Archiver
Asistente privado en navegador que recuerda y busca web sin API keys. Usa WebGPU local, SQLite para memoria y FastAPI. Sin cuentas ni envío de datos a proveedores externos.
Ficha actualizada 23 sept 2026, 21:14 · upstream 23 sept 2026, 21:10 · release sin release detectada
Qué es Archiver
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Archiver es un asistente privado que ejecuta directamente en el navegador, eliminando la necesidad de API keys o cuentas externas. Su diseño prioriza la privacidad al no enviar datos a proveedores de modelos, almacenando todo en un archivo SQLite local y utilizando WebGPU para la inferencia del modelo en el cliente.
Funciona combinando una base de conocimiento curada con búsqueda en tiempo real en fuentes como Wikipedia y DuckDuckGo cuando se activa la opción WEB. El sistema procesa consultas complejas, ofreciendo respuestas concisas que sintetizan fuentes y evalúan su coherencia, evitando inventar información o moralizar.
La interacción incluye capacidades de memoria persistente mediante comandos teach y forget, permitiendo al usuario instruir permanentemente al modelo sobre temas específicos. Sin embargo, requiere soporte WebGPU en el navegador (Chrome, Edge, Safari 26+) y tiene un corpus inicial limitado a historia reciente e ingeniería web.
- Búsqueda de información local con contexto histórico curado.
- Asistente de memoria personal persistente en navegador.
- Análisis de fuentes web con verificación de consistencia entre ellas.
- Aprendizaje personalizado mediante comandos teach y forget.
- Ejecución local sin API keys ni cuentas externas requeridas.
- Persistencia de datos en un único archivo SQLite (archiver.db).
- Uso de WebGPU para inferencia del modelo directamente en el cliente.
- Gestión de memoria contextual basada en historial de conversación.
- Requiere soporte WebGPU (Chrome, Edge, Safari 26+), sin razonamiento si no está disponible.
- Corpus curado limitado a WWII, figuras web e ingeniería.
- Sin autenticación; no apto para publicar con datos sensibles compartidos.
- Modelo de ~5 GB descargado una vez por navegador.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Para ejecutar localmente, clona el repositorio, crea un entorno virtual con Python 3 y activa run.sh. El servidor escucha en el puerto 8000 por defecto. Para despliegues en servicios como Render, es crucial adjuntar un disco persistente y configurar la variable de entorno ARCHIVER_DB para evitar la pérdida de memoria al reiniciar. Solo se requieren FastAPI, uvicorn y httpx.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.