Skip to content

v1.2.0 — Memória, Documentos e Multilíngue

Choose a tag to compare

@rendeia rendeia released this 28 Jun 01:38
· 26 commits to main since this release

✨ 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.exe quando o AppLocker bloqueia o llamafile.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 você
  • indice.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.js empacotado em vendor/pdfjs/ (~1,5 MB), carregado sob demanda — não pesa no boot. Worker como global para funcionar em file://.
  • Imagens e PDF escaneado: rota /ocr no ajudante, roda o Tesseract portátil. Padrão Piper: você baixa à parte e coloca em ferramentas/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/json de file:// falhava com "Failed to fetch" — agora o OPTIONS responde Access-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.