asistent local de cercetare pentru teze

TEZAUR

100% local 0 cloud obligatoriu Rust · un singur binar MIT · open source 0.4.0

DERULEAZĂ ↓

problema

Un model de limbaj scrie frumos. Și poate inventa.

O teză se apără pe pagini, nu pe verosimil. Un citat greșit, o cifră schimbată sau o sursă care nu există te costă mai mult decât orice frază bună.

Chat generic

„Potrivit lui ~~Dumitrescu (2019, p. 214)~~, perioada de adaptare este de ~~cinci ani~~.”

Autor, pagină și cifră — plauzibile, nevalidate. Nimeni nu știe de unde vin.

TEZAUR

„Perioada de adaptare nu poate depăși trei ani [1].”

[1] → sursa ta, pagina și pasajul exact. Dacă nu găsește nimic, spune „nu am găsit”.

cum funcționează

Nu „antrenezi pe cărți”. Legi fiecare frază de o pagină.

Modelul nu învață nimic din biblioteca ta. O citește la fiecare întrebare — doar pasajele regăsite — și are voie să scrie numai din ele.

01

Biblioteca ta

PDF, DOCX, EPUB, MD, HTML, TeX. OCR. Zotero și .bib.

02

Index

BM25 + embeddings opționale, fuziune RRF. Pasaje cu pagină.

03

Regăsire

Cele mai relevante pasaje, cu % din termenii întrebării acoperiți.

04

Model local

Ollama, Jan, LM Studio… scrie doar din pasaje, cu [n].

05

Audit

Verifică mecanic dacă pagina citată acoperă fraza.

Interfețe: CLI · aplicație web · extensie de browser · MCP pentru asistenți AI · ~40 de integrări.

încearcă tu — rulează în pagina asta

Scrie o frază. Citează o pagină. Vezi dacă rezistă.

SURSĂ DE DEMONSTRAȚIE (text ilustrativ, cheie demo_sursa)

p. 12Părțile recunosc calificările obținute în alt stat, cu excepția cazului în care se demonstrează o diferență substanțială. Sarcina probei revine autorității care evaluează calificarea.

p. 47Perioada de adaptare nu poate depăși trei ani. Testul de aptitudini se organizează în termen de șase luni de la cerere.

p. 88Autoritățile competente răspund în termen de patru luni de la depunerea dosarului complet.

FRAZA TA, CU CITARE [p. N]

—

0%

Aceeași euristică ca în tezaur audit (suprapunere de termeni + control al cifrelor + pagină probabilă), reimplementată aici în JavaScript. Ultimele două exemple sunt limitele ei reale — pentru ele există --semantic.

auditul citărilor

12 verdicte. Fără model, fără cont, fără cloud.

Rulează în CI ca un linter pentru teza ta: tezaur audit teza.md --fail. Merge pe Markdown, LaTeX și LyX.

supported

Pasajul de la pagina citată acoperă fraza.

weak

Doar o parte din termeni se regăsesc.

unsupported

Sursa nu spune asta nicăieri.

wrong-page

Fraza e în sursă, dar la altă pagină — o indică.

number-mismatch

Cifra din text lipsește din pasaj („cinci” vs „trei”).

unknown-source

Cheia citată nu există în bibliotecă.

page-out-of-range

Pagina depășește numărul de pagini al documentului.

uncited

Afirmație lungă fără nicio citare.

quote-verbatim

Citatul din ghilimele e ad litteram în sursă.

quote-elsewhere

Citatul e într-o altă sursă.

quote-not-found

Citatul nu există nicăieri în bibliotecă.

contradicted

Doar cu --semantic: modelul vede contrariul.

proveniență

Chitanță pentru fiecare răspuns. Declarație de utilizare AI, gata scrisă.

tezaur ask "…" --receipt r.json leagă prin SHA-256 întrebarea, modelul, răspunsul și fiecare pasaj folosit. Mai târziu poți dovedi că nimic nu a fost modificat și că pasajele încă există în index.

tezaur declare r.json --lang ro scrie declarația pe care o cer tot mai multe universități și reviste.

Dovadă de integritate, nu semnătură de identitate și nu dovadă că afirmația e adevărată. Opțional, HMAC cu cheia ta.

"question": "Cine poartă sarcina probei?",
"model":    "llama3.1:8b",
"answer_sha256":   9f2c…e41a,
"excerpts": [
  { "doc": "demo_sursa", "page": 12,
    "sha256": b77d…03c9 }
],
"index_fingerprint": 4a1e…d2f0,
"seal": c80b…77fe

$ tezaur receipt r.json
✓ chitanța e neatinsă
✓ răspunsul se potrivește
✓ pasajele există în index

nou în 0.3.0

Mai rapid. Mai atent. Și, doar dacă vrei, conectat la lume.

Căutare în CLI, 6 milioane de cuvinte

înainte

~4,3 s

acum

~0,14 s

Cache BM25 pe disc, reconstruit automat când se schimbă biblioteca.

