搜索你的 PDF 就在浏览器中。
端侧 PDF RAG。提取、嵌入、检索 — 全程本地，无服务器。
语义搜索。零上传。
上传 PDF、提问、获取带引用的答案 — 全部本地完成。
100% 隐私
文档永不离开你的设备。所有处理本地完成。
端侧嵌入
通过 Transformers.js 本地生成文本嵌入。无 API 调用。
分块与检索
自动文本分块与向量相似度搜索，精准检索。
带引用答案
答案包含来源引用，方便验证上下文。
Three steps. Zero servers.
- 01
Upload a PDF
Drop in any text-based PDF. Text is extracted page by page in your browser via pdf.js.
- 02
AI builds the index
Text is chunked and embedded on-device with all-MiniLM-L6-v2 via WebGPU, stored in an in-memory vector store.
- 03
Ask & retrieve
Type a question. The top matching passages are ranked by cosine similarity and shown instantly.
关于文档 RAG 检索
一个免费的「和你的 PDF 对话」工具，完全在浏览器里为你的文档建立语义检索索引。它不靠关键词匹配，而是按含义查找段落——非常适合答案明明就在文中、你却不知道确切搜索词的研究论文、合同、手册和长篇报告。
工作原理
pdf.js 在设备上提取 PDF 的文本层。文档被切分成片段，并用 all-MiniLM-L6-v2 做向量化——这是一个紧凑的句子 Transformer，通过 Transformers.js 运行并支持 WebGPU 加速；向量存放在内存中的向量库里。当你提问时，问题会用同一个模型向量化，再按余弦相似度与每个片段比对排序，几秒内返回最匹配的段落以及页码和分数。
限制与要求
该工具只能读取带可选中文本层的 PDF——扫描件、纯图片 PDF 需要先做 OCR。没有硬性的文件大小限制，但超大文档会受限于你设备的可用内存。推荐使用支持 WebGPU 的 Chrome 或 Edge 以获得更快的建索引速度；其他浏览器通过 WebAssembly 也能运行。
隐私
模型从开源模型库下载一次，此后建索引和检索 100% 在本地完成。机密文档不会接触任何服务器，也不会收集与其内容相关的任何信息。