Kostenlos · läuft auf Ihrem eigenen Rechner

Ihre Dateien als Wissensbibliothek – für Sie und Ihre KI-Agenten

Legen Sie einen Ordner mit Dokumenten ab und durchsuchen Sie ihn auf drei Arten zugleich: nach Bedeutung, nach Wortformen in 15 Sprachen und nach exakten API-Namen. Für Sie gibt es eine Web-Oberfläche, für Claude Code, pi, Cursor und andere Agenten einen MCP-Server.

Ein Rust-Binary per npx
Kein Python, keine Datenbank
NVIDIA-GPU, DirectML oder CPU

# Ordner ins Regal stellen
$ npx lib2027 add ./docs
# Web-Oberfläche öffnen → http://127.0.0.1:2027
$ npx lib2027

Zu den Benchmarks Paket auf npm

Benchmarks

Hilft es dem Modell wirklich?

Aktuelles oder Nischenwissen kennen Modelle nicht aus dem Gedächtnis – und mehr Text allein ändert daran nichts. Wir haben gemessen, was die richtigen Fragmente bewirken.

So haben wir gemessen

Gleiches Modell, gleiche Fragen

In jedem Vergleich beantwortet ein Modell denselben Fragensatz. Es ändert sich nur, was das Modell zu lesen bekommt.

Ein Placebo-Arm

Irrelevanter Text gleicher Länge: eine Kontrolle für die Annahme „mehr Kontext hilft“.

Präregistriert

Fragen, Regeln und Erfolgsschwellen standen fest, bevor Daten erhoben wurden.

Wiederholt und getestet

Jeder Arm lief 3-mal. Die Signifikanz stammt aus einem gepaarten Vorzeichentest über die Fragen.

Anteil richtiger Antworten

Ohne Bibliothek
Placebo
Mit lib2027

Ohne Bibliothek — das Modell antwortet aus dem Gedächtnis
Placebo — irrelevanter Text gleicher Länge
Mit lib2027 — die Fragmente, die die Suche von lib2027 geliefert hat

Aktuelle Web-Doku (devdocs, Sept. 2026)

150 Fragen · qwen3.8-27b

Ohne Bibliothek17,8 %

Placebo12,7 %

Mit lib202785,1 %

Dieselben Fragen, kleines Modell

150 Fragen · 4B

Ohne Bibliothek9,1 %

Placebo0,4 %

Mit lib202783,1 %

Russisches Recht (15 Gesetzbücher, pravo.gov.ru)

150 Fragen · qwen3.8-27b

Ohne Bibliothek34,7 %

Placebo33,8 %

Mit lib202784,4 %¹

API-Quiz zu three.js r186

90 Antworten · Claude Haiku 4.5

Ohne Bibliothek27,8 %

Placebonicht gemessen

Mit lib202788,9 %

¹ Statt der ersten 800 Zeichen wird der ganze Gesetzesartikel geliefert (das frühere Ergebnis lag bei 69,1 %). Bei seit 2024 geänderten Artikeln steigt das Modell von 25 % auf 81 %.

Zahlen als Tabelle anzeigen

Aufgabe	Modell	Ohne Bibliothek	Placebo	Mit lib2027
Aktuelle Web-Doku (devdocs, Sept. 2026) 150 Fragen · qwen3.8-27b	qwen3.8-27b	17,8 %	12,7 %	85,1 %
Dieselben Fragen, kleines Modell 150 Fragen · 4B	4B	9,1 %	0,4 %	83,1 %
Russisches Recht (15 Gesetzbücher, pravo.gov.ru) 150 Fragen · qwen3.8-27b	qwen3.8-27b	34,7 %	33,8 %	84,4 %¹
API-Quiz zu three.js r186 90 Antworten · Claude Haiku 4.5	Claude Haiku 4.5	27,8 %	—	88,9 %

Mehr als ein Quiz: three.js mit Claude Haiku 4.5

Antworten mit veralteter API

24,4 %5,6 %

weniger ist besser

Aufgabe „Schreib ein Spiel“, Punkte von 100

5275

mehr ist besser

Runden bis zum fertigen Spiel

5636

bei etwas geringeren Kosten

Eine Bibliothek, die das Modell nie gesehen hat

2–5 %84–96 %

Ein 4B-Modell besteht statt 2–5 % nun 84–96 % der Aufgaben, wenn lib2027 passende Migrationshinweise zur Aufgabe liefert.

