Hister — პირადი სრულტექსტიანი საძიებო ინდექსი, რომელსაც თავად აკონტროლებ

პროექტი Hister წარმოგიდგენთ როგორც „საკუთარ საძიებო სისტემას": ის ბრაუზერში მონახულებულ გვერდებსა და მომხმარებლის ლოკალურ ფაილებს ერთ პირად, სრულტექსტიან საძიებო ინდექსში აერთიანებს. ინდექსი, შენახული გვერდების შიგთავსი და წესები რჩება სერვერზე, რომელსაც თავად ირჩევთ. პროგრამა უფასოა და AGPLv3 ლიცენზიით ვრცელდება, კოდი კი GitHub-ზეა ღიად ხელმისაწვდომი.

როგორ მუშაობს

სისტემა სამ ეტაპად მუშაობს: შეგროვება, ინდექსირება და ძიება. გვერდების შესანახად გამოიყენება ბრაუზერის გაფართოება, რომელსაც ემატება ლოკალური საქაღალდეების მონიტორინგი, ბრაუზერის ისტორიის იმპორტი და საიტების მცოცავი (crawler). Hister ამონაწერს მნიშვნელოვან ნაწილებს და მათ სრულ ტექსტს თქვენ მიერ არჩეულ სერვერზე ინდექსირებს. შედეგების ძებნა შესაძლებელია ვებ-ინტერფეისიდან, ტერმინალიდან, ბრძანების სტრიქონიდან ან HTTP API-ის საშუალებით; ინდექსზე წვდომა MCP სერვერის მეშვეობით AI ასისტენტებსაც აქვთ.

პრივატულობა ნაგულისხმევად

მთავარი განსხვავება ჩვეულებრივი საძიებო სერვისებისგან ისაა, რომ Hister-ის სერვერი ტელემეტრიას არ აგზავნის, არ იყენებს სავალდებულო ღრუბელს და კლიენტები ინდექსირებულ შიგთავსს მხოლოდ თქვენს მიერ კონფიგურირებულ სერვერზე აგზავნიან. სრული პირადი კონფიგურაცია ერთ ლოკალურ მანქანაზე მუშაობს — ერთი ბინარული ფაილით შესაძლებელია სერვერის გაშვება ყოველგვარი დამატებითი კონფიგურაციის გარეშე. საზიარო სერვერები მომხმარებლების მიხედვით გამოყოფილ წვდომას უზრუნველყოფენ SQLite-ის ან PostgreSQL-ის ბაზაზე, ხოლო განლაგება შესაძლებელია Docker-ითა და Nix-ით. ავტორები აღნიშნავენ, რომ ოპციონალური სემანტიკური ძიება ტექსტს მხოლოდ თქვენს მიერ მითითებულ embeddings-ის ენდპოინტზე აგზავნის, ხოლო ბრაუზერის გაფართოებამ შეიძლება გვერდების favicon-ები მოითხოვოს — ამ კავშირების ჩართვასა და ადგილს თავად ირჩევთ.

ძიება, ვერსიები და ინტეგრაციები

სრულტექსტიანი ძიება მხარს უჭერს ველებით ფილტრაციას, ბრჭყალებში მოთავსებულ ფრაზებს, wildcard-ებს, უარყოფას, თარიღების დიაპაზონსა და მომხმარებლის მიერ განსაზღვრულ ფსევდონიმებს. შედეგების გვერდით იხსნება შენახული დოკუმენტის სუფთა გადახედვა, ასე რომ კონტექსტის დაკარგვის გარეშე ჩანს, საიდან მოვიდა ინფორმაცია. ინდექსის წესები მოიცავს გამოტოვებისა და პრიორიტეტის წესებს, დოკუმენტების ვერსიონირებას (წინა შიგთავსი შეიძლება შენარჩუნდეს) და მგრძნობიარე შიგთავსის შემოწმებას. საიტის დემო-მაგალითზე ნაჩვენებია 1 924 ინდექსირებული გვერდი და ექვსი შედეგი 0.04 წამში.