Karakeep – własne archiwum zakładek z pełnym tekstem, OCR i automatycznym tagowaniem AI

Zapisanie zakładki w przeglądarce rozwiązuje problem tylko do chwili, gdy strona zniknie, zmieni adres, zostanie przebudowana albo trafi za paywall. Po kilku latach kolekcja linków zwykle zamienia się w cmentarz URL-i, których nie da się sensownie przeszukiwać. Karakeep podchodzi do sprawy inaczej: zapisuje nie tylko adres, ale również zawartość, pozwala przechowywać lokalne kopie stron, indeksować tekst, wyciągać treść z obrazów i PDF-ów oraz automatycznie opisywać materiały tagami generowanymi przez model AI.

To narzędzie open source, wcześniej znane jako Hoarder, zostało zaprojektowane przede wszystkim z myślą o samodzielnym hostowaniu. Można uruchomić je na NAS-ie, domowym serwerze albo niedrogim VPS-ie i zbudować archiwum, którego użyteczność nie zależy od tego, czy pierwotna strona nadal istnieje.

Zakładka jest tu tylko początkiem: Karakeep zapisuje treść i pozwala ją później odnaleźć

Najważniejsza różnica między Karakeep a klasycznymi zakładkami Chrome’a czy Firefoksa pojawia się kilka sekund po kliknięciu „zapisz”. Serwer uruchamia crawler, pobiera stronę, wyciąga jej tytuł, opis, obraz podglądu i czytelną treść, a następnie przygotowuje ją do indeksowania.

W praktyce oznacza to, że później można wyszukać artykuł po zdaniu znajdującym się gdzieś w jego środku, nawet jeśli nie pamiętamy tytułu ani domeny.

Karakeep obsługuje trzy podstawowe rodzaje materiałów:

• linki WWW,

• notatki tekstowe,

• pliki, przede wszystkim obrazy i PDF-y.

Do każdego elementu można dodawać własne notatki, wyróżnienia, tagi i listy. Materiał nie musi też należeć wyłącznie do jednego folderu, ponieważ organizacja opiera się głównie na tagach i listach, a nie na sztywnej strukturze katalogów.

Pełne wyszukiwanie tekstowe wymaga Meilisearch. To istotny szczegół przy instalacji: uproszczony wariant Karakeep może działać bez tej usługi, ale wtedy wyszukiwanie zostaje całkowicie wyłączone. Oszczędzanie kilkuset megabajtów RAM-u kosztem jednej z najważniejszych funkcji programu zwykle nie ma większego sensu.

Od gałęzi 0.33 Karakeep oferuje także trzy sposoby wyszukiwania:

• Full text – klasyczne dopasowanie słów,

• Semantic – wyszukiwanie według znaczenia,

• Hybrid – połączenie obu metod.

Wyszukiwanie semantyczne opiera się na embeddingach. Można więc wpisać frazę w rodzaju „konfiguracja kopii zapasowej serwera”, a Karakeep może znaleźć materiał dotyczący snapshotów VPS-a, nawet jeśli dokładne słowa z zapytania nigdy nie pojawiły się w artykule. Funkcja nadal jest rozwijana i nie należy traktować jej jako nieomylnej. Przy technicznych archiwach pełnotekstowe wyszukiwanie po konkretnych nazwach parametrów czy komunikatach błędów nadal bywa dokładniejsze.

Najciekawsza część zaczyna się jednak przy archiwizacji całej strony. Standardowo Karakeep zachowuje wyciągniętą treść. Opcjonalnie można włączyć kilka cięższych mechanizmów:

• zrzut ekranu widocznej części strony,

• pełnostronicowy screenshot,

• zapis strony jako PDF,

• pełne lokalne archiwum HTML.

Pełne archiwum wykorzystuje narzędzie Monolith, które próbuje zapisać stronę razem z potrzebnymi zasobami jako samodzielną kopię. Opcja CRAWLER_FULL_PAGE_ARCHIVE jest domyślnie wyłączona, podobnie jak zapisywanie PDF-ów i pełnych screenshotów. Powód jest prozaiczny: miejsce na dysku znika wtedy znacznie szybciej.

Przy kilku tysiącach prostych artykułów nie jest to duży problem. Kolekcja pełna stron z dużymi zdjęciami, dokumentami i archiwami HTML potrafi jednak urosnąć z kilku do kilkudziesięciu gigabajtów. Dlatego konfigurując Karakeep, najpierw zdecydowałbym, co rzeczywiście ma przetrwać awarię źródła. Dla większości artykułów wystarcza wyekstrahowany tekst. Pełne archiwum warto włączać przede wszystkim dla dokumentacji, materiałów badawczych, instrukcji, ważnych wpisów i stron, które często znikają.