Das Fazit

Aktuelles oder Nischenwissen kennen Modelle nicht aus dem Gedächtnis, und mehr Kontext allein hilft nicht: Das Placebo schlug nie die Antworten aus dem Gedächtnis. Was hilft, sind die richtigen Fragmente – und genau die liefert lib2027.

Tempo: Rust vs. die frühere Python-Version

Gemessen unter Windows mit einer RTX 5090, auf demselben Regal mit denselben Anfragen. Beide Versionen liefern dieselben Ergebnisse: Im Rechts-Quiz fanden beide den Artikel für 122 von 150 Fragen.

Python + PyTorch
lib2027 (Rust)

Weniger ist besser

Hybride Suche, Median (GPU)

Python + PyTorch207 ms

lib2027 (Rust)103 ms

Lexikalische Suche

Python + PyTorch39 ms

lib2027 (Rust)5 ms

Suche nur auf der CPU

Python + PyTorch4,4 s

lib2027 (Rust)1,7 s

743.000 Fragmente (devdocs), pro Anfrage

Python + PyTorch~0,4 s

lib2027 (Rust)0,15 s

MCP-Server bereit für initialize

Python + PyTorch2,6–3,8 s

lib2027 (Rust)< 0,2 s

add ./docs (6 Dokumente, 237 Fragmente)

Python + PyTorch36,6 s

lib2027 (Rust)8,6 s

15 Gesetzbücher aufbauen (16.000 Fragmente)

Python + PyTorch169 s

lib2027 (Rust)127 s

7.170 Dateien parsen

Python + PyTorch136 s

lib2027 (Rust)4,1 s

Installation

Python + PyTorch: Python + PyTorch, etwa 2,5 GB

lib2027 (Rust): Node.js + ein 7-MB-Binary; Runtime und Modelle werden beim ersten Start geladen

So funktioniert’s

Drei Suchwege, ein Ranking

Jede Anfrage läuft gleichzeitig durch drei Kanäle. Die Ergebnisse werden zusammengeführt und neu gerankt – Sie oder Ihr Agent bekommen ganze Passagen zum Lesen und Zitieren statt Schnipsel.

Bedeutung

Semantische Suche mit dem Embedder Qwen3-Embedding-0.6B findet Passagen, die dasselbe mit anderen Worten sagen.

Wortformen

Morphologie für Russisch, Englisch und 13 weitere Sprachen: Suchen Sie eine Form eines Wortes und finden Sie auch die anderen.

Exakte API-Namen

Funktions-, Klassen- und Optionsnamen werden exakt abgeglichen: Ein Name findet genau das Gemeinte, nicht etwas, das nur ähnlich aussieht.

Reranker

Der Cross-Encoder bge-reranker-v2-m3 liest jeden Kandidaten zusammen mit der Anfrage und stellt die besten nach vorn.

Ganze Artikel

Die Struktur bleibt erhalten. Gesetze werden nach Artikeln geteilt, und der ganze Artikel wird geliefert: Das hob den Rechts-Benchmark von 69,1 % auf 84,4 %.

Formate: md, txt, html, pdf, docx und Quellcode (js, ts, json, …). npx lib2027 package <name> fügt ein ganzes npm-Paket hinzu: API-Typen, Doku, Tests und Beispiele.

Für Agenten

Für Claude Code, pi, Cursor und andere MCP-Clients

lib2027 arbeitet als MCP-Server. Ein Befehl bindet es an, danach durchsucht der Agent Ihre Bibliotheken selbstständig.

Claude Code

npx lib2027 claude

Führt claude mcp add für Sie aus. Claude Code erhält diese Tools:

search_knowledge
read_source
list_libraries
check_code
explore_graph

pi

npx lib2027 pi

Installiert den MCP-Adapter in pi und bindet lib2027 an. npx lib2027 pi --remove trennt die Verbindung wieder.

