Suelta un PDF, pregúntale en lenguaje natural y te responde citando las páginas. Todo corre en tu navegador: ni el documento ni las preguntas salen de tu equipo. No hay servidor, ni cuenta, ni analítica; Vercel solo sirve ficheros estáticos y se despliega gratis.
→ icaro.soyjulian.dev · English below
Ícaro voló demasiado cerca del sol. Este no sube a la nube.
- Lee el PDF con pdf.js dentro de un Web Worker y lo trocea por páginas (~350 tokens por trozo, sin mezclar páginas).
- Lo indexa con un modelo de embeddings multilingüe y guarda trozos y vectores en IndexedDB: la segunda vez que sueltas el mismo fichero es instantáneo.
- Busca los cinco trozos más parecidos a tu pregunta (coseno sobre un
Float32Array, sin librerías de vectores). - Responde con un modelo pequeño en streaming, solo con esos trozos, y cita las páginas así:
[p. 12]. Si no está en el documento, lo dice. - Visor integrado: el PDF a la derecha, con salto a la página al pulsar una cita. Selecciona un texto → «Mencionar» y viaja con tu siguiente pregunta.
- Chats guardados en
localStorage, con su documento; barra lateral plegable; tema oscuro y claro; español e inglés. - Traza de actividad al estilo agente: qué está leyendo, descargando o indexando, y las fuentes de cada respuesta.
Se descargan de Hugging Face la primera vez que sueltas un PDF (no al abrir la página) y el navegador los cachea.
| Tarea | Modelo | Peso | Notas |
|---|---|---|---|
| Embeddings | Xenova/multilingual-e5-small |
≈ 120 MB | 384 dims, multilingüe, q8. Prefijos query: / passage:. |
| Generación | onnx-community/Qwen2.5-0.5B-Instruct |
≈ 400 MB | Responde bien en español para su tamaño, q4. |
| Generación (rápido) | HuggingFaceTB/SmolLM2-360M-Instruct |
≈ 250 MB | Más ligero, peor en español. Para equipos con poca memoria. |
Recomendado: Chrome o Edge con WebGPU y 4 GB de RAM libres. Sin WebGPU funciona con WebAssembly (Firefox, Safari), pero la generación es mucho más lenta. La aceleración se puede elegir en el menú del modelo.
pdf.workerextrae el texto por página y lo trocea (lib/chunk.ts).embed.workercalcula un vector por trozo; se guardan en IndexedDB con clavesha256(fichero)(lib/cache.ts).- Cada pregunta se embebe y
lib/search.tssaca los 5 trozos más parecidos. lib/prompt.tsmonta el prompt (system + dos ejemplos + fragmentos) yllm.workergenera en streaming.- La respuesta se pinta token a token; las citas
[p. N]son clicables y abren el visor en esa página.
Con un 0.5B, decirle «cita así: [p. 12]» a secas hace que responda solo [3]; enseñárselo con dos turnos de ejemplo funciona. Y si aun así no cita, se añade la página del trozo con más palabras en común (ensureCitation), así que la cita siempre apunta a un fragmento recuperado de verdad.
Abre la pestaña Red: durante la primera carga verás descargas de huggingface.co (los pesos) y después ninguna petición. El runtime WASM de ONNX y los CMaps de pdf.js se sirven desde el propio dominio (scripts/copy-assets.mjs los copia de node_modules en build), no desde un CDN ajeno. Cabeceras COOP/COEP en vercel.json para el WASM multihilo.
- Es un modelo de 500 M de parámetros: puede confundir datos cercanos en el texto. Las citas están para comprobarlo.
- PDF escaneados (imágenes) no funcionan: no hay OCR. Tampoco entiende imágenes ni tablas complejas.
- La primera carga descarga ~500 MB. Un PDF de cientos de páginas tarda en indexarse la primera vez, según la máquina.
Astro (estático, i18n, adaptador de Vercel) · isla de React 19 · Tailwind 4 con tokens semánticos por tema · transformers.js v4 (WebGPU / WASM) · pdf.js · iconos Solar compilados a SVG inline · fuente Inter autoalojada · tests con Vitest.
pnpm install
pnpm dev # http://localhost:4321 (copia los assets WASM/CMaps antes de arrancar)
pnpm build # dist/ + .vercel/output
pnpm test # troceado, búsqueda, prompt y citas
pnpm check # astro check (tipos)
node scripts/og.mjs # regenera public/og.pngsrc/
├── pages/ index.astro (ES) · en/index.astro (EN)
├── layouts/Base.astro shell: barra lateral + cabecera + <main>
├── components/
│ ├── Sidebar.astro chats, «cómo funciona», modelos, FAQ (HTML estático)
│ ├── Page.astro bienvenida estática + isla
│ └── app/ la isla de React
│ ├── IcaroApp.tsx chat, actividad, visor
│ ├── useIcaro.ts workers, caché, chats, preguntas
│ ├── PromptInput.tsx / ModelMenu.tsx / Activity.tsx / PdfViewer.tsx / ChatList.tsx
├── workers/ pdf.worker · embed.worker · llm.worker (+ protocols.ts, setup.ts)
├── lib/ chunk · search · prompt · cache · chats · rpc · store · models
├── i18n/ es.json · en.json
└── styles/global.css
OCR con tesseract.js para escaneados · varios PDF a la vez · modelo mayor opcional (Qwen2.5-1.5B) · un modelo de visión pequeño (SmolVLM) para imágenes · exportar la conversación a Markdown.
Licencia MIT · hecho por Julián.
Ícaro is a private PDF assistant that runs entirely in your browser. Drop a PDF, ask in plain language and get answers with page citations. Nothing is uploaded: there is no server, no account and no analytics. Vercel only serves static files.
- pdf.js reads the text page by page in a Web Worker; chunks (~350 tokens, never crossing pages) are embedded with
multilingual-e5-smalland cached in IndexedDB by file hash. - Each question is embedded and matched by cosine similarity; the top 5 chunks go to
Qwen2.5-0.5B-Instruct(orSmolLM2-360M, the fast option), which streams an answer with[p. N]citations. - Built-in PDF viewer on the right: citations jump to the page, and selecting text → "Mention" attaches the passage to your next question.
- Chats are stored in
localStorage; collapsible sidebar; dark and light themes; Spanish and English.
Models download from Hugging Face on the first PDF (~500 MB, cached afterwards). Recommended: Chrome or Edge with WebGPU; WebAssembly works elsewhere but generation is much slower. Limitations: small model (it can mix up nearby facts, so check the citations), no OCR for scanned PDFs, no image understanding.
Stack: Astro (static, i18n) + a React island, Tailwind 4, transformers.js v4, pdf.js, Vitest. pnpm install && pnpm dev.
MIT · made by Julián.