, pero un índice en memoria escala con la RAM de tu equipo; si un corpus muy grande agota al navegador, quitar un documento libera sus vectores al instante.
Límites gratuitos y Pro
El plan gratuito admite un corpus de 5 documentos de hasta 150 páginas cada uno, con búsquedas ilimitadas y sin cuota diaria. Pro sube a 20 documentos y 1.000 páginas por documento. Un documento por encima de tu límite de páginas aporta sus primeras páginas y avisa con claridad de cuántas se omitieron; el uso comercial está incluido en ambos planes y no hay marcas de agua.
Privacidad
Los documentos confidenciales —acuerdos de confidencialidad, informes médicos, investigación inédita— nunca tocan un servidor. Tras la descarga única del modelo, la indexación y la búsqueda son 100 % locales, y cerrar la pestaña descarta por completo el índice en memoria. El contenido de los documentos no se recopila, registra ni usa para entrenar nada.