Un prompt peut-il remplacer Jenni AI ?

Construis un outil perso de rédaction conscient des citations : importe tes propres PDF, indexe-les en local, et rédige de la prose avec un LLM qui cite des passages spécifiques. Stack : Next.js, SQLite avec FTS5 pour la recherche plein texte locale sur les sources importées, API Anthropic et OpenAI pour la rédaction.

Boucle centrale : l’utilisateur importe des sources PDF ou texte qu’il a déjà et l’outil extrait et découpe le texte, l’indexant avec SQLite FTS5 pour la recherche par mot-clé. L’écriture se fait section par section : l’utilisateur décrit ce qu’un paragraphe devrait couvrir, l’étape de récupération cherche dans l’index local les morceaux les plus pertinents, et le LLM rédige le paragraphe en utilisant seulement ces passages récupérés, en insérant un marqueur de citation en ligne après chaque affirmation qui renvoie au morceau de source spécifique dont elle provient. Toute phrase que le modèle génère et que la récupération n’a pas pu ancrer dans un passage spécifique est visiblement signalée plutôt que silencieusement laissée sans citation. Un historique de révision garde chaque version de brouillon à côté de ses citations sources.

Nécessite une clé API Anthropic ou OpenAI pour la rédaction — sans elle, importer et indexer des sources fonctionne quand même, et l’outil fonctionne comme une bibliothèque de sources cherchable, juste sans prose générée. La qualité de la récupération dépend entièrement de la recherche par mot-clé locale, donc les résultats ne sont bons qu’autant que les sources que tu as vraiment importées.

Ne construis pas : un index de recherche académique plus large au-delà des propres fichiers importés de l’utilisateur (ça demande un jeu de données sous licence bien au-delà du périmètre perso), un formatage prêt à soumettre pour des revues ou styles de citation spécifiques, ni de collaboration multi-utilisateur — c’est un outil de rédaction perso ancré dans des fichiers que tu as déjà, pas un moteur de découverte de recherche.