Jest jeszcze jeden praktyczny problem: crawler działający na serwerze nie zawsze zobaczy to samo, co użytkownik w przeglądarce. Logowanie, zabezpieczenia antybotowe, JavaScript i nietypowe bannery zgód potrafią popsuć zapis strony.

Tutaj przydaje się SingleFile. Oficjalne rozszerzenie Karakeep potrafi obecnie wykonywać eksperymentalne przechwytywanie po stronie przeglądarki właśnie z użyciem mechanizmu SingleFile. Można też nadal korzystać z osobnego rozszerzenia SingleFile i przesyłać gotowe archiwum do API Karakeep.

To dobre rozwiązanie dla stron dostępnych dopiero po zalogowaniu. Zapis odbywa się wtedy w sesji użytkownika, a nie z anonimowego serwera. Trzeba tylko pamiętać, że archiwa są duże — przesłanie pojedynczej strony może trwać 30 sekund lub dłużej, a przy większych plikach trzeba podnieść domyślny limit wielkości zasobu, przykładowo do około 100 MB.

OCR i automatyczne tagowanie robią największą różnicę przy dużym archiwum

Po zapisaniu pięćdziesięciu stron ręczne tagowanie nie jest problemem. Przy pięciu tysiącach staje się pracą samą w sobie. Automatyczne tagowanie AI jest dlatego jedną z funkcji, które najmocniej zmieniają sposób używania Karakeep.

Model analizuje zapisany materiał i generuje krótkie etykiety. W nowszych wydaniach tagi są ograniczane do 1–3 słów, a mechanizm jest dodatkowo zabezpieczony przed tworzeniem bezsensownych etykiet z ekranów Cloudflare, CAPTCHA, stron logowania czy komunikatów „Just a moment”.

Od wersji 0.33 system idzie krok dalej. Przy dodawaniu nowego materiału Karakeep szuka semantycznie podobnych wpisów i przekazuje modelowi ich istniejące tagi jako podpowiedź. Dzięki temu po pewnym czasie słownik etykiet zaczyna być bardziej spójny.

Nie oznacza to, że można całkowicie oddać strukturę archiwum modelowi. AI nadal potrafi utworzyć dwa tagi oznaczające praktycznie to samo, przykładowo self-hosting i self hosted, albo zbyt szczegółowo opisać jednorazowy artykuł. Przy dużym archiwum lepszy jest prosty układ:

listy służą do ręcznie wybranych kolekcji,
tagi AI służą do szerokiego wyszukiwania i odkrywania materiałów.

Nie próbowałbym ręcznie poprawiać każdego automatycznego tagu. To szybko zamienia narzędzie do oszczędzania czasu w kolejne zajęcie administracyjne.

Do tagowania nie trzeba korzystać z zewnętrznego modelu. Karakeep obsługuje zarówno OpenAI i dostawców zgodnych z API OpenAI, jak i lokalne modele przez Ollama. Dokumentacja pokazuje między innymi konfiguracje dla OpenAI, Gemini, Azure, Cloudflare Workers AI oraz Ollama.

Dla lokalnego stosu można przykładowo wykorzystać:

• Gemma 3 do analizy tekstu,

• model vision, np. LLaVA, do obrazów,

• EmbeddingGemma do embeddingów.

Lokalne modele mają oczywistą zaletę: treść archiwum nie musi opuszczać własnego serwera. Jest jednak koszt sprzętowy. Mały VPS z 4 GB RAM-u spokojnie nadaje się do samego Karakeep, ale nie jest sensowną maszyną do dużego modelu generatywnego. Ollama działająca komfortowo z modelami vision wymaga znacznie większej ilości RAM-u, a przy oczekiwaniu dobrej szybkości również GPU.

W praktyce najlepszy podział dla wielu użytkowników wygląda więc następująco: Karakeep na małym serwerze, model przez API. Lokalną inferencję warto wdrażać wtedy, gdy odpowiedni komputer i tak działa przez całą dobę albo prywatność materiałów uzasadnia dodatkowy koszt sprzętu.

Koszt samego automatycznego tagowania nie musi być duży. Dokumentacja projektu szacuje, że przy obecnie skonfigurowanym modelu tekstowym ponad 6000 zakładek można otagować za mniej niż 1 USD, a analiza ponad 1000 obrazów również mieści się w okolicach 1 USD. Rzeczywisty rachunek zależy od długości materiałów, wybranego modelu i parametru INFERENCE_CONTEXT_LENGTH: większy kontekst zwykle poprawia jakość klasyfikacji, ale zwiększa liczbę przetwarzanych tokenów.

