Gratuit · tourne sur votre propre machine

Une bibliothèque de savoir sur vos fichiers, pour vous et vos agents IA

Déposez un dossier de documents et interrogez-le de trois façons à la fois : par le sens, par les formes des mots dans 15 langues et par les noms d’API exacts. Une interface web pour vous, un serveur MCP pour Claude Code, pi, Cursor et d’autres agents.

Un seul binaire Rust via npx
Ni Python, ni base de données
GPU NVIDIA, DirectML ou CPU

# ranger un dossier sur l’étagère
$ npx lib2027 add ./docs
# ouvrir l’interface web → http://127.0.0.1:2027
$ npx lib2027

Voir les benchmarks Le paquet sur npm

Benchmarks

Est-ce que ça aide vraiment un modèle ?

Les modèles ne connaissent pas de mémoire les savoirs récents ou pointus, et ajouter du texte ne suffit pas. Nous avons mesuré l’effet des bons fragments.

Notre méthode

Même modèle, mêmes questions

Chaque comparaison soumet un même jeu de questions à un même modèle. Seul change ce que le modèle peut lire.

Un bras placebo

Un texte hors sujet de même longueur : un contrôle de l’idée que « plus de contexte aide ».

Préenregistré

Questions, règles et seuils de réussite ont été fixés avant toute collecte de données.

Répété et testé

Chaque bras a tourné 3 fois. La significativité repose sur un test des signes apparié sur les questions.

Part de bonnes réponses

Sans bibliothèque
Placebo
Avec lib2027

Sans bibliothèque — le modèle répond de mémoire
Placebo — texte hors sujet de même longueur
Avec lib2027 — les fragments renvoyés par la recherche de lib2027

Doc web récente (devdocs, sept. 2026)

150 questions · qwen3.8-27b

Sans bibliothèque17,8 %

Placebo12,7 %

Avec lib202785,1 %

Mêmes questions, petit modèle

150 questions · 4B

Sans bibliothèque9,1 %

Placebo0,4 %

Avec lib202783,1 %

Droit russe (15 codes, pravo.gov.ru)

150 questions · qwen3.8-27b

Sans bibliothèque34,7 %

Placebo33,8 %

Avec lib202784,4 %¹

Quiz sur l’API three.js r186

90 réponses · Claude Haiku 4.5

Sans bibliothèque27,8 %

Placebonon mesuré

Avec lib202788,9 %

¹ L’article de loi est renvoyé en entier au lieu des 800 premiers caractères (le résultat précédent était de 69,1 %). Sur les articles modifiés depuis 2024, le modèle passe de 25 % à 81 %.

Afficher les chiffres en tableau

Tâche	Modèle	Sans bibliothèque	Placebo	Avec lib2027
Doc web récente (devdocs, sept. 2026) 150 questions · qwen3.8-27b	qwen3.8-27b	17,8 %	12,7 %	85,1 %
Mêmes questions, petit modèle 150 questions · 4B	4B	9,1 %	0,4 %	83,1 %
Droit russe (15 codes, pravo.gov.ru) 150 questions · qwen3.8-27b	qwen3.8-27b	34,7 %	33,8 %	84,4 %¹
Quiz sur l’API three.js r186 90 réponses · Claude Haiku 4.5	Claude Haiku 4.5	27,8 %	—	88,9 %

Au-delà du quiz : three.js avec Claude Haiku 4.5

Réponses utilisant une API obsolète

24,4 %5,6 %

moins, c’est mieux

Tâche « Écris un jeu », note sur 100

5275

plus, c’est mieux

Tours pour terminer le jeu

5636

pour un coût légèrement inférieur

Une bibliothèque que le modèle n’a jamais vue

2–5 %84–96 %

Un modèle 4B passe de 2–5 % à 84–96 % de tâches réussies quand lib2027 fournit à la tâche les notes de migration.

À retenir

Les modèles ne connaissent pas de mémoire les savoirs récents ou pointus, et plus de contexte ne suffit pas : le placebo n’a jamais battu les réponses de mémoire. Ce qui aide, ce sont les bons fragments, et c’est précisément ce que fournit lib2027.

Vitesse : Rust face à l’ancienne version Python

Mesuré sous Windows avec une RTX 5090, sur la même étagère et avec les mêmes requêtes. Les deux versions renvoient les mêmes résultats : sur le quiz juridique, toutes deux ont fourni l’article pour 122 questions sur 150.

Python + PyTorch
lib2027 (Rust)

Plus bas, c’est mieux

Recherche hybride, médiane (GPU)

Python + PyTorch207 ms

lib2027 (Rust)103 ms

Recherche lexicale

Python + PyTorch39 ms

lib2027 (Rust)5 ms

Recherche sur CPU seul

Python + PyTorch4,4 s

lib2027 (Rust)1,7 s

743 k fragments (devdocs), par requête

Python + PyTorch~0,4 s

lib2027 (Rust)0,15 s

Serveur MCP prêt pour initialize

Python + PyTorch2,6–3,8 s

lib2027 (Rust)< 0,2 s

add ./docs (6 docs, 237 fragments)

Python + PyTorch36,6 s

lib2027 (Rust)8,6 s

Construction de 15 codes (16 k fragments)

Python + PyTorch169 s

lib2027 (Rust)127 s

Analyse de 7 170 fichiers

Python + PyTorch136 s

lib2027 (Rust)4,1 s

Installation

Python + PyTorch: Python + PyTorch, environ 2,5 Go

lib2027 (Rust): Node.js + un binaire de 7 Mo ; le runtime et les modèles sont téléchargés au premier lancement

Fonctionnement

Trois recherches, une réponse classée

Chaque requête passe par trois canaux à la fois. Les résultats sont fusionnés et reclassés, et vous ou votre agent recevez des passages entiers à lire et à citer, pas des bribes.