Ce s-a mai adăugat

audit --semantic a doua opinie a modelului tău
refs chei lipsă, intrări necitate
eval recall@k și MRR pe întrebările tale
lit căutare OpenAlex/Crossref → BibTeX
refs --online DOI inexistent, lucrare retrasă

Ultimele două sunt opt-in și singurele care ies pe internet.

nou în 0.4.0

Tabelele rămân tabele. Ecuațiile rămân ecuații.

În terminal

Ieșire reală a comenzilor tables și equations pe PDF-uri de test.

În căutare și în aplicația web

Un tabel e un singur pasaj (legenda primește tabelul, antetul se repetă dacă se împarte). Pagina cu două coloane se citește coloană cu coloană.

Limite oneste: euristică peste stratul de text poppler; coloane foarte strânse, celule pe mai multe rânduri, tabele-imagine, fracții suprapuse, matrici și indici nu se reconstruiesc. Nu înlocuiește Nougat/MinerU. Testat doar pe PDF-uri LaTeX de laborator.

cum arată, de fapt

Toate funcțiile, în capturi reale.

Web · Căutare — Un tabel dintr-un PDF cu două coloane, regăsit ca tabel întreg (nu rânduri amestecate cu proza celeilalte coloane).

Web · Ecuații — Ecuațiile din PDF apar ca blocuri LaTeX cu numărul lor; proza din jur rămâne text. Notă: indicii și exponenții sunt aplatizați (pi ti).

Web · Întreabă — Răspuns cu citări [n] și lista pasajelor folosite. Modelul din captură este SIMULAT; observă paza: [9] nu există și e semnalat.

Web · Audit citări — Verificare mecanică a fiecărei citări [@cheie, p. N]: acoperire, cheie necunoscută, pagină greșită. Fără model.

Web · Audit semantic — A doua opinie a modelului local pentru fiecare citare. Aici „modelul” e un judecător scriptat, nu un model real.

Web · Referințe — Chei citate care nu există, intrări .bib necitate, documente indexate necitate.

Web · Mesh P2P — Panoul Mesh: invitație/răspuns prin cod copiat, căutare federată, import de documente partajate.

CLI · tables — tezaur tables: tabelele unui PDF ca Markdown (sau --csv / --json / -o DIR).

CLI · equations — tezaur equations: ecuațiile de display ca LaTeX, cu numerele lor.

CLI · search — Căutare fără model, cu procentul de termeni acoperiți.

CLI · audit — Raport de audit în terminal, folosibil în CI (--fail).

CLI · refs — Igiena referințelor, în terminal.

CLI · sources — Biblioteca indexată, cu BibTeX asociat și paginile fiecărui document.

Capturi ale aplicației rulate local pe o bibliotecă demonstrativă. Modelul de limbaj din capturi este simulat (un server fals, pentru a arăta fluxul); verificările mecanice, extragerea din PDF, indexul și căutarea sunt reale. Click pe imagine pentru mărire.

acolo unde scrii deja

Un singur nucleu. ~40 de suprafețe.

Scrii și citești

ObsidianVS CodeZoteroLyXTeXstudioNeovimEmacsHelixZedNotepad++JoplinLogseqJupyterPandoc/Quarto

Conectezi AI-ul

MCP (stdio + HTTP)Claude Desktop / CodeCursorWindsurfClineContinueGemini CLICodexOpen WebUIJanLM StudioOllama

Îl porți cu tine

Binar unic RustPortableAppsFișier HTML unicPWAExtensie Chrome / Firefox.debDockerAndroid

Echipă și colegi

Mesh P2P opt-inDokuWikiWordPressMediaWikiSlackDiscordGoogle DocsREST + OpenAPI

Onest: integrările sunt verificate contra unor simulări, nu în aplicațiile reale. Un meta-installer le detectează și le instalează, cu dezinstalare completă.

instalare — toate variantele

~90 de moduri de a-l avea lângă tine.

Filtrează după categorie sau caută. Fiecare variantă are o stare onestă: rulată, simulată sau doar scrisă.

rulat aici (artefactul real) rulat contra unei simulări a aplicației/serviciului scris, nerulat / necompilat

meta-installer

O comandă. Detectează tot și instalează peste tot.

Detectează

Claude Desktop/Code, Cursor, Windsurf, VS Code, Vim/Neovim, Emacs, Sublime, Notepad++, vault-uri Obsidian, Joplin, Logseq, Zotero, browsere, pandoc, Jupyter, foldere WordPress/DokuWiki/MediaWiki, telefoane Android, stick-uri PortableApps, gazde ssh, noduri TEZAUR din LAN.

Reversibil

Copie de siguranță o singură dată, registru în ~/.tezaur/installed.json, dezinstalare completă cu uninstall. Opțiuni: --only, --skip, --all, --remote user@host.

