Cinco tipos de arquivo, uma coleção
Texto, Markdown, CSV, Word (.docx) e PDF. Arraste um arquivo para qualquer lugar da janela para adicioná-lo, ou monte uma coleção na barra lateral e anexe tudo a um chat.
- Conduit
- Casos de uso
- Documentos
Documentos
Converse com seus documentos, e veja exatamente qual deles respondeu
Adicione seus próprios arquivos de texto, Markdown, CSV, Word e PDF a uma coleção, anexe-a a um chat, e pergunte. O Conduit pesquisa por significado e por palavras exatas ao mesmo tempo, e cada resposta nomeia os arquivos em que se baseou — clique em um para ler o trecho em si.
- Texto, Markdown, CSV, Word e PDF
- Busca híbrida — por significado e por palavras exatas
- Cada resposta cita o trecho que usou
O problema
Você pergunta algo a um assistente sobre os seus próprios arquivos, e ele responde com confiança — sem nenhuma forma de saber se ele leu o parágrafo que realmente importa, um rascunho desatualizado, ou nada. Colar a página relevante na janela de chat manualmente, toda vez, não é um fluxo de trabalho. É uma solução alternativa para não conseguir confiar na resposta.
O que Documentos te dá
Uma resposta que você pode checar, não só ler
Seus arquivos, pesquisados direito, com um caminho de volta à fonte toda vez.
Encontrado por significado e por palavras exatas
Uma busca vetorial e uma busca full-text do SQLite rodam sobre os mesmos trechos e são fundidas em uma única classificação — então uma pergunta reformulada e uma pergunta que depende de um termo exato acertam as duas.
Nenhum índice separado para rodar
O índice vive como linhas comuns no mesmo banco SQLite local dos seus chats — nenhum banco de dados vetorial para instalar, hospedar ou fazer backup por conta própria.
Como funciona
Três passos, nenhuma ferramenta separada
Tudo acontece dentro do Conduit — sem exportar seus arquivos antes para um serviço de indexação de terceiros.
-
Monte uma coleção
Abra Documentos na barra lateral e crie uma coleção. Arraste arquivos para qualquer lugar da janela para adicioná-los, ou adicione arquivos de texto, Markdown, CSV, Word ou PDF um de cada vez.
-
Anexe-a a um chat
Escolha a coleção no composer daquela conversa. Na primeira vez que você indexa com um determinado provedor, o Conduit pede consentimento antes de enviar qualquer coisa.
-
Pergunte, e cheque a fonte
A resposta nomeia os arquivos que pesquisou como chips abaixo da sua pergunta. Clique em um chip para abrir o trecho exato que ela usou — não um resumo, o texto em si.
Exemplo prático
Uma pergunta de design, rastreada até a nota que a respondeu
Uma equipe de engenharia mantém quatro arquivos em uma coleção: uma visão geral da arquitetura, notas de design de autenticação, um runbook para filas de sincronização atrasadas e uma referência da API. Uma pessoa nova na equipe pergunta por que o cliente tenta a autenticação duas vezes antes de desconectar o usuário.
O Conduit pesquisa os quatro documentos ao mesmo tempo — por significado, então uma
pergunta que nunca diz "disputa de refresh" ainda encontra o parágrafo sobre isso, e por
palavras exatas, então um código de erro como 409 refresh_reused aparece
direto. A resposta nomeia os arquivos em que se baseou e explica as duas novas tentativas
a partir das notas de design.
Clicar em um arquivo citado não abre um resumo. Abre o trecho real que a resposta usou, com o caminho do arquivo no disco mostrado acima dele — então checar a resposta leva um clique, não uma busca nos documentos originais.
Como Documentos funciona, na documentaçãoPara onde os dados vão
Duas viagens de rede diferentes, não uma
Indexar um arquivo e perguntar algo sobre ele enviam coisas diferentes, para lugares diferentes.
| Etapa | Enviado para |
|---|---|
| Indexar com OpenAI, Gemini ou OpenRouter | Esse provedor recebe o texto completo do documento, uma vez |
| Indexar com Ollama | Lugar nenhum — o embedding roda na sua máquina |
| Fazer uma pergunta | Seu provedor de chat recebe os trechos recuperados, como parte do prompt |
A Anthropic não oferece uma API de embeddings, então o Claude nunca é uma opção de indexação — só de chat. Veja a página de privacidade para todo fluxo de rede que o Conduit faz, não só este.
Limites
O que faz, e o que não faz
O que faz
- Adiciona arquivos de texto, Markdown, CSV, Word e PDF a coleções que você controla, e os pesquisa por significado e por palavras exatas ao mesmo tempo.
- Mostra exatamente em quais arquivos uma resposta se baseou, com um clique direto para o trecho de origem.
- Analisa arquivos na sua máquina — o Conduit não tem servidores próprios para os quais enviá-los.
- Deixa você escolher o provedor de embedding, e mudar de ideia: o consentimento é por provedor e pode ser retirado na página de Documentos.
