- Aplikasi desktop untuk mengelola basis pengetahuan berbasis file Markdown, digunakan untuk manajemen pengetahuan pribadi dan menata dokumen perusahaan agar sesuai dengan konteks AI, serta dimanfaatkan untuk penyimpanan memori dan prosedur OpenClaw·assistant
- Mengadopsi arsitektur files-first dan Git-first, menyimpan catatan sebagai file Markdown biasa dan memperlakukan setiap vault sebagai repositori git, sehingga portabilitas dan riwayat versi bisa didapat tanpa perlu export terpisah
- Mengikuti prinsip offline-first dan zero lock-in, berjalan sepenuhnya secara offline tanpa ketergantungan pada akun, langganan, atau cloud, dan data tidak akan hilang meski penggunaan dihentikan
- Dirancang dengan pendekatan AI-first but not AI-only, mendukung Claude Code dan Codex CLI, alat AI lain juga dapat langsung mengedit vault berbasis file, serta menyediakan file AGENTS
- Fitur-fitur ditambahkan melalui proses menyelesaikan masalah nyata dalam penggunaan pada workspace besar berisi lebih dari 10.000 catatan, dan sebagai aplikasi open-source yang memakai Markdown standar serta YAML frontmatter, kepemilikan data dan kompatibilitas jangka panjang tetap terjaga
Memulai
- Aplikasi terbaru bisa diunduh dari latest release
- Saat pertama dijalankan, Anda bisa meng-clone getting started vault
- Di dalam vault ini Anda dapat mengikuti seluruh alur penggunaan aplikasi
Open-source dan lingkungan pengembangan lokal
- Dibuat dengan Tauri, React, TypeScript, dan panduan untuk menjalankan secara lokal serta berkontribusi tersedia di GETTING-STARTED.md
-
Prasyarat
- Membutuhkan Node.js 20+, pnpm 8+, dan Rust stable
- Lingkungan pengembangan ditujukan untuk macOS atau Linux
-
Dependensi sistem Linux
- Untuk menggunakan Tauri 2 di Linux, diperlukan WebKit2GTK 4.1 dan GTK 3
- Arch / Manjaro
- Perlu memasang
webkit2gtk-4.1, base-devel, curl, wget, file, openssl, appmenu-gtk-module, libappindicator-gtk3, librsvg
- Debian / Ubuntu 22.04+
- Perlu memasang
libwebkit2gtk-4.1-dev, build-essential, curl, wget, file, libxdo-dev, libssl-dev, libayatana-appindicator3-dev, librsvg2-dev, libsoup-3.0-dev, patchelf
- Fedora 38+
- Perlu memasang
webkit2gtk4.1-devel, openssl-devel, curl, wget, file, libappindicator-gtk3-devel, librsvg2-devel
- MCP server yang dibundel akan terus melakukan spawn terhadap biner sistem
node di runtime Linux
- Untuk memakai alur tooling AI eksternal, Anda perlu memasang Node melalui package manager distribusi
-
Mulai cepat
- Anda bisa menjalankan mode mock berbasis browser dengan
pnpm install, pnpm dev
- Mode mock berbasis browser terbuka di
http://localhost:5173
- Aplikasi desktop native dapat dijalankan dengan
pnpm tauri dev
Dokumentasi teknis
Keamanan
- Jika menemukan masalah keamanan, laporan privat diterima dengan cara yang tercantum di SECURITY.md
Lisensi
- Lisensinya adalah AGPL-3.0-or-later
- Nama dan logo Tolaria tetap tunduk pada trademark policy proyek
1 komentar
Komentar Hacker News
Saya sangat suka ini. Rasanya seperti semua hal yang saya inginkan dari Obsidian ditambah plugin, tetapi dirangkum dalam satu aplikasi yang dirancang dengan baik, jadi luar biasa.
Saya juga punya masukan. Semoga tetap open source sambil menemukan cara monetisasi agar ini bisa dikembangkan penuh waktu. Kalau ada versi aplikasi resmi terpisah seperti itu, saya dengan senang hati akan membayar.