Sens

La recherche sémantique avec l’embedder Qwen3-Embedding-0.6B trouve les passages qui disent la même chose en d’autres mots.

Formes des mots

Morphologie pour le russe, l’anglais et 13 autres langues : cherchez une forme d’un mot, trouvez les autres.

Noms d’API exacts

Les noms de fonctions, de classes et d’options sont appariés exactement : un nom trouve précisément ce qu’il désigne, pas quelque chose qui lui ressemble.

Reranker

Le cross-encoder bge-reranker-v2-m3 lit chaque candidat avec la requête et place les meilleurs en tête.

Articles entiers

La structure est préservée. Les lois sont découpées par articles et l’article est fourni en entier : le benchmark juridique est ainsi passé de 69,1 % à 84,4 %.

Formats : md, txt, html, pdf, docx et code source (js, ts, json, …). npx lib2027 package <name> ajoute tout un paquet npm : types d’API, docs, tests et exemples.

Pour les agents

Branchez-le sur Claude Code, pi, Cursor et d’autres clients MCP

lib2027 fonctionne comme serveur MCP. Une commande suffit à le brancher, puis l’agent cherche tout seul dans vos bibliothèques.

Claude Code

npx lib2027 claude

Lance claude mcp add pour vous. Claude Code obtient ces outils :

search_knowledge
read_source
list_libraries
check_code
explore_graph

pi

npx lib2027 pi

Installe l’adaptateur MCP dans pi et connecte lib2027. npx lib2027 pi --remove le déconnecte.

Cursor, Claude Desktop et autres clients

Ajoutez ceci à la configuration MCP :

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

Sous Windows, lancez npx via cmd :

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

Vous préférez le navigateur ? npx lib2027 ouvre l’interface web sur http://127.0.0.1:2027, avec une HTTP API à côté.

Commandes

Un binaire, une poignée de commandes.

Commande	Ce qu’elle fait
`add <folder\|files…> [--name …] [--lang auto\|ru\|en\|…] [--to slug]`	Un dossier devient une bibliothèque ; les fichiers sont ajoutés à la bibliothèque indiquée. Relancer la commande met à jour les fichiers modifiés.
`list`	Les bibliothèques de l’étagère
`search "query" [-l slug] [--top-k 5]`	Recherche
`remove <slug> / restore <slug>`	Masquer de la recherche / rétablir (les fichiers restent sur le disque)
`package <npm-package>[@version]`	Tout un paquet npm : types d’API, docs, tests et exemples
`ui [--port 2027] [--no-open]`	Interface web et HTTP API (comme un lancement sans commande)
`mcp`	Serveur MCP sur stdio (lancé par l’agent)
`claude [--scope user\|project]`	Lance `claude mcp add` pour vous ; sans Claude Code, affiche une configuration pour les autres clients
`pi [--project] [--remove]`	Installe l’adaptateur MCP dans pi et connecte lib2027 (ou le déconnecte)
`ask "question"`	Une réponse avec des citations vérifiées (clé de modèle requise : `LIB2027_ANSWER_*`)
`setup [--device cuda\|directml\|cpu]`	Installe à l’avance le runtime et les modèles
`doctor`	Indique ce qui est installé et sur quoi tournent les calculs

Tourne là où vous travaillez

Plateformes

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

Accélération

NVIDIA CUDA sous Windows et Linux x64, DirectML sous Windows x64. Tout le reste tourne sur le CPU.

Ce qu’il vous faut

Seulement Node.js 18+. Au premier lancement, le reste est téléchargé dans ~/.lib2027, une seule fois, en 2 minutes environ : un runtime ONNX adapté à votre matériel et deux modèles, Qwen3-Embedding-0.6B et bge-reranker-v2-m3.

Vos documents restent sur votre appareil

Local par conception

Vos documents et l’étagère restent sur votre appareil. La recherche s’exécute dans le binaire, sur votre propre GPU ou CPU.

Rien n’est envoyé sans votre accord

Du texte n’est transmis à un tiers que si vous configurez un modèle externe pour le service de réponses (LIB2027_ANSWER_*).

Localhost par défaut

Sans LIB2027_API_KEY, l’interface web et la HTTP API ne demandent aucune clé et ne sont accessibles que depuis localhost.

Un simple dossier

Chaque bibliothèque se compose de library.sqlite, vectors.f16 et knowledge.json. Copiez l’étagère et emportez-la partout.

Licence

Gratuit, y compris pour un usage commercial, sur autant d’appareils que vous le souhaitez. Code source fermé. Vous pouvez redistribuer les paquets non modifiés. Les modèles et ONNX Runtime sont téléchargés auprès de leurs éditeurs, sous leurs propres licences.

Lire la licence sur npm

Essayez-le sur vos propres documents

Deux commandes. Node.js 18+ suffit.

# ranger un dossier sur l’étagère
$ npx lib2027 add ./docs
# ouvrir l’interface web → http://127.0.0.1:2027
$ npx lib2027

Le paquet sur npm