- Mantém o índice no mesmo banco SQLite local dos seus chats, então não há um serviço vetorial separado para rodar.
- Roda totalmente no dispositivo quando você escolhe Ollama tanto para embedding quanto para chat.
O que não faz
- Ler um PDF escaneado sem camada de texto — não existe etapa de OCR, então esse arquivo não gera nada.
- Deixar você indexar com Claude — a Anthropic não tem API de embeddings, então escolha OpenAI, Gemini, OpenRouter ou Ollama para essa parte, mesmo que o Claude responda o chat.
- Manter o texto de um documento fora da rede a menos que você escolha Ollama — o embedding na nuvem envia o texto completo uma vez, de propósito.
- Criptografar os trechos de documentos a menos que você tenha ativado a criptografia em repouso — vem desligada por padrão, e tudo fica em texto puro até você ativá-la.
- Parar no trecho de origem — os trechos recuperados são enviados ao seu provedor de chat como parte do prompt, então as políticas daquele provedor também se aplicam a eles.
- Permitir um provedor de embedding na nuvem enquanto o modo somente local está ativo — o Ollama é a única escolha que o Conduit fará nesse modo.
Conversar com seus documentos — perguntas, respondidas sem rodeios
Com quais tipos de arquivo posso conversar?
Texto simples, Markdown, CSV, Word (.docx) e PDF. Arraste qualquer um deles para a janela do Conduit para adicioná-lo a uma coleção, ou adicione arquivos um de cada vez na seção Documentos da barra lateral. Não existe uma etapa de OCR, então um PDF escaneado sem camada de texto por baixo não pode ser lido — ele simplesmente não gera texto nenhum.
Meus documentos saem do meu computador?
Os arquivos são analisados na sua máquina de qualquer jeito. Para o índice funcionar, o texto completo de um documento é enviado uma vez ao provedor de embeddings que você escolher — a menos que você escolha Ollama, que processa no dispositivo e não envia nada. Depois, quando você faz uma pergunta, os trechos recuperados dos seus arquivos são enviados ao seu provedor de chat como parte do prompt, igual a qualquer outra coisa que você digite. Então uma coleção fica totalmente no dispositivo só quando o Ollama faz o embedding e um modelo local responde.
Por que não posso usar o Claude para indexar meus documentos?
A Anthropic não oferece uma API de embeddings, então o Claude não é uma das opções para transformar seus arquivos em um índice pesquisável. Escolha OpenAI, Gemini, OpenRouter ou Ollama para indexar — você ainda pode enviar o próprio chat, e os trechos recuperados dos seus documentos, para o Claude responder.
Posso conversar com documentos totalmente offline?
Sim, com o Ollama fazendo os dois trabalhos — indexar seus arquivos e responder o chat —, rodando modelos que você já tem localmente. Ative o modo somente local e o Conduit garante isso para você — provedores de embedding na nuvem são recusados de cara, então uma coleção não pode começar a falar com a internet silenciosamente.
Como o Conduit decide qual trecho usar?
Duas buscas rodam ao mesmo tempo sobre o mesmo banco de dados local — uma busca vetorial que combina por significado, e uma busca full-text do SQLite que combina por palavras exatas —, e as duas classificações são fundidas por reciprocal rank fusion. Essa combinação pega tanto uma pergunta formulada de outro jeito em relação ao texto de origem quanto uma pergunta que depende de um termo exato, como um código de produto ou um nome. Os arquivos em que uma resposta se baseou aparecem como chips abaixo da sua mensagem — clique em um para ler o trecho em si, não um resumo dele.
Meu índice de documentos é criptografado?
Só se você ativou a criptografia em repouso em Settings — ela vem desligada por padrão. Com ela ligada, os trechos de documentos ficam criptografados, chaveados ao seu chaveiro do sistema, junto com anexos, artefatos e itens de memória. Com ela desligada, o índice fica no mesmo banco de dados local dos seus chats, sem criptografia, protegido só pelas permissões de arquivo do seu próprio sistema operacional.
Relacionados
Outras formas de usar o Conduit
Para trabalho sensível
Um assistente de IA que não envia dados para fora
Sem telemetria, sem conta, armazenamento local — e as mesmas ressalvas sobre embedding e recuperação de documentos, detalhadas por completo.
Mantenha em privado Para quem usa modelos locaisModelos locais, com um app de verdade em volta
Ollama ou LM Studio para o chat, e também para a etapa de embedding — uma forma totalmente no dispositivo de pesquisar seus próprios arquivos.
Rode modelos localmente Para quem usa muita IAPague por token, não por assento
Sua própria chave para o provedor de chat e, separadamente, para o serviço que faz o embedding dos seus documentos.
Use sua própria chavePergunte aos seus próprios arquivos, e veja o que respondeu
Gratuito, código aberto, e rodando na sua própria máquina antes mesmo da sua primeira coleção existir.
Um release candidate: os instaladores ainda não são assinados pelo sistema operacional, então espere um aviso do SmartScreen ou do Gatekeeper na primeira execução.