Drugim elementem jest OCR. Karakeep potrafi wyciągać tekst z obrazów oraz materiałów zapisanych jako pliki, dzięki czemu skan czy screenshot przestaje być martwym obrazkiem i zaczyna pojawiać się w wynikach wyszukiwania.

Do dyspozycji są dwa podejścia. Klasyczne opiera się na Tesseract OCR. Nowsze wydania pozwalają wykorzystać również LLM do OCR, co daje lepsze rezultaty zwłaszcza przy materiałach o skomplikowanym układzie, screenshotach aplikacji czy obrazach, na których tekst miesza się z grafiką.

LLM nie powinien jednak być traktowany jako system do bezbłędnej digitalizacji dokumentów księgowych czy prawnych. Jeśli pojedyncza pomyłka w numerze faktury lub wartości ma znaczenie, wynik OCR trzeba zweryfikować z oryginałem. Tutaj Karakeep jest przede wszystkim narzędziem do indeksowania i odnajdywania treści, a nie systemem klasy DMS z gwarantowanym rozpoznawaniem pól.

Self-hosting jest darmowy, ale konfigurację trzeba zrobić świadomie

Sam Karakeep jest darmowy i open source, jeśli uruchamiamy go na własnej infrastrukturze. Nie ma limitu liczby zakładek ani sztucznego limitu przestrzeni — granicą jest dysk użytkownika.

Najprostsze wdrożenie odbywa się przez Docker Compose. Typowa instalacja obejmuje samą aplikację oraz komponenty potrzebne do indeksowania, crawlowania stron i dodatkowych funkcji. Po uruchomieniu serwis standardowo dostępny jest na porcie 3000.

Minimalna wersja może działać praktycznie jako pojedynczy kontener, ale trzeba zaakceptować konsekwencje:

• bez Meilisearch nie ma wyszukiwania,

• bez przeglądarki Chromium/Chrome część stron JavaScript zostanie pobrana nieprawidłowo i nie będzie screenshotów,

• bez OpenAI, Ollama lub innego kompatybilnego dostawcy nie będzie tagowania AI.

Dlatego minimalna konfiguracja nadaje się raczej do testów albo wyjątkowo ograniczonego sprzętu. Jeżeli celem jest rzeczywiste archiwum wiedzy, od początku uruchomiłbym pełny zestaw.

Dla prywatnej instalacji podstawowy VPS z 2 vCPU, 4 GB RAM i około 40 GB SSD jest rozsądnym punktem startowym, jeśli modele AI działają poza serwerem. Dla orientacji: we wrześniu 2026 r. podstawowy VPS OVHcloud z 2 vCPU, 4 GB RAM i 40 GB NVMe kosztuje w Polsce około 20 zł brutto miesięcznie. To wystarcza na niewielkie lub średnie archiwum, ale 40 GB szybko stanie się ograniczeniem po włączeniu pełnych screenshotów, PDF-ów i archiwów stron.

Jeżeli Karakeep ma działać w domu, koszt można praktycznie wyzerować, wykorzystując działający już NAS, mini-PC albo serwer z Dockerem. Trzeba natomiast samemu dopilnować HTTPS, aktualizacji, kopii zapasowych i dostępu z internetu.

Nie wystawiałbym portu 3000 bezpośrednio do sieci. Sensowniejszy układ to reverse proxy, przykładowo Caddy, Traefik albo Nginx, certyfikat TLS i własna domena. Przy dostępie wyłącznie dla siebie jeszcze prostszy może być tunel VPN przez Tailscale lub WireGuard.

Druga decyzja dotyczy aktualizacji. Ustawienie KARAKEEP_VERSION=release powoduje korzystanie z aktualnego stabilnego wydania. Jest wygodne, ale na serwerze, który ma przechowywać archiwum przez lata, lepiej rozważyć przypięcie konkretnej wersji i wykonywanie aktualizacji świadomie po kopii zapasowej.

To nie jest przesadna ostrożność. Karakeep szybko się rozwija, a projekt ma za sobą zarówno migracje danych, jak i poprawki bezpieczeństwa. W dużej bibliotece bardziej zależy mi na możliwości odtworzenia danych niż na instalowaniu każdej funkcji w dniu premiery.

