Un espace de conversation local-first pour Ollama
Kivrio est un espace open source pour les étudiants, les ingénieurs et les chercheurs qui ont besoin d’une façon plus claire de travailler avec des modèles d’IA en local. Il combine une interface de type desktop, un rendu Markdown + KaTeX, un historique local persistant et un OCR local en solution de secours pour les images envoyées à des modèles non multimodaux.
Pourquoi Kivrio ?
Conçu pour un travail technique et scientifique plus structuré.
De nombreuses interfaces de chat locales suffisent pour des usages occasionnels. Kivrio est conçu pour un travail technique et scientifique plus structuré. Il propose un espace plus lisible pour interagir avec des modèles alimentés par Ollama, en particulier lorsque la lisibilité, la continuité et le contrôle local comptent.
À qui s’adresse Kivrio ?
Trois publics principaux avec des besoins différents mais convergents.
Étudiants
Travaillez avec du contenu scientifique et mathématique structuré dans une interface plus propre, avec un rendu lisible et un historique local persistant.
Ingénieurs
Utilisez Kivrio comme espace local pour tester des prompts, explorer le comportement des modèles et construire des workflows pratiques autour d’Ollama.
Chercheurs
Interagissez avec des modèles locaux dans un environnement plus maîtrisé pour des travaux techniques, analytiques et documentaires.
Fonctionnalités principales
Des fondations local-first, un rendu plus clair et une aide concrète aux workflows.
Conception local-first
Kivrio fonctionne en local, stocke l’historique des conversations en local et est pensé autour du contrôle de l’environnement d’exécution.
Intégration Ollama
Utilisez des modèles locaux propulsés par Ollama dans une interface web de type desktop.
Markdown + KaTeX
Lisez les sorties des modèles plus clairement, en particulier pour les textes structurés et les expressions mathématiques.
Historique local persistant
Conservez les conversations d’une session à l’autre, rouvrez-les plus tard et organisez-les depuis la barre latérale.
Renommer et supprimer
Organisez vos conversations locales avec des actions directes pour renommer ou supprimer.
OCR local de secours
Lorsqu’un modèle non multimodal ne peut pas lire directement une image envoyée, Kivrio peut la faire passer par un workflow OCR local avant de transmettre le texte extrait au modèle.
Un espace de travail, pas seulement une fenêtre de chat
À remplacer plus tard par une vraie capture d’écran ; cette version inclut une maquette produit propre.
Kivrio est conçu pour rendre les interactions avec l’IA locale plus lisibles et plus utiles. Son interface est pensée pour la continuité : conversations persistantes, rendu plus clair et workflow mieux adapté aux usages techniques et scientifiques.
Cas d’usage typiques
Des exemples alignés avec des workflows techniques, scientifiques et fortement mathématiques.
Conversations à dominante mathématique
Travaillez avec des expressions et des raisonnements structurés dans une interface qui gère Markdown + KaTeX.
Exploration technique
Testez des modèles locaux via Ollama dans un environnement plus propre avec historique persistant.
Secours image vers texte
Envoyez une image et extrayez son texte localement lorsqu’un modèle non multimodal ne peut pas la traiter directement.
Workflows locaux plus longs
Conservez et reprenez des conversations sur plusieurs sessions sans dépendre d’une couche d’historique cloud.
Architecture locale
Une pile locale simple, pensée pour le contrôle, la continuité et l’usage pratique.
Aucune base de données cloud n’est nécessaire pour l’historique des conversations. Les fichiers OCR, les sorties temporaires et les données locales restent sur la machine.
Bien démarrer
Kivrio est actuellement diffusé comme projet open source en phase alpha.
Open source, avec une marque réservée
Kivrio est un projet logiciel open source. Le code source est disponible selon la licence du dépôt. Le nom Kivrio, son identité visuelle et ses éléments de marque restent réservés.
Explorer Kivrio
Consultez le code, suivez le projet et testez l’approche local-first des workflows IA conversationnels.