Deta Surf: ein lokales Notizbuch, das Dateien, Webseiten und Modelle zusammenbringt
Personal AI Notebooks. Organize files & webpages and generate notes from them. Open source, local & open data, open model choice (incl. local).
Auf einen Blick
- Was ist das?
- Surf speichert Medien in einem eigenen Dateisystem namens SFFS und lässt Notizen per @-Mention auf Bibliothek und Web zugreifen. Der Artikel prüft Mechanik, Startwege, Lizenzlage und die Grenzen des Ansatzes.
- Für wen ist es gedacht?
- Wer PDFs, YouTube-Videos und Webseiten in einer lokalen Bibliothek bündeln und mit eigenem Modell oder eigenem API-Schlüssel auswerten will, findet in Surf einen passenden Ausgangspunkt. Wer eine reine Notizablage ohne LLM-Anbindung sucht oder keine Binärdateien in einem eigenen Flat-File-Format ablegen möchte, sollte Abstand nehmen.
- Darf ich es kommerziell nutzen?
- Ja. Apache-2.0 ist eine freizügige Lizenz: Sie dürfen darauf aufbauende Software nutzen, verändern und verkaufen, solange Sie die Urheberrechts- und Lizenzhinweise beibehalten.
- Wird es noch gepflegt?
- Ja. Die letzten Commits kamen vor 23 Tagen.
- In welcher Sprache ist es geschrieben?
- Hauptsächlich TypeScript, laut der Sprachstatistik von GitHub.
Die Antworten beruhen auf den GitHub-Daten des Projekts (zuletzt abgeglichen am 15. September 2026) und auf unserer Analyse. Sie sind keine Rechtsberatung.
TIEFGEHENDE OPEN-SOURCE-ANALYSE
Welches Problem Surf adressiert
Recherchearbeit verteilt sich selten auf eine Datei. Ein PDF liegt im Ordner, ein YouTube-Video im Browser, ein Ausschnitt aus einer Webseite in der Zwischenablage. Das README beschreibt genau diese Reibung: manuelles Suchen, Fenster öffnen, Scrollen, Kopieren und Einfügen in einen Editor. Surf setzt dort an und will Dateien und Web direkt in den Gedankenfluss holen. Die Zielgruppe sind laut README Personen, die gleichzeitig recherchieren und denken, also etwa Studierende, Analysten oder Autoren, die mehrere Medienquellen gegeneinander abgleichen. Der Anspruch ist ausdrücklich persönlich: lokale Daten, offene Formate, offener Quellcode und freie Modellwahl. Wer eine kollaborative Plattform für ein Team sucht, ist hier falsch adressiert, denn das README nennt keine Mehrbenutzerfunktion.
SFFS als Speicherfundament der Bibliothek
Das zentrale Bauteil ist SFFS, das Surf Flat File System. Laut README speichert es Daten in offenen und transparenten Formaten, und die Bibliothek baut darauf auf. Diese Bibliothek nimmt lokale Dateien, Links aus dem Web (YouTube, Tweets und weitere) sowie direkt in Surf erstellte Medien auf und lässt sich in Notebooks ordnen. Ein Teil der Bibliothek soll offline nutzbar sein. Die AI-Funktionen greifen auf dieselbe Bibliothek zu. Bemerkenswert ist die Reihenfolge: erst die Ablage, dann die Auswertung. Das unterscheidet Surf von Werkzeugen, die einen Index im Hintergrund aufbauen und den Nutzer nichts davon sehen lassen. Wer die Struktur verstehen will, findet die Details laut README in docs/LIBRARY.md. Ob SFFS versionierte Snapshots, Deduplizierung oder Kompression bietet, geht aus dem vorliegenden Material nicht hervor.
Smart Notes, Zitate und Surflets im Zusammenspiel
Smart Notes sind der Ort, an dem die Bibliothek in Text übergeht. Per @-Mention lassen sich Inhalte aus Tabs, Webseiten oder Bibliotheksressourcen einbinden und automatisch generieren. Zusätzlich kann eine Notiz eine Websuche auslösen, deren Ergebnisse zurück in die Notiz fließen. Zitate werden laut README deeplinkt, also auf eine Section einer Webseite, einen Zeitstempel im Video oder eine Seite im PDF. Das ist der praktisch wertvollste Teil des Konzepts, weil es die Nachprüfbarkeit einer Aussage an die Quelle bindet. Surflets gehen einen Schritt weiter: aus einer Beschreibung erzeugt Surf eine interaktive Anwendung, ohne dass der Nutzer Code schreibt. Das README nennt als Beispiel den App-Generation-Tool, mit dem man nach einer App fragt. Diese Erzeugung hängt vollