Tolaria - app open source para macOS que gerencia bases de conhecimento em Markdown
(github.com/refactoringhq)- App de desktop para gerenciar uma base de conhecimento em Markdown no Mac e no Linux, voltado tanto para um second brain pessoal quanto para organizar documentos da empresa como contexto para IA
- Adota uma estrutura Files-first e Git-first, tratando notas como arquivos Markdown comuns e repositórios git, mantendo a portabilidade dos dados e todo o histórico de versões sem precisar de exportação
- Coloca Offline-first, zero lock-in no centro, com funcionamento totalmente offline e propriedade dos dados centrada no usuário, sem conta, assinatura ou dependência de nuvem
- Segue o princípio Types as lenses, not schemas, usando tipos como apoio à navegação, sem campos obrigatórios nem validação forçada, e avança na direção AI-first but not AI-only, com suporte a Claude Code e Codex CLI
- Recursos foram adicionados com base em problemas encontrados na operação real de um workspace com mais de 10.000 notas, e o app open source, baseado em Tauri, React e TypeScript, mostra um design focado em uso prático
Visão geral do Tolaria
- É um app de desktop focado em gerenciar uma base de conhecimento em Markdown no Mac e no Linux, projetado para second brain pessoal, para organizar documentos corporativos como contexto para IA e para armazenar memória e procedimentos de OpenClaw e assistants
- Foi criado durante a operação real de um workspace com mais de 10.000 notas, e todos os recursos também foram adicionados para resolver problemas encontrados no uso diário
- Também são fornecidos materiais curtos mostrando o fluxo de uso
Princípios centrais
- Segue o princípio Files-first, e as notas são salvas como arquivos Markdown comuns
- Os dados são portáteis e podem ser usados com qualquer editor
- Não é necessário um passo de exportação separado, e a propriedade dos dados permanece com o usuário, não com o app
- Adota uma estrutura Git-first, tratando cada vault como um repositório git
- É possível manter todo o histórico de versões
- Pode usar qualquer git remote e não depende de um servidor do Tolaria
- Coloca Offline-first, zero lock-in em primeiro plano
- Não há conta, assinatura nem dependência de nuvem
- O vault funciona totalmente offline, e parar de usar o app não causa perda de dados
- É disponibilizado como open source e gratuito
- Aplica um design Standards-based, mantendo o formato das notas em Markdown e YAML frontmatter
- Não usa formatos proprietários
- Mesmo saindo do Tolaria, ainda é possível continuar usando tudo com ferramentas padrão
- Adota o princípio Types as lenses, not schemas, usando tipos não como esquema obrigatório, mas como apoio à navegação
- Não há campos obrigatórios
- Não força validação; os tipos ficam no papel de categorias para facilitar encontrar notas
- Segue a direção AI-first but not AI-only
- O vault baseado em arquivos foi projetado para funcionar bem com agentes de IA
- Atualmente há suporte a Claude Code e Codex CLI
- Também é possível modificar o vault com outras IAs, e há arquivos AGENTS para uso pelos agentes
- Enfatiza a usabilidade Keyboard-first
- Voltado para power users que preferem fluxos centrados no teclado
- Esse princípio também aparece no design do Editor e da Command Palette
Estrutura e implementação
- O Tolaria é implementado com Tauri, React e TypeScript
- A documentação de desenvolvimento para execução local e contribuição está vinculada separadamente
- Um conjunto de documentos técnicos também é fornecido
- ARCHITECTURE.md — design do sistema, stack técnica, fluxo de dados
- ABSTRACTIONS.md — abstrações e modelos centrais
- GETTING-STARTED.md — como navegar pelo codebase
- ADRs — registros de decisões de arquitetura
Como começar a usar
- A versão mais recente pode ser baixada em latest release
- Na primeira execução, é oferecida a opção de clonar o getting started vault, permitindo explorar o fluxo completo do app
Itens relacionados ao ambiente de desenvolvimento
- Os pré-requisitos para desenvolvimento local incluem Node.js 20+, pnpm 8+, Rust stable e ambiente de desenvolvimento em macOS ou Linux
- No Linux, para executar o Tauri 2, são necessários WebKit2GTK 4.1 e GTK 3
- Estão incluídos exemplos de instalação das dependências de sistema para Arch / Manjaro, Debian / Ubuntu 22.04+ e Fedora 38+
- O MCP server empacotado executa o binário
nodedo sistema no runtime Linux, então, para usar fluxos com ferramentas externas de IA, é preciso instalar o Node pelo gerenciador de pacotes da distribuição - Também estão incluídos comandos de início rápido
pnpm installpnpm dev- O mock mode baseado em navegador abre em
http://localhost:5173 - O app de desktop nativo pode ser executado com
pnpm tauri dev
Segurança e licença
- A licença segue AGPL-3.0-or-later
- O nome e o logo Tolaria estão sujeitos à trademark policy do projeto
2 comentários
Roadmap https://tolaria.canny.io/
Comentários do Hacker News
Gostei muito disso. Parece tudo o que eu queria no Obsidian combinado com plugins, mas organizado em um único app bem projetado
Também tenho um feedback. Espero que continue open source, mas que encontre uma forma de monetizar e desenvolver isso em tempo integral. Se existisse uma versão oficial do app separada, eu pagaria com prazer
E espero muito que evite excesso de funcionalidades. Eu realmente gosto do design simples do Bear App, mas acabei saindo porque ele não lida diretamente com arquivos markdown. Apps como Obsidian, Notion e Craft continuam adicionando recursos, mas aqui parece que as funções essenciais já estão todas presentes. Eu gostaria que focasse em fazer muito bem só o essencial, como o Bear
Obrigado pelo ótimo feedback
Perdi por um dia a chance de criar isso antes. Mesmo assim, Luca, excelente trabalho. A ferramenta parece muito boa e já estou testando agora mesmo
Eu estou criando o Sig de https://github.com/adamjramirez/sig-releases, e claramente há sobreposição estrutural. macOS, markdown puro, versionamento com git e o fato de ter sido projetado para o contexto de agentes de IA são pontos em comum
A diferença está no ponto de partida do fluxo de trabalho. O Tolaria parece forte para organizar conhecimento já existente, enquanto o Sig tenta resolver a etapa anterior: como tirar o conhecimento da cabeça e colocá-lo em arquivos. Na prática, o que costuma determinar a qualidade da saída da IA são justamente as coisas que não estão documentadas. A decisão tomada cinco minutos antes da reunião, a promessa verbal sem acompanhamento, o significado que eu realmente extraí de uma conversa, e não só o conteúdo superficial dela
A captura no Sig tem duas camadas. 1) primeiro, o registro factual, 2) por cima disso, a interpretação pessoal. Ambos são salvos como markdown na minha máquina. Quando estiverem prontos para serem compartilhados em uma base de conhecimento da equipe ou em um open brain, aí eu escolho explicitamente publicar. O padrão é privado, e a equipe só pode ler quando eu quiser
Com certeza vou testar
Ambos são necessários, mas entram em momentos diferentes do fluxo de trabalho
Hoje em dia parece que todo mundo está criando seu próprio sistema llm-wiki. Eu também fiz um, e lá dentro tenho uma lista grande que reúne outros agent memory systems: https://zby.github.io/commonplace/agent-memory-systems/
Vou adicionar o seu agora mesmo
Hoje também organizei uma wish list para esse tipo de sistema com base no material que reuni: https://zby.github.io/commonplace/notes/designing-agent-memory-systems/
Seria ótimo poder colaborar
Ele tem MCP embutido por padrão no SaaS hospedado, instruções hierárquicas de LLM em nível global/equipe/container/nota, além de um protocolo de notas compartilhadas para fluxos multiagente com Claude/ChatGPT. Posso até escrever uma página de apresentação no formato que você quiser
Também gostei do documento de wishlist que você linkou, e adoraria trabalhar nisso junto
Não tenho ligação com ele, só estou testando
A lacuna de captura no celular é realmente grande, e esse também é o principal motivo pelo qual essas ferramentas não conseguem se tornar apps básicos do dia a dia
