Gratuito · gira sul tuo computer

Una biblioteca di conoscenza sui tuoi file, per te e i tuoi agenti IA

Aggiungi una cartella di documenti e cercala in tre modi contemporaneamente: per significato, per forme delle parole in 15 lingue e per nomi esatti delle API. C’è un’interfaccia web per te e un server MCP per Claude Code, pi, Cursor e altri agenti.

Un unico binario Rust via npx
Niente Python, niente database
GPU NVIDIA, DirectML o CPU

# metti una cartella sullo scaffale
$ npx lib2027 add ./docs
# apri l’interfaccia web → http://127.0.0.1:2027
$ npx lib2027

Vedi i benchmark Pacchetto su npm

Benchmark

Aiuta davvero un modello a rispondere?

I modelli non conoscono a memoria le informazioni recenti o di nicchia, e aggiungere altro testo non basta. Abbiamo misurato cosa fanno i frammenti giusti.

Come abbiamo misurato

Stesso modello, stesse domande

Ogni confronto usa un solo modello su un solo insieme di domande. L’unica cosa che cambia è ciò che il modello può leggere.

Un gruppo placebo

Testo irrilevante della stessa lunghezza: un controllo per l’idea che «più contesto aiuta».

Preregistrato

Domande, regole e soglie di successo sono state fissate prima di raccogliere qualsiasi dato.

Ripetuto e verificato

Ogni gruppo è stato eseguito 3 volte. La significatività deriva da un test dei segni appaiato sulle domande.

Quota di risposte corrette

Senza biblioteca
Placebo
Con lib2027

Senza biblioteca — il modello risponde a memoria
Placebo — testo irrilevante della stessa lunghezza
Con lib2027 — i frammenti restituiti dalla ricerca di lib2027

Documentazione web recente (devdocs, set. 2026)

150 domande · qwen3.8-27b

Senza biblioteca17,8%

Placebo12,7%

Con lib202785,1%

Le stesse domande, modello piccolo

150 domande · 4B

Senza biblioteca9,1%

Placebo0,4%

Con lib202783,1%

Diritto russo (15 codici, pravo.gov.ru)

150 domande · qwen3.8-27b

Senza biblioteca34,7%

Placebo33,8%

Con lib202784,4%¹

Quiz sull’API di three.js r186

90 risposte · Claude Haiku 4.5

Senza biblioteca27,8%

Placebonon misurato

Con lib202788,9%

¹ Viene restituito l’intero articolo di legge invece dei primi 800 caratteri (il risultato precedente era 69,1%). Sugli articoli modificati dal 2024, il modello passa dal 25% all’81%.

Mostra i numeri in tabella

Attività	Modello	Senza biblioteca	Placebo	Con lib2027
Documentazione web recente (devdocs, set. 2026) 150 domande · qwen3.8-27b	qwen3.8-27b	17,8%	12,7%	85,1%
Le stesse domande, modello piccolo 150 domande · 4B	4B	9,1%	0,4%	83,1%
Diritto russo (15 codici, pravo.gov.ru) 150 domande · qwen3.8-27b	qwen3.8-27b	34,7%	33,8%	84,4%¹
Quiz sull’API di three.js r186 90 risposte · Claude Haiku 4.5	Claude Haiku 4.5	27,8%	—	88,9%

Oltre il quiz: three.js con Claude Haiku 4.5

Risposte che usano un’API obsoleta

24,4%5,6%

meno è meglio

Compito «scrivi un gioco», punteggio su 100

5275

più alto è meglio

Turni per completare il gioco

5636

a un costo leggermente inferiore

Una libreria che il modello non ha mai visto

2% - 5%84% - 96%

Un modello 4B passa dal 2% - 5% al 84% - 96% di compiti superati quando lib2027 fornisce le note di migrazione al compito.

In sintesi

I modelli non conoscono a memoria le informazioni recenti o di nicchia, e più contesto da solo non aiuta: il placebo non ha mai superato la risposta a memoria. Ciò che aiuta sono i frammenti giusti, ed è proprio quello che fornisce lib2027.

Velocità: Rust contro la precedente versione in Python

Misurato su Windows con una RTX 5090, sullo stesso scaffale e con le stesse query. Le due versioni restituiscono gli stessi risultati: nel quiz sul diritto, entrambe hanno fornito l’articolo per 122 domande su 150.

Python + PyTorch
lib2027 (Rust)

Più basso è meglio

Ricerca ibrida, mediana (GPU)

Python + PyTorch207 ms

lib2027 (Rust)103 ms

Ricerca lessicale

Python + PyTorch39 ms

lib2027 (Rust)5 ms

Ricerca solo su CPU

Python + PyTorch4,4 s

lib2027 (Rust)1,7 s

743.000 frammenti (devdocs), per query

Python + PyTorch~0,4 s

lib2027 (Rust)0,15 s

Server MCP pronto per initialize

Python + PyTorch2,6–3,8 s

lib2027 (Rust)< 0,2 s

add ./docs (6 documenti, 237 frammenti)

Python + PyTorch36,6 s

lib2027 (Rust)8,6 s

Costruzione di 15 codici di legge (16.000 frammenti)

Python + PyTorch169 s

lib2027 (Rust)127 s

Parsing di 7170 file

Python + PyTorch136 s

lib2027 (Rust)4,1 s

Installazione

Python + PyTorch: Python + PyTorch, circa 2,5 GB

lib2027 (Rust): Node.js + un binario da 7 MB; runtime e modelli vengono scaricati al primo avvio

Come funziona

Tre tipi di ricerca, una risposta ordinata

Ogni query passa per tre canali contemporaneamente. I risultati vengono uniti e riordinati, e tu o il tuo agente ricevete passaggi interi da leggere e citare, non frammenti sparsi.

Significato

La ricerca semantica con l’embedder Qwen3-Embedding-0.6B trova passaggi che dicono la stessa cosa con parole diverse.

Forme delle parole

Morfologia per russo, inglese e altre 13 lingue: cerchi una forma di una parola e trovi le altre.

Nomi esatti delle API

I nomi di funzioni, classi e opzioni vengono confrontati in modo esatto: un nome trova proprio quella cosa, non qualcosa di simile.

Reranker

Il cross-encoder bge-reranker-v2-m3 legge ogni candidato insieme alla query e mette i migliori in cima.

Articoli interi

La struttura viene preservata. Le leggi sono suddivise per articoli e viene fornito l’articolo intero: così il benchmark sul diritto è passato dal 69,1% all’84,4%.

Formati: md, txt, html, pdf, docx e codice sorgente (js, ts, json, …). npx lib2027 package <name> aggiunge un intero pacchetto npm: tipi delle API, documentazione, test ed esempi.

Per gli agenti

Collegalo a Claude Code, pi, Cursor e altri client MCP

lib2027 funziona come server MCP. Basta un comando per collegarlo e da quel momento l’agente cerca nelle tue biblioteche da solo.

Claude Code

npx lib2027 claude

Esegue claude mcp add al posto tuo. Claude Code ottiene questi strumenti:

search_knowledge
read_source
list_libraries
check_code
explore_graph

pi

npx lib2027 pi

Installa l’adattatore MCP in pi e collega lib2027. npx lib2027 pi --remove lo scollega.

Cursor, Claude Desktop e altri client

Aggiungi questo alla configurazione MCP:

{ "mcpServers": { "lib2027": { "command": "npx", "args": ["-y", "lib2027", "mcp"] } } }

Su Windows, esegui npx tramite cmd:

{ "mcpServers": { "lib2027": { "command": "cmd", "args": ["/c", "npx", "-y", "lib2027", "mcp"] } } }

Preferisci il browser? npx lib2027 apre l’interfaccia web su http://127.0.0.1:2027, con accanto una HTTP API.

Comandi

Un binario, pochi comandi.

Comando	Cosa fa
`add <folder\|files…> [--name …] [--lang auto\|ru\|en\|…] [--to slug]`	Una cartella diventa una biblioteca; i file vengono aggiunti alla biblioteca indicata. Rieseguendolo si aggiornano i file modificati.
`list`	Biblioteche sullo scaffale
`search "query" [-l slug] [--top-k 5]`	Ricerca
`remove <slug> / restore <slug>`	Nascondi dalla ricerca / ripristina (i file restano sul disco)
`package <npm-package>[@version]`	Un intero pacchetto npm: tipi delle API, documentazione, test ed esempi
`ui [--port 2027] [--no-open]`	Interfaccia web e HTTP API (come l’avvio senza comando)
`mcp`	Server MCP su stdio (avviato dall’agente)
`claude [--scope user\|project]`	Esegue `claude mcp add` al posto tuo; senza Claude Code, stampa una configurazione per altri client
`pi [--project] [--remove]`	Installa l’adattatore MCP in pi e collega lib2027 (o lo scollega)
`ask "question"`	Una risposta con citazioni verificate (serve una chiave del modello: `LIB2027_ANSWER_*`)
`setup [--device cuda\|directml\|cpu]`	Installa in anticipo runtime e modelli
`doctor`	Mostra cosa è installato e su cosa calcola

Funziona dove lavori tu

Piattaforme

Piattaforme	CUDA	DirectML	CPU
Windows x64	✓	✓	✓
Windows arm64	—	—	✓
Linux x64glibc 2.35+	✓	—	✓
Linux arm64glibc 2.35+	—	—	✓
macOS Apple Silicon	—	—	✓

Accelerazione

NVIDIA CUDA su Windows e Linux x64, DirectML su Windows x64. Tutto il resto gira sulla CPU.

Cosa ti serve

Solo Node.js 18+. Il primo avvio scarica il resto in ~/.lib2027, una sola volta, in circa 2 minuti: un runtime ONNX per il tuo hardware e due modelli, Qwen3-Embedding-0.6B e bge-reranker-v2-m3.

I tuoi documenti restano sul tuo dispositivo

Locale per natura

I tuoi documenti e lo scaffale restano sul tuo dispositivo. La ricerca gira nel binario, sulla tua GPU o CPU.

Nessun invio, a meno che tu non lo chieda

Il testo arriva a terzi solo se configuri un modello esterno per il servizio di risposta (LIB2027_ANSWER_*).

Solo localhost per impostazione predefinita

Senza LIB2027_API_KEY, l’interfaccia web e la HTTP API non richiedono chiavi e sono raggiungibili solo da localhost.

Una semplice cartella

Ogni biblioteca è composta da library.sqlite, vectors.f16 e knowledge.json. Copia lo scaffale e portalo con te.

Licenza

Uso gratuito, anche commerciale, su un numero illimitato di dispositivi. Codice chiuso. Puoi ridistribuire i pacchetti non modificati. I modelli e ONNX Runtime vengono scaricati dai rispettivi editori con le loro licenze.

Leggi la licenza su npm

Provalo sui tuoi documenti

Due comandi. Ti serve solo Node.js 18+.

# metti una cartella sullo scaffale
$ npx lib2027 add ./docs
# apri l’interfaccia web → http://127.0.0.1:2027
$ npx lib2027

Pacchetto su npm