Repository navigation
v1.2.0 — Memória, Documentos e Multilíngue
✨ Destaques desta versão
- 🧠 Memória que aprende, no próprio USB — perfil + índice de itens + detalhes sob demanda. Cabe nos 2048 tokens.
- 📎 Upload de documentos — PDF (com texto), imagens (com OCR),
.txt/.md/.csv/.json/.log. - 🔤 OCR offline — Tesseract portátil para imagens e PDF escaneado.
- 🌐 Multilíngue — auto/pt/en/es/fr/de, com captura de memória e voz por idioma.
- 🏢 Windows corporativo — fallback automático para
llama-server.exequando o AppLocker bloqueia ollamafile.exe.
🧠 Memória que aprende (memoria/ no USB)
Padrão índice + expansão sob demanda — só o essencial vai sempre no contexto; o detalhe é hidratado quando a pergunta combina e descartado depois. Sem depender do RAG.
perfil.md— o que o Arandu sempre lembra de vocêindice.json— mapa dos itens (id, título, palavras-chave)itens/<id>.md— detalhe completo de cada item
Aprende automaticamente: "meu nome é...", "lembre-se que...", "anote que...". Painel Memória na barra lateral e ícone no topo.
Backend: rotas novas no ajudante (8099) — GET /memoria, GET /memoria/item?id=, POST /memoria/perfil, POST /memoria/item, POST /memoria/remover. UTF-8 sem BOM, IDs validados, preflight CORS.
📎 Upload de documentos
Arraste no painel Memória. Cada documento vira um item no USB; na pergunta, o Arandu consulta só o trecho relevante (não despeja o documento todo).
- PDF digital:
pdf.jsempacotado emvendor/pdfjs/(~1,5 MB), carregado sob demanda — não pesa no boot. Worker como global para funcionar emfile://. - Imagens e PDF escaneado: rota
/ocrno ajudante, roda o Tesseract portátil. Padrão Piper: você baixa à parte e coloca emferramentas/tesseract/. - Seleção inteligente de trecho: pergunta específica → similaridade; pergunta genérica em doc grande → introdução do documento (a parte que costuma explicar o tema).
Decisão honesta: descartei o
baidu/Unlimited-OCR(3B, 6,78 GB, exige GPU/CUDA) — bate de frente com as premissas de RAM/velocidade/portabilidade.
🌐 Multilíngue (auto / pt / en / es / fr / de)
O Qwen3-1.7B já é multilíngue — zero RAM extra. Custa ~25 tokens no prompt para "trancar" o idioma; default auto preserva o comportamento.
- Seletor em Configurações → Idioma das respostas
- Identidade do Arandu neutralizada (sem fixar pt-BR)
- Captura automática estendida:
my name is / me llamo / je m'appelle / ich heisse,remember / recuerda / souviens-toi / merke dir - Voz: prefere voz do sistema pelo BCP-47 do idioma escolhido (Web Speech), com fallback pt-BR
🏢 Windows corporativo (AppLocker)
Quando o AppLocker bloqueia o llamafile.exe (formato APE), o IA_Portatil.vbs agora detecta uma pasta llama/ com o llama-server.exe (build comum do llama.cpp) e usa automaticamente. README documenta o passo.
🐛 Bugs corrigidos
- CORS preflight no ajudante:
POST application/jsondefile://falhava com "Failed to fetch" — agora oOPTIONSrespondeAccess-Control-Allow-Headers: Content-Type. - Memória injetada sem instrução de uso: o modelo via o trecho da memória mas, pelas regras severas "não invente", respondia "não tenho conhecimento". Agora o bloco diz claramente "use estes trechos como fonte".
- Seleção de trecho aleatória em pergunta genérica: num doc grande onde a palavra-chave aparece em todo parágrafo, todos os blocos empatavam e a escolha virava loteria. Agora detecta pergunta genérica (>70% dos blocos casam) e pega a introdução.
📦 Como atualizar
Substitua os arquivos do pendrive pelos desta versão e reabra com Iniciar_Arandu.vbs. Seus dados (memoria/) e modelos (*.gguf) não são tocados — ambos estão fora do git por padrão.
Para usar OCR, baixe o Tesseract portátil (UB Mannheim) e coloque em ferramentas/tesseract/ (com tessdata/por.traineddata e eng.traineddata).
Modelo (.gguf): este release é da plataforma. Os pesos (Arandu Nano 1.0 e Arandu Nano 1.1) não mudaram — continue baixando do Hugging Face como descrito no README.