Um fluxo que uso bem é configurar uma ação no Drafts do iOS para anexar conteúdo ao inbox.md diário dentro de um repositório git e sincronizar isso com o Working Copy. O arquivo Markdown é a única fonte da verdade, e qualquer ferramenta no macOS, seja Tolaria ou Obsidian, lê exatamente o mesmo repositório, sem etapa de conversão
Dá um pouco de trabalho no começo, mas o retorno é enorme. A captura no celular e a organização no desktop acontecem sobre os mesmos arquivos, em vez de depender de copiar e colar entre apps diferentes ou de uma etapa de sincronização
Você pode configurá-lo para anexar à Daily Note do Obsidian em um vault no iCloud, então encaixa muito bem
Também gosto do fato de funcionar sem serviços de terceiros
⁽¹⁾ https://apps.apple.com/us/app/bebop-quick-notes/id6477824795
Estou usando isso para coletar primeiro qualquer coisa interessante que encontro na web
https://github.com/momentmaker/to
Estou mandando links da web que quero guardar, links de ferramentas e memos de voz para virar texto
Mesmo assim, com certeza pretendo fazer uma versão mobile
No fim, eu sempre acabo voltando para o Apple Notes. Em termos estritos, não é uma base de conhecimento nem markdown, mas sincroniza bem entre dispositivos e é fácil de usar no celular
Fico curioso para saber se você também sente essa necessidade, ou como está vendo as notas no mobile
Também mantenho notas contínuas, como acompanhamento de exercícios ou refeições, adicionando cabeçalhos de data
Isso funciona melhor para mim do que algo como o Obsidian mobile, e o próprio processo de copiar e colar também acaba servindo como um filtro natural
Tenho uma pergunta sobre preview de markdown no MacBook Pro. Queria saber como fazer o quick preview do Finder, acho que o recurso se chama Quick Look, renderizar markdown
Eu configurei os arquivos .md para sempre abrirem em uma IDE, mas no preview eles não são renderizados, então isso é um pouco incômodo. Na IDE eu já uso uma extensão para renderizar md, então talvez isso influencie. Pode ser que algo como chamada recursiva não fique exposto no nível da extensão de preview, não sei, mas queria saber se existe alguma recomendação
Gosto muito da forma como você está usando markdown aqui
Nós também seguimos quase a mesma filosofia em https://voiden.md/. offline-first, baseado em arquivos, com suporte a git
Acho que esse formato é exatamente o tipo de coisa que os agentes vão conseguir usar muito bem
Nós fizemos isso para API e também é open source. Dá para ver aqui: https://github.com/VoidenHQ/voiden
Recentemente eu vinha usando o octarine. Antes disso usei Obsidian por bastante tempo, mas com certeza também pretendo experimentar isso
[1]: https://octarine.app
Belo trabalho. Tenho dois feedbacks
Parece que o editor não dá suporte a code fence literal. Não consegui criar um bloco de código digitando ```
E quando o arquivo markdown fica muito grande, o desempenho não é bom
Estou criando um editor markdown no estilo Obsidian para meu produto de base de conhecimento com IA: https://github.com/kenforthewin/atomic-editor
Eu também estou trabalhando em um conjunto de skills e um pequeno MCP focados em extrair facilmente “atoms” de um quick brain dump. Isso também é baseado em SQLite + SQLite-vec
Eu contorno o problema de chunking declarando cada seção como um chunk, e no rascunho faço a LLM reescrever com uma estrutura de seções para que os chunks saiam bem. Isso aumenta bastante a redundância e elimina expressões como “como explicado acima”
O leitor esperado não é humano, mas agentes que depois vão gerar textos mais fáceis de ler para públicos específicos. Se assumirmos que o leitor é expert, o custo de produzir em massa atoms revisados fica muito menor
Eu realmente gostaria de testar esse fluxo de trabalho com o Atomic ou o Tolaria
Se for puramente para visualização e você não estiver tentando adicionar outro editor, eu fiz o https://mdview.io
Ele abre e renderiza arquivos Markdown de forma limpa, e também suporta tabelas e Mermaid. É útil para compartilhar com colegas ou guardar para depois