Priorytety przy pierwszym uruchomieniu ustawiłbym tak:

1. Trwały katalog danych i backup.

2. Meilisearch oraz poprawne indeksowanie.

3. Crawler i zapis treści.

4. Dopiero później AI, embeddingi i wyszukiwanie semantyczne.

5. Pełne archiwa HTML, PDF-y i pełnostronicowe screenshoty tylko dla materiałów, dla których naprawdę są potrzebne.

Karakeep ma także wersję zarządzaną. Karakeep Cloud kosztuje obecnie 4 USD miesięcznie lub 40 USD rocznie w planie Pro. Limit wynosi 50 000 zakładek i 50 GB miejsca, a w cenie są m.in. tagowanie AI i wyszukiwanie pełnotekstowe. Darmowy plan chmurowy służy właściwie tylko do przetestowania usługi: obejmuje 10 zakładek i 20 MB przestrzeni.

Dla osoby, która nie chce utrzymywać Dockera, reverse proxy i backupów, 40 USD rocznie jest trudne do przebicia własnym VPS-em, jeśli do kosztu infrastruktury doliczyć czas administratora. Self-hosting wygrywa przede wszystkim wtedy, gdy kontrola nad danymi jest celem samym w sobie, infrastruktura już istnieje albo archiwum ma przekroczyć limity usługi chmurowej.

I właśnie od tego zacząłbym decyzję. Jeśli chodzi tylko o wygodne „read it later”, Karakeep Cloud albo prostsza aplikacja wystarczy. Jeśli celem jest własna, przeszukiwalna baza wiedzy, która ma zachowywać zawartość stron niezależnie od ich późniejszego losu, wtedy wersja self-hosted pokazuje pełny sens projektu. Pierwszą rzeczą do skonfigurowania nie powinno być jednak AI. Powinien nią być backup katalogu danych. Automatyczne tagi da się wygenerować ponownie. Utraconego archiwum kilku tysięcy stron — niekoniecznie.

FAQ

Czy Karakeep jest darmowy?
Tak. Wersja self-hosted jest darmowa, open source i nie ma narzuconego limitu liczby zakładek. Płaci się jedynie za własny serwer, domenę lub zewnętrzne API AI, jeśli są potrzebne.

Ile kosztuje Karakeep Cloud?
Plan Pro kosztuje 4 USD miesięcznie albo 40 USD rocznie i obejmuje do 50 000 zakładek oraz 50 GB danych. Jest również darmowy plan testowy z limitem 10 zakładek i 20 MB.

Czy Karakeep zapisuje pełną stronę, czy tylko link?
Domyślnie pobiera i zachowuje jej czytelną treść. Można dodatkowo włączyć lokalne archiwum całej strony, screenshot, pełnostronicowy screenshot albo kopię PDF.

Czy zapisane strony można przeszukiwać po treści?
Tak. Przy pełnej instalacji z Meilisearch dostępne jest wyszukiwanie pełnotekstowe. Nowsze wersje oferują również eksperymentalne wyszukiwanie semantyczne oraz tryb hybrydowy.

Czy AI jest wymagane do działania Karakeep?
Nie. Bez modelu AI nadal działają zakładki, archiwizacja i pozostałe podstawowe funkcje. Wyłączone będą automatyczne tagowanie i funkcje zależne od inference.

Czy można używać lokalnego AI zamiast OpenAI?
Tak. Karakeep współpracuje z Ollama oraz dostawcami oferującymi API zgodne z OpenAI. Można dzięki temu uruchamiać modele tekstowe, vision i embeddingi na własnym sprzęcie.

Czy Karakeep wykonuje OCR obrazów i PDF-ów?
Tak. Potrafi wyciągać tekst z materiałów graficznych i udostępnia zarówno klasyczne OCR, jak i OCR bazujące na modelu LLM. W przypadku dokumentów, w których liczy się stuprocentowa dokładność liczb i oznaczeń, wynik nadal wymaga kontroli.

Jaki serwer wystarczy na początek?
Przy korzystaniu z zewnętrznego API AI rozsądnym początkiem jest około 2 vCPU, 4 GB RAM i 40 GB SSD. Większego dysku warto szukać od razu, jeśli mają być przechowywane pełne archiwa stron, PDF-y lub screenshoty.

Czy Karakeep nadaje się do archiwizowania stron dostępnych po zalogowaniu?
Tak, ale serwerowy crawler nie zawsze przejdzie przez logowanie lub zabezpieczenia antybotowe. W takich przypadkach lepiej przechwycić stronę po stronie własnej przeglądarki przez integrację wykorzystującą SingleFile.

Co skonfigurować jako pierwsze po instalacji?
Backup trwałego katalogu danych. Dopiero później indeksowanie, crawler, AI i pełne kopie stron. To najważniejsza kolejność, jeśli Karakeep ma pełnić funkcję archiwum, a nie jedynie wygodniejszego menedżera zakładek.