Cursor, Claude Desktop und andere Clients

Fügen Sie dies zur MCP-Konfiguration hinzu:

{ "mcpServers": { "lib2027": { "command": "npx", "args": ["-y", "lib2027", "mcp"] } } }

Unter Windows npx über cmd starten:

{ "mcpServers": { "lib2027": { "command": "cmd", "args": ["/c", "npx", "-y", "lib2027", "mcp"] } } }

Lieber im Browser? npx lib2027 öffnet die Web-Oberfläche unter http://127.0.0.1:2027, daneben eine HTTP API.

Befehle

Ein Binary, eine Handvoll Befehle.

Befehl	Was er tut
`add <folder\|files…> [--name …] [--lang auto\|ru\|en\|…] [--to slug]`	Ein Ordner wird zur Bibliothek; Dateien kommen in die angegebene Bibliothek. Erneutes Ausführen aktualisiert geänderte Dateien.
`list`	Bibliotheken im Regal
`search "query" [-l slug] [--top-k 5]`	Suche
`remove <slug> / restore <slug>`	Aus der Suche ausblenden / zurückholen (Dateien bleiben auf der Festplatte)
`package <npm-package>[@version]`	Ein ganzes npm-Paket: API-Typen, Doku, Tests und Beispiele
`ui [--port 2027] [--no-open]`	Web-Oberfläche und HTTP API (wie ein Start ohne Befehl)
`mcp`	MCP-Server über stdio (vom Agenten gestartet)
`claude [--scope user\|project]`	Führt `claude mcp add` für Sie aus; ohne Claude Code wird eine Konfiguration für andere Clients ausgegeben
`pi [--project] [--remove]`	Installiert den MCP-Adapter in pi und bindet lib2027 an (oder trennt es)
`ask "question"`	Eine Antwort mit geprüften Zitaten (benötigt einen Modellschlüssel: `LIB2027_ANSWER_*`)
`setup [--device cuda\|directml\|cpu]`	Installiert Runtime und Modelle vorab
`doctor`	Zeigt, was installiert ist und worauf gerechnet wird

Läuft dort, wo Sie arbeiten

Plattformen

Plattformen	CUDA	DirectML	CPU
Windows x64	✓	✓	✓
Windows arm64	—	—	✓
Linux x64glibc 2.35+	✓	—	✓
Linux arm64glibc 2.35+	—	—	✓
macOS Apple Silicon	—	—	✓

Beschleunigung

NVIDIA CUDA unter x64 Windows und Linux, DirectML unter x64 Windows. Alles andere läuft auf der CPU.

Was Sie brauchen

Nur Node.js 18+. Beim ersten Start wird der Rest nach ~/.lib2027 geladen – einmalig, in etwa 2 Minuten: eine ONNX-Runtime für Ihre Hardware und zwei Modelle, Qwen3-Embedding-0.6B und bge-reranker-v2-m3.

Ihre Dokumente bleiben auf Ihrem Gerät

Lokal von Grund auf

Ihre Dokumente und das Regal bleiben auf Ihrem Gerät. Die Suche läuft im Binary auf Ihrer eigenen GPU oder CPU.

Nichts wird ungefragt gesendet

Text geht nur dann an Dritte, wenn Sie ein externes Modell für den Antwortdienst konfigurieren (LIB2027_ANSWER_*).

Standardmäßig nur localhost

Ohne LIB2027_API_KEY brauchen Web-Oberfläche und HTTP API keinen Schlüssel und sind nur von localhost aus erreichbar.

Ein ganz normaler Ordner

Jede Bibliothek besteht aus library.sqlite, vectors.f16 und knowledge.json. Kopieren Sie das Regal und nehmen Sie es mit.

Lizenz

Kostenlos nutzbar, auch kommerziell, auf beliebig vielen Geräten. Closed Source. Unveränderte Pakete dürfen weitergegeben werden. Die Modelle und ONNX Runtime werden von ihren Herausgebern unter deren eigenen Lizenzen heruntergeladen.

Lizenz auf npm lesen

Testen Sie es mit Ihren Dokumenten

Zwei Befehle. Sie brauchen nur Node.js 18+.

# Ordner ins Regal stellen
$ npx lib2027 add ./docs
# Web-Oberfläche öffnen → http://127.0.0.1:2027
$ npx lib2027

Paket auf npm