Build a searchable knowledge library from multiple documents. Auto-tags, topic clustering, and semantic search across all your files — 100% local.
This tool runs 100% in your browser. All computation happens locally on your device — your input is never uploaded to any server. Results are for reference only.
This tool turns a pile of documents into a searchable library entirely on your device. Uploaded files are parsed with PDF.js and split into text chunks, then each chunk is converted into a TF-IDF vector — a numeric fingerprint of how important each word is to that passage. When you type a query, the same vectorizer scores the query and every chunk with cosine similarity, ranking the most relevant passages on top. In Q&A mode the top-ranked chunks are handed to a local language model, which reads them and writes a synthesized answer with source citations. Because the vector store and model both live in your browser, your documents never leave the tab.
Documents are chunked and TF-IDF vectorized, a query is scored by cosine similarity against every chunk, and the top matches feed either a ranked search or a local LLM for a cited answer.
Nina, a product analyst, uploads three PDFs — a Q2 sales report, a marketing memo, and her own interview notes. The tool parses them into 42 chunks and builds a local TF-IDF index in about a second.
To build a knowledge base: add your notes, documents, and links — the AI automatically tags and categorizes them for smart search and retrieval, all stored locally.
FreeToolHub AI Knowledge Base is a free browser-based tool that organizes notes and documents with AI-powered tagging and search, no signup.
Crea tu base de conocimiento privada. Sube PDF y busca con similitud semántica TF-IDF. 100% local, sin nube.
La base de conocimiento personal convierte un montón disperso de documentos en una biblioteca buscable, todo dentro de tu navegador. Subes archivos PDF, TXT, CSV o Markdown; cada documento se analiza, se divide en bloques y se indexa usando vectorización TF-IDF. Cuando buscas, los bloques se ordenan por similitud del coseno, así que obtienes los pasajes más relevantes —con el nombre del documento y el número de página adjuntos— en lugar de una carpeta llena de archivos que tienes que abrir uno por uno. Un panel rastrea cuántos documentos y bloques de texto has indexado, y la biblioteca etiqueta tus archivos automáticamente y los agrupa en grupos de temas. Nada se sube a un servidor en ningún momento.
Los estudiantes de posgrado ahogados en papers la usan para encontrar ese párrafo de metodología que recuerdan haber leído hace meses. Los consultores que trabajan bajo NDA aprecian que los PDFs confidenciales de cliente nunca puedan tocar una nube de terceros, cosa que la mayoría de los servicios de búsqueda alojados exigen. Los auxiliares jurídicos y los abogados de despachos pequeños indexan expedientes y contratos, y luego extraen en segundos cada cláusula que menciona un término concreto. Los redactores técnicos y los blogueros mantienen una biblioteca de material de referencia y verifican citas contra la página original. Hasta los usuarios ocasionales se benefician: sube una vez unos cuantos manuales, pólizas de seguro y documentos fiscales, y cada pregunta futura se convierte en una búsqueda de una línea en lugar de una tarde de desplazamiento.
(1) Sube uno o muchos archivos: PDF, TXT, CSV o Markdown. Cada uno se analiza y se trocea localmente, y los contadores de documentos y bloques del panel confirman qué se ha indexado. (2) Elige un modo: Search devuelve los diez pasajes que mejor coinciden, ordenados por puntuación de relevancia, o Q&A hace que un modelo de lenguaje local lea los extracts principales y escriba una respuesta sintetizada. (3) Escribe tu consulta y pulsa buscar. En modo Search ves pasajes con nombre del documento, número de página y puntuación de similitud; en modo Q&A obtienes una respuesta concisa con citas numeradas como [1] y [2] que apuntan a las fuentes. Copia cualquier resultado para tus notas, y elimina documentos individualmente cuando quieras.
El modo Search funciona al instante, sin descargas, y se comporta como un motor preciso de palabras clave más relevancia: perfecto para buscar hechos, localizar citas o comparar cómo varios documentos tratan el mismo término. El modo Q&A va más allá: toma los cinco extracts que mejor coinciden y hace que un modelo de lenguaje en el dispositivo componga una respuesta directa, citando cada fuente por número. Ese modelo requiere una descarga única de unos 200 MB, después de la cual las preguntas se responden sin ninguna llamada de red. Un ritmo práctico: empieza en modo Q&A para preguntas como «qué aviso de terminación exige este contrato», y baja al modo Search cuando necesites leer tú el párrafo completo de alrededor. Ambos modos leen solo de tu dispositivo.
En todo: el análisis, el troceado, el embedding, la búsqueda y la generación de respuestas se ejecutan en tu navegador o en tu máquina. Ningún documento sale nunca de tu dispositivo, lo que la hace adecuada para contratos, notas médicas, documentos internos y cualquier cosa cubierta por obligaciones de confidencialidad. El RAG en la nube ofrece modelos más grandes y acceso compartido, pero exige subir tu corpus a los servidores de otra persona; lo local gana cuando la privacidad o la disponibilidad sin conexión son la prioridad.
Se admiten PDF y formatos de texto plano (txt, md, csv): los documentos se analizan, trocean e indexan localmente al importarlos. Los PDF escaneados sin capa de texto necesitan OCR antes. Los corpus muy grandes están limitados por la memoria del navegador: cientos de páginas funcionan sin problemas, pero los archivos documentales enteros pueden necesitar dividirse en sesiones separadas por tema.
La búsqueda por palabras clave coincide con cadenas literales: buscar «refund» solo encuentra documentos que contienen esa palabra exacta. La búsqueda semántica incrusta los bloques en vectores y coincide por significado, así que «refund» también saca a la superficie pasajes sobre «money back», «cancellation credit» o «return policy». El modo Q&A va más allá: recupera los bloques más relevantes y genera una respuesta sintetizada basada en ellos, con los bloques de origen trazables.
Sí: es uno de sus casos de uso más fuertes. Importa un conjunto de papers y haz preguntas entre documentos («¿cuáles de estos estudios reportan tamaños del efecto?», «¿qué metodologías comparten?») y obtén respuestas con los pasajes relevantes identificados. Las vistas de etiquetas y grupos ayudan a organizar una revisión de literatura: los papers relacionados se agrupan, lo que hace visibles los huecos y los temas a lo largo de toda la colección.
ChatGPT and NotebookLM upload your documents to cloud servers for processing. This tool indexes and queries everything locally in your browser—no data leaves your device. It functions as a private, offline alternative: upload multiple PDFs and text files, then ask cross-document questions with answers cited to specific sources.
You can add multiple PDFs and text files to a single knowledge base. All indexing (chunking, embedding, vector storage) happens in-browser using WebGPU. Practical limits depend on device RAM: 10-20 documents totaling 500+ pages work well on a 16GB machine. The index persists in IndexedDB for instant reloading in future sessions.
What do you call a really smart cookie?
No signups, no data sold. Every tool is free to use — the free tier allows 5 downloads or saves per day, and the optional Pro plan ($7/mo, $59/yr) adds unlimited downloads, batch processing, white-label exports and an ad-free experience.
☕Support me on Ko-fi— support the free tier100% of proceeds go towards hosting & building more free tools.