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.
Construisez votre base de connaissances privée. Téléversez des PDF et effectuez une recherche avec une similarité sémantique TF-IDF. 100 % local, sans cloud.
La Base de connaissances personnelle transforme un ensemble de documents épars en une bibliothèque consultable, le tout à l'intérieur de votre navigateur. Vous téléversez des fichiers PDF, TXT, CSV ou Markdown ; chaque document est analysé, découpé en segments et indexé en utilisant la vectorisation TF-IDF. Lorsque vous effectuez une recherche, les segments sont classés par similarité cosinus, afin d'obtenir les passages les plus pertinents — avec le nom du document et le numéro de page joints — au lieu d'un dossier rempli de fichiers que vous devez ouvrir un par un. Un tableau de bord suit le nombre de documents et de segments de texte indexés, et la bibliothèque étiquette automatiquement vos fichiers et les regroupe en clusters de sujets. Rien n'est jamais téléversé sur un serveur.
Les étudiants en master noyés sous les articles l'utilisent pour trouver le paragraphe de méthodologie qu'ils se souviennent avoir lu des mois auparavant. Les consultants travaillant sous NDA apprécient que les PDF clients confidentiels ne puissent jamais entrer en contact avec un cloud tiers, que la plupart des services de recherche hébergés exigent. Les avocats et les juristes de petits cabinets indexent les dossiers de cas et les contrats, puis extraient toutes les clauses mentionnant un terme spécifique en quelques secondes. Les rédacteurs techniques et les blogueurs conservent une bibliothèque de matériel source et vérifient les citations par rapport à la page originale. Même les utilisateurs occasionnels bénéficient : téléversez une poignée de manuels, de polices d'assurance et de documents fiscaux une seule fois, et chaque future question devient une recherche d'une ligne au lieu d'une après-midi de défilement.
(1) Téléversez un ou plusieurs fichiers — PDF, TXT, CSV ou Markdown. Chacun est analysé et découpé localement, et les compteurs de documents et de segments du tableau de bord confirment ce qui a été indexé. (2) Choisissez un mode : la Recherche renvoie les dix passages les mieux correspondants classés par score de pertinence, ou le mode Q&A fait lire à un modèle linguistique local les extraits supérieurs et rédiger une réponse synthétisée. (3) Tapez votre requête et appuyez sur recherche. En mode Recherche, vous voyez les passages avec le nom du document, le numéro de page et le score de similarité ; en mode Q&A, vous obtenez une réponse concise avec des citations numérotées comme [1] et [2] renvoyant aux sources. Copiez n'importe quel résultat pour vos notes, et supprimez les documents individuellement lorsque vous le souhaitez.
Le mode Recherche fonctionne instantanément, sans téléchargement, et se comporte comme un moteur de recherche précis par mots-clés et pertinence : parfait pour la recherche de faits, la chasse aux citations ou la comparaison de la manière dont plusieurs documents traitent le même terme. Le mode Q&A va plus loin : il prend les cinq extraits correspondants les plus pertinents et fait composer par un modèle linguistique sur l'appareil une réponse directe, citant chaque source par numéro. Ce modèle nécessite un téléchargement unique d'environ 200 Mo, après quoi les questions sont traitées sans aucun appel réseau. Un rythme pratique : commencez en mode Q&A pour des questions comme 'quel préavis de résiliation ce bail exige-t-il', et passez en mode Recherche lorsque vous avez besoin de lire vous-même le paragraphe environnant complet. Les deux modes lisent uniquement depuis votre appareil.
Tout — l'analyse, le découpage, l'intégration vectorielle, la recherche et la génération de réponses — s'exécute dans votre navigateur ou sur votre machine. Aucun document ne quitte jamais votre appareil, ce qui la rend adaptée aux contrats, aux notes médicales, aux documents internes et tout ce qui est couvert par des obligations de confidentialité. Le RAG cloud offre de plus grands modèles et un accès partagé, mais nécessite le téléversement de votre corpus sur les serveurs de quelqu'un d'autre ; le local l'emporte chaque fois que la confidentialité ou la disponibilité hors ligne est la priorité.
Les PDF et les formats texte brut (txt, md, csv) sont pris en charge — les documents sont analysés, découpés et indexés localement à l'importation. Les PDF numérisés sans couche de texte nécessitent d'abord un OCR. Les corpus très volumineux sont limités par la mémoire du navigateur : des centaines de pages fonctionnent confortablement, les archives de documents entières peuvent nécessiter d'être divisées en sessions séparées par sujet.
La recherche par mots-clés correspond à des chaînes littérales — rechercher 'remboursement' ne trouve que les documents contenant ce mot exact. La recherche sémantique intègre les segments dans des vecteurs et correspond au sens, donc 'remboursement' met également en évidence des passages sur 'remboursement d'argent', 'crédit d'annulation' ou 'politique de retour'. Le mode QA va plus loin : il récupère les segments les plus pertinents et génère une réponse synthétisée basée sur eux, avec les segments sources traçables.
Oui — c'est l'un de ses cas d'usage les plus forts. Importez un ensemble d'articles, puis posez des questions inter-documents ('lesquelles de ces études rapportent des tailles d'effet ?', 'quelles méthodologies partagent-ils ?') et obtenez des réponses avec les passages pertinents identifiés. Les vues étiquette et cluster aident à organiser une revue de littérature : les articles apparentés se regroupent, rendant les lacunes et les thèmes visibles dans l'ensemble.
ChatGPT et NotebookLM téléversent vos documents sur des serveurs cloud pour traitement. Cet outil indexe et interroge tout localement dans votre navigateur — aucune donnée ne quitte votre appareil. Il fonctionne comme une alternative privée et hors ligne : téléversez plusieurs PDF et fichiers texte, puis posez des questions inter-documents avec des réponses citant des sources spécifiques.
Vous pouvez ajouter plusieurs PDF et fichiers texte à une seule base de connaissances. Tout l'indexage (découpage, intégration vectorielle, stockage vectoriel) se fait dans le navigateur en utilisant WebGPU. Les limites pratiques dépendent de la RAM de l'appareil : 10-20 documents totalisant 500+ pages fonctionnent bien sur une machine de 16 Go. L'index persiste dans IndexedDB pour un rechargement instantané lors des sessions futures.
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.