Dan semoga benar-benar menghindari kelebihan fitur. Saya sangat suka desain sederhana Bear App, tetapi akhirnya meninggalkannya karena tidak bisa menangani file markdown secara langsung. Aplikasi seperti Obsidian, Notion, dan Craft terus menambah fitur, sedangkan di sini rasanya fitur intinya sudah lengkap. Semoga fokusnya tetap pada melakukan inti dengan sangat baik, seperti Bear.
Terima kasih atas masukannya yang bagus.
Saya melewatkan kesempatan untuk membuatnya lebih dulu hanya selisih sehari. Tetap saja, Luca, kerja bagus sekali. Alatnya terlihat sangat bagus, jadi saya sedang langsung mencobanya sekarang.
Saya sedang membuat Sig dari https://github.com/adamjramirez/sig-releases, dan jelas ada banyak tumpang tindih secara struktural. Sama-sama macOS, markdown murni, versioning git, dan dirancang untuk konteks AI agent.
Perbedaannya ada pada titik awal workflow. Tolaria tampaknya kuat untuk menata pengetahuan yang sudah ada, sedangkan Sig mencoba menyelesaikan tahap sebelumnya, yaitu bagaimana mengeluarkan pengetahuan di kepala menjadi file. Pada praktiknya, yang paling sering menentukan kualitas output AI adalah hal-hal yang belum terdokumentasi. Keputusan yang baru dibuat 5 menit sebelum rapat, janji lisan tanpa tindak lanjut, atau makna yang benar-benar saya tangkap dari percakapan, bukan hanya isi permukaannya.
Mekanisme capture di Sig berlapis dua. 1) pertama catatan fakta, 2) lalu interpretasi pribadi di atasnya. Keduanya disimpan sebagai markdown di mesin saya. Saat sudah siap dibagikan ke knowledge base tim atau open brain, barulah saya secara eksplisit memilih untuk memublikasikannya. Default-nya privat, dan tim hanya bisa membacanya jika saya mau.
Saya pasti akan mencobanya.
Keduanya dibutuhkan, tetapi momen perannya dalam workflow berbeda.
Akhir-akhir ini sepertinya semua orang membuat sistem llm-wiki mereka sendiri. Saya juga membuat satu, dan di dalamnya ada daftar besar berbagai agent memory system lain: https://zby.github.io/commonplace/agent-memory-systems/
Milik Anda juga akan langsung saya tambahkan.
Hari ini saya juga merangkum wish list untuk sistem seperti ini berdasarkan materi yang sudah saya kumpulkan: https://zby.github.io/commonplace/notes/designing-agent-memory-systems/
Akan menyenangkan kalau kita bisa berkolaborasi.
Hosted SaaS-nya punya MCP bawaan, juga instruction LLM berlapis global/team/container/note, dan menyediakan shared note protocol untuk workflow multi-agent Claude/ChatGPT. Saya juga bisa menuliskan halaman perkenalannya sesuai format yang Anda inginkan.
Dokumen wishlist yang Anda tautkan juga bagus, dan saya juga ingin mengerjakannya bersama.
Saya bukan orang dalam, cuma sedang mengujinya.
Kesenjangan capture di mobile memang nyata, dan itu juga salah satu alasan terbesar kenapa alat-alat seperti ini belum bisa menjadi aplikasi default sehari-hari.
Alur yang paling sering saya pakai adalah menyiapkan action di Drafts pada iOS untuk append ke inbox.md harian di dalam git repo, lalu menyinkronkannya dengan Working Copy. File Markdown menjadi single source of truth, dan alat apa pun di macOS, entah Tolaria atau Obsidian, membaca repo yang sama persis tanpa tahap konversi.
Memang ada beberapa hal yang perlu diutak-atik di awal, tetapi hasilnya besar. Capture di mobile dan penataan di desktop terjadi di atas file yang sama, bukan lewat copy-paste atau tahap sync antar aplikasi berbeda.
Bisa diatur untuk append ke Daily Note Obsidian di iCloud vault, jadi sangat cocok.
Saya juga suka karena tidak bergantung pada layanan pihak ketiga.
⁽¹⁾ https://apps.apple.com/us/app/bebop-quick-notes/id6477824795
Saya memakainya untuk mengumpulkan hal-hal menarik yang saya temukan di web terlebih dahulu.
https://github.com/momentmaker/to
Saya mengirim tautan web atau tautan alat yang ingin disimpan, atau memo suara yang ingin diubah menjadi tulisan.
Meski begitu, versi mobile jelas tetap akan saya buat.
Pada akhirnya saya sering kembali ke Apple Notes. Secara teknis itu bukan knowledge base dan juga bukan markdown, tetapi sinkronisasi antar-perangkatnya bagus dan nyaman dipakai dari ponsel.
Saya penasaran apakah Anda juga punya kebutuhan seperti ini, atau bagaimana Anda melihat catatan di mobile.
Catatan jangka panjang seperti pelacakan olahraga atau makan juga saya teruskan dengan menambahkan header tanggal.
Ini lebih cocok buat saya dibandingkan Obsidian mobile, dan proses copy-paste itu sendiri juga berfungsi sebagai filter yang alami.
Saya punya pertanyaan soal pratinjau markdown di MacBook Pro. Saya ingin tahu bagaimana cara membuat quick preview di Finder, yang saya kira disebut Quick Look, merender markdown.
File .md saya selalu diasosiasikan untuk dibuka dengan IDE, tetapi di pratinjau tidak dirender, jadi agak kurang nyaman. Di dalam IDE saya memang memakai ekstensi untuk rendering md, jadi mungkin itu juga berpengaruh. Mungkin semacam pemanggilan rekursif tidak diekspos pada level preview extension, entahlah, pokoknya saya penasaran apakah ada cara yang direkomendasikan.
Saya sangat suka pendekatan yang menggunakan markdown di sini.
Kami juga bergerak dengan filosofi yang hampir sama di https://voiden.md/: offline-first, berbasis file, dan mendukung git.
Menurut saya justru bentuk seperti inilah yang nantinya akan cukup efektif dimanfaatkan agent.
Kami membuat ini untuk API, dan juga open source. Bisa dilihat di sini: https://github.com/VoidenHQ/voiden
Belakangan ini saya memakai octarine. Sebelumnya saya cukup lama menggunakan Obsidian, dan saya jelas berniat mencoba ini juga.
[1]: https://octarine.app
Ini pekerjaan yang keren. Saya punya dua masukan.
Sepertinya editor-nya tidak mendukung code fence literal. Saya tidak bisa membuat code block dengan mengetik ```.
Dan ketika ukuran file markdown menjadi sangat besar, performanya kurang bagus.
Saya sedang membuat editor markdown bergaya Obsidian untuk produk knowledge base AI saya: https://github.com/kenforthewin/atomic-editor
Saya juga sedang mengerjakan kumpulan skill dan MCP kecil yang berfokus pada mengekstrak "atoms" dengan mudah dari quick brain dump. Ini juga berbasis SQLite + SQLite-vec.
Masalah chunking saya akali dengan mendeklarasikan tiap section sebagai chunk, lalu drafnya ditulis ulang oleh LLM ke struktur section agar bisa di-chunk dengan baik. Jadi duplikasinya menjadi banyak dan ekspresi seperti "seperti dijelaskan di atas" menghilang.
Pembaca yang dibayangkan bukan manusia, melainkan agent yang kemudian menghasilkan tulisan yang lebih mudah dibaca untuk tiap target pembaca. Jika pembacanya diasumsikan expert, menurut saya biaya untuk memproduksi atoms yang sudah ditinjau dalam jumlah besar menjadi jauh lebih rendah.
Saya benar-benar ingin menguji workflow itu bersama Atomic atau Tolaria.
Kalau ini murni untuk viewer dan bukan mau menambahkan editor lain, saya membuat https://mdview.io.
Bisa membuka file Markdown dengan rendering yang rapi, serta mendukung tabel dan Mermaid. Juga berguna untuk dibagikan ke rekan kerja atau disimpan untuk nanti.