Pergunte a um PDF.
Receba a página que prova a resposta.
Um sistema de busca e resposta fundamentada: você sobe um documento, pergunta em linguagem natural, e a resposta vem com o trecho e a página exatos de onde ela saiu — ou com um honesto "não encontrei isso no documento".
Em ação
Upload do PDF, pergunta, resposta com citação — gravado direto do app rodando local.
O que diferencia
🔎 Busca por significado
Embeddings vetoriais encontram o trecho certo mesmo quando a pergunta não usa as mesmas palavras do texto.
📎 Citação sempre
Toda resposta vem com o trecho e a página que a fundamentaram — nada de confiar cegamente na LLM.
🛑 Admite quando não sabe
Um limiar de relevância calibrado bloqueia contexto fraco antes de chegar à LLM. "Não encontrei" é uma resposta correta, não uma falha.
Stack
- FastAPI + Pydantic
- PostgreSQL + pgvector
- sentence-transformers
- Ollama · Llama 3.1 8B
- PyMuPDF
- React + Vite + TS
- pytest
- Docker Compose
Por que não tem uma versão ao vivo aqui
Decisão de arquitetura, não limitação: tanto o embedding quanto a geração de resposta rodam 100% locais — nenhuma chave de API, nenhum dado sai da máquina de quem usa. O mesmo Llama 3.1 8B que garante isso precisa de mais RAM do que qualquer hospedagem gratuita oferece, então a forma honesta de mostrar o projeto é esta página + o código completo, em vez de uma demo hospedada que exigiria abrir mão desse princípio.