Onest

Ieșirea de mai sus e ilustrativă. Installer-ul a fost testat într-un director home fals, cu aplicații false — nu pe un sistem real. Rulează întâi scanarea.

install.shInstall-Tezaur.batuninstall.shUninstall-Tezaur.battezaur-setup.py (doar Python standard)

mesh p2p — fără server central

Cercetători independenți, conectați direct.

Fiecare nod e un TEZAUR obișnuit care alege ce oferă. Fără cont, fără cloud, fără intermediar.

Căutare federatădoar fragmentele potrivite, cu eticheta de citare a coleguluitezaur mesh search "…"

Pulldocumentele partajate (text + pagini), re-indexate local; fără duplicate prin hashtezaur mesh pull ana

Pachet offline .tzbstick USB, e-mail, AirDrop — complet fără rețea; funcționează și din browsertezaur mesh export x.tzb

WebRTC browser↔browsercanal direct criptat; codurile de invitație le copiezi prin orice canal. În aceeași rețea, fără internetpanoul „Mesh P2P”

mesh — încredere și limite

Nimic nu e oferit până nu spui tu.

# alegi ce oferi (implicit: nimic)
$ tezaur mesh share smith lisbon
# adaugi un coleg, cu token
$ tezaur mesh add ana http://192.168.1.20:8787 --token X
# sau îi găsești în LAN
$ tezaur mesh discover
$ tezaur mesh search "burden of proof"
$ tezaur mesh pull ana
# peste internet, fără porturi deschise
$ tezaur mesh add lab URL --proxy socks5h://127.0.0.1:9050

Ce garantează designul

Un coleg vede doar fragmente din documentele partajate — nu răspunsurile, nu restul bibliotecii, nu modelul tău
Documentele primite nu se re-oferă (decât cu --relay)
Căi izolate în mesh/<coleg>/; același hash nu se stochează de două ori
Pasajele primite sunt marcate [via peer] în citare

Limite, spuse direct

Transport HTTP simplu + token: în afara LAN folosește VPN, Tor sau proxy HTTPS
Textul primit e nesigur (injecție de prompt, fapte false): verifică înainte să citezi
Drepturile de autor rămân problema ta: partajează notițe și materiale open-access
Testat între două servere pe aceeași mașină și două Chromium prin WebRTC. Netestat: mașini diferite, NAT/STUN, Tor, mDNS pe Wi-Fi real

trade-free

Cărțile tale rămân la tine.

0

conturi

Nu există server TEZAUR, telemetrie sau abonament.

1

mașină

Indexul și modelul stau pe calculatorul tău. Funcționează offline.

2

comenzi online

lit și refs --online, doar la cerere, cu avertisment înainte de trimitere.

Cod deschis, licență MIT. Poți citi fiecare linie care îți atinge documentele.

recenzie onestă, publicată în repo

Ce a fost măsurat — și ce nu.

Verificat

Fraze copiate din sursă: 6/6 acceptate
Sursă greșită: 3/3 prinse · fără legătură: 4/4
Contradicții: 4/6 semnalate (3 prin cifre; negațiile scapă)
61 de teste Rust + teste cap-coadă (CLI, API, MCP, browser)
Căutare ~0,14 s pe 6 M de cuvinte

Neverificat sau slab

Parafraze: 0/6 recunoscute de audit mecanic
Negații: ratate (de aici --semantic)
Niciun model real, niciun serviciu OpenAlex/Crossref real atins în teste
Integrările în aplicațiile reale și Mesh-ul între mașini diferite: netestate
Fără utilizatori externi încă

Auditul nu dovedește adevărul. Îți arată în ce pagină trebuie să deschizi cartea.

poziționare, 28 octombrie 2026

Nu înlocuiește Zotero. Îl completează cu un strat de audit.

	TEZAUR	RAG local generic	Cloud academic
Rulează local, gratuit	da	da	nu
Citare cu pagină	da	da	da
Audit al textului tău pe pagina citată	da (mecanic)	nu	plătit, doar cloud
Citate ad litteram + cifre verificate	da	nu	parțial
Chitanțe de proveniență + declarație AI	da	nu	nu
Literatură mondială, rezumate, tabele	doar căutare	nu	da
PDF avansat (tabele, ecuații)	euristic (0.4)	uneori	da

Detalii și surse în COMPETITION.md. Concurenții n-au fost rulați de autor; comparația de calitate nu e măsurată.

începe simplu

Pune-ți biblioteca sub control.

# indexează-ți documentele
$ tezaur ingest ~/Teza/surse
# întreabă, cu citări
$ tezaur ask "Cine poartă sarcina probei?" --receipt r.json
# verifică-ți textul pagină cu pagină
$ tezaur audit teza.md --fail
✓ supported  ✗ wrong-page  ✗ number-mismatch  ✗ quote-not-found
# panoul web + API + MCP
$ tezaur serve

★ Cod și descărcări pe GitHub Recenzia onestă