dowse

English | 简体中文

dowse

Busca local de conteúdo de arquivos open-source para Windows. Encontre nomes de arquivos, conteúdos de PDF e Office, código-fonte e texto dentro de capturas de tela — a um atalho de distância.

Site · Página do produto em inglês · Guia de busca de conteúdo de arquivos no Windows（中文）

O nome vem de uma varinha de radiestesia.

Motivação

Nenhuma ferramenta para Windows atende às três condições a seguir ao mesmo tempo:

• Manter um índice persistente do conteúdo dos arquivos, não apenas dos nomes (o Everything pode escanear conteúdos sob demanda, mas seu índice instantâneo é centrado em nomes e caminhos)
• Reconhecer e indexar texto dentro de imagens em PCs Windows comuns, sem exigir um dispositivo Copilot+
• Um atalho para invocar, operação totalmente por teclado, sem latência perceptível

A implementação open-source mais próxima é o sist2, mas ele é voltado para Linux (no Windows só roda via Docker), trata texto chinês como trigramas, e o projeto não é mais mantido. O dowse é uma implementação nativa para Windows construída em torno desses três pontos.

Recursos

🔍 Busca por nome de arquivo	Instantânea, conforme você digita
📄 Busca por conteúdo de documentos	Texto puro, Markdown, código e formatos de documento (PDF, Word, Excel, PowerPoint)
🖼️ OCR de capturas de tela / imagens	Texto dentro de imagens PNG/JPG/WebP/BMP, totalmente offline (Windows.Media.Ocr)
🈶 Segmentação de palavras em chinês	jieba + ranqueamento BM25, não trigramas — além de detecção automática de codificação GBK
⚡ Indexação incremental	Observação de arquivos em tempo de execução, reconciliação por mtime/tamanho na inicialização
🤖 Servidor MCP	Expõe a busca local a agentes de IA via stdio
🚀 Caminho rápido NTFS	Enumeração MFT + USN Journal, somente administrador, com fallback transparente caso contrário

dowse vs. as alternativas

	dowse	Everything	Windows Search	sist2
Busca por nome de arquivo	✓	✓	✓	✓
Busca por conteúdo de documentos	✓ (índice persistente)	escaneamento sob demanda	depende dos locais e filtros indexados	✓
OCR de capturas de tela / imagens	✓	✗	depende do dispositivo/versão	limitado (Tesseract opcional)
Segmentação adequada de chinês	✓ (jieba)	—	limitado	✗ (trigramas)
Totalmente local, sem rede	✓	✓	✓	✓
Sobreposição com atalho global	✓	✓	✓ (tecla Win)	✗ (interface web)
Nativo para Windows	✓	✓	✓	✗ (prioriza Linux, Docker no Windows)

Tratamento de texto em chinês

• Segmentação de palavras via jieba, ranqueamento via BM25 (mecanismo tantivy). Sem trigramas.
• Detecção automática de codificação de arquivos (chardetng). Arquivos codificados em GBK são decodificados corretamente antes da indexação — isso importa porque uma grande parcela dos documentos em chinês no Windows, especialmente os mais antigos, ainda é salva em GBK em vez de UTF-8, e uma ferramenta de busca que assume UTF-8 irá indexar ou corromper silenciosamente esses arquivos.
• Consultas com vários termos usam semântica AND por padrão. Consultas com frases entre aspas correspondem à posição exata. Operadores inline refinam ainda mais: path:reports, mtime:>2026-01-01, size:>10mb, OR maiúsculo entre grupos, -term para excluir.
• O OCR roda no mecanismo nativo do Windows (Windows.Media.Ocr), totalmente offline. O pacote de idiomas zh-Hans também cobre texto misto chinês/inglês, sem configuração adicional necessária.

Desempenho

Metas de design; excedê-las é tratado como defeito. "Medido" refere-se a um benchmark do zero de dowse 0.7.0 (i7-13700K / 24 núcleos lógicos / 64GB RAM, máquina única, sessão única, 2026-07-12), reutilizando o corpus byte-idêntico do benchmark da rodada 3 do v0.6.1 para comparabilidade direta. A saída bruta completa (logs de indexação/busca, arquivos JSON de resultados) é mantida no diretório de trabalho do benchmark, fora deste repositório.

Métrica	Meta de design	Medido (v0.7.0, 2026-07-12)
Atalho até a janela visível	< 50ms	não medido — benchmark apenas via CLI, sem instrumentação do app de sobreposição
Tecla até os resultados renderizados	< 80ms	não medido — idem
OCR, imagem única	~112ms / captura 1080p	~170ms isolado (imagem sintética 480×200), inalterado em relação ao v0.6.1 — o pipeline de OCR não foi modificado nesta versão. Leituras abaixo de 30ms em execuções repetidas imediatas da mesma imagem refletem cache de reconhecimento do sistema operacional, não reconhecimento real, e são excluídas aqui. Não são capturas 1080p reais
Memória residente	< 150MB ocioso	não medido (ocioso); pico de working set durante indexação do corpus completo foi ~327MB — métrica diferente, não uma regressão em relação à meta ociosa
Tamanho do instalador	< 50MB (revisado em 2026-07 — a meta original de 15MB é anterior ao sidecar CLI empacotado)	14.98MB (dowse-app_0.9.0_x64-setup.exe, versão publicada)
Construção do índice de texto completo, 10.000 arquivos / 437MB	segundos (caminho rápido planejado apenas por nome)	10,0–10,6s — dowse index atual de conteúdo completo, não o caminho MFT planejado apenas por nome
Construção do índice de texto completo + OCR, 15.100 arquivos (incl. 5.100 imagens)	—	~46,6s na primeira passada, todas as 5.100/5.100 imagens com OCR na mesma passada — sem pendências, sem segunda passada necessária
Latência de busca, P50 (5 categorias exigidas)	—	30,7–161,1ms entre palavra única / frase em chinês / frase em inglês / AND com várias palavras / zero resultados, em um índice de 15.100 documentos
Latência de busca, P95	—	39,1–172,3ms, mesmas 5 categorias
Latência de consulta com filtro ext:	—	P50 155,6ms, mesma faixa das categorias de consulta com resultados não nulos
Tamanho do índice ÷ tamanho do corpus	—	0,36 (somente texto), abaixo de 0,54 na rodada do v0.6.1

Linhas do corpus completo medidas no mesmo corpus de texto de 10.000 arquivos / 437,66MB mais 5.100 imagens sintéticas 480×200 para OCR (89,8MB) usadas nos números da rodada 3 do v0.6.1 acima — byte-idênticas, reutilizadas diretamente em vez de regeneradas. A indexação está aproximadamente 2x mais rápida e o índice de texto em disco cerca de um terço menor que o v0.6.1; ambos acompanham o novo tokenizador (normalização em minúsculas, divisão por limites alfanuméricos de palavras latinas) produzindo um dicionário de termos mais enxuto. A consulta com zero resultados caiu de 135ms (v0.6.1) para 31ms, no nível de ruído de inicialização, consistente com menos índice para escanear antes de concluir que um termo está ausente. A velocidade de reconhecimento de OCR não mudou nesta versão, pois o pipeline não foi tocado: o reconhecimento de imagem única permanece em torno de 170ms, e as leituras abaixo de 30ms em imagens idênticas repetidas são artefatos de cache do sistema operacional, não reconhecimento real. A passada de texto mais OCR do corpus completo ficou mais rápida (83s para 46,6s) devido ao tokenizador e ao caminho de escrita mais rápidos, não por reconhecimento mais veloz.

Início rápido

Download — baixe o instalador da última versão (dowse-app_*_x64-setup.exe), execute-o e depois `Alt+`` para invocar.

O instalador não é assinado, então o Windows SmartScreen o sinalizará na primeira execução. Para continuar, clique em Mais informações e depois em Executar mesmo assim. Um certificado de assinatura de código é um custo recorrente difícil de justificar para um projeto independente; pode ser reconsiderado em uma versão futura.

Instale a CLI — a biblioteca e a ferramenta de linha de comando são fornecidas como um único pacote dowse:

cargo install dowse                 # once published to crates.io
cargo install --path crates/dowse   # from a local checkout

Compile a partir do código-fonte:

git clone https://github.com/ltspace/dowse && cd dowse

# CLI
cargo run -p dowse -- index D:\docs      # build the index
cargo run -p dowse -- search 限流         # search
cargo run -p dowse -- search "精确短语"   # phrase query
cargo run -p dowse -- add E:\projects     # add another root incrementally (no full rebuild)
cargo run -p dowse -- rules show          # view index rules (excluded dirs, extra extensions, size cap)

# Overlay app (Tauri 2 + Svelte 5)
cd crates/dowse-app
npm install
cargo tauri build      # produces the installer under target/release/bundle

App de sobreposição: Alt+\`` to summon, ↑↓to select,Enterto open,Ctrl+Enterto reveal in Explorer,Ctrl+Cto copy path,Esc to hide. Two nearly invisible dropdowns sit at the right of the search bar — file type filter (Ctrl+P) and sort order (Ctrl+S, relevance / newest / oldest / largest); both stay faint until you select a non-default value. Right-click a result row for a native Explorer-style context menu (open / reveal in folder / copy path / copy name). A pin toggle at the top-right keeps the window open when it loses focus (session-only, resets on restart). With an empty input, the overlay lists your recent searches (last 10, stored locally) — ↑↓/Enterto reuse one,Deleteto remove it.Ctrl+,` abre o painel de configurações — geral (redefinição de atalhos, transparência, inicialização automática, idioma da interface) e regras de índice (diretórios excluídos, extensões de texto adicionais, limite de tamanho por arquivo).

Servidor MCP

dowse mcp inicia um servidor MCP somente leitura via stdio, expondo o índice local a agentes de IA:

claude mcp add --scope user dowse -- dowse mcp

Três ferramentas: search (consulta, limite, sort por relevância / mtime / tamanho, filtro ext separado por vírgulas, paginação offset com contagem total_hits), preview (trecho completo + metadados para um resultado), index_status (contagem de documentos, saúde do índice, regras de índice ativas). O servidor nunca toca no gravador do índice — ele apenas recarrega o leitor antes de cada chamada, então pode rodar junto com o app de sobreposição ou uma sessão dowse watch ativa sem contenção de escrita.

Arquitetura

                 ┌─────────────────────────────────────────┐
                 │                   dowse                   │
                 │  library core: tantivy index · jieba      │
                 │  segmentation · encoding detection ·      │
                 │  text extraction (txt/md/pdf/code/        │
                 │  docx/xlsx/pptx) · OCR pipeline           │
                 │  ─────────────────────────────────────    │
                 │  CLI + MCP server (default `cli` feature) │
                 └────────────────────┬────────────────────┘
                                      │ library API
                                      │ (default-features = false)
                              ┌───────┴────────┐
                              │    dowse-app    │
                              └────────────────┘

Duas crates. dowse é tanto a biblioteca de busca quanto a ferramenta de linha de comando: o núcleo da biblioteca expõe a API de busca, e a CLI mais o servidor MCP somente leitura ficam atrás do recurso padrão cli em um único binário — a CLI para scripts e depuração, o servidor MCP para agentes de IA. dowse-app, uma sobreposição residente Tauri 2 + Svelte 5, é uma crate separada que depende de dowse apenas como biblioteca (default-features = false, então não puxa nem a CLI nem suas dependências).

As atualizações de índice seguem um esquema de duas camadas: durante a execução, eventos do sistema de arquivos conduzem atualizações incrementais (janela de debounce de 500ms, commits em lote); na inicialização, uma comparação de mtime/tamanho reconcilia mudanças feitas enquanto o app não estava em execução. Em volumes NTFS com direitos de administrador, as mesmas duas camadas são atendidas por enumeração MFT e USN Journal em vez de varreduras de diretório e observação de eventos do sistema de arquivos; ambos os caminhos produzem resultados idênticos e as camadas superiores não conseguem distinguir qual está ativo.

Roadmap

#	Escopo	Status
1	Indexação e busca via CLI: segmentação de chinês, detecção GBK, realce	✅ Concluído
2	Sobreposição: atalho global, material Acrílico, navegação por teclado	✅ Concluído
3	Indexação incremental: observação de arquivos, reconciliação na inicialização	✅ Concluído
4	Pipeline de OCR: texto de capturas de tela no índice	✅ Concluído
5	Servidor MCP	✅ Concluído
6	Caminho rápido NTFS MFT / USN Journal	✅ Concluído (o caminho rápido somente administrador em si ainda não foi verificado em hardware real — veja as notas de implementação no documento de design)
7	Busca semântica (embeddings, ranqueamento híbrido)	🔍 Explorando

Stack

Rust · tantivy · jieba · Tauri 2 · Svelte 5 · Windows.Media.Ocr · notify · Win32 (MFT/USN Journal)

Documentos de design

• docs/DESIGN-M2-浮窗.md (design da sobreposição, chinês)
• docs/DESIGN-M3-增量索引.md (design da indexação incremental, chinês)
• docs/DESIGN-M4-OCR管线.md (design do pipeline de OCR, chinês)
• docs/DESIGN-M5-MCP.md (design do servidor MCP, chinês)
• docs/DESIGN-M6-NTFS快速层.md (design do caminho rápido NTFS, chinês)

Política de Privacidade

O índice é armazenado localmente (%LOCALAPPDATA%\dowse). Sem acesso à rede, sem telemetria. Você pode verificar isso por conta própria: observe o processo no Monitor de Recursos ou em uma ferramenta de firewall e confirme que ele não abre conexões de saída. As versões também incluem uma soma de verificação SHA-256 para o instalador, para que você possa verificar o download.

Política completa — coleta de dados, armazenamento, retenção e contato: PRIVACY.md.

Licença

Dupla licença sob MIT ou Apache-2.0, à sua escolha.

Uma nota

Quando criança, eu tinha um único celular Coolpad. Nos longos períodos sem internet, eu abria o gerenciador de arquivos e estudava os arquivos um a um, tentando descobrir o que eram e como se encaixavam, para sempre perdido entre arquivos espalhados por toda parte, sem ideia do que cada um continha.

Na faculdade, comprei um NAS QNAP e descobri o Qsirch, algo genuinamente bom, exceto que vivia apenas no NAS e não tinha versão para Windows. screenpipe chegou primeiro, uma espécie de versão primitiva do grão de memória de Black Mirror S1E3, The Entire History of You. Muito futurista, muito pós-moderno, próximo da forma definitiva de busca local, mas pesado demais para o mundo como é agora.

Então eu fiz o dowse.

O filme Her parece uma profecia: em breve, a IA vai rodar nossos computadores pessoais. dowse se inspira nisso e expõe uma interface MCP para a IA chamar, exceto que o que ela busca são seus próprios arquivos, na sua própria máquina.

Se você é um pouco obsessivo, se gosta de manter as coisas em ordem, se quer controle real sobre seu próprio sistema de arquivos, isso é para você. Desempenho e beleza são coisas com as quais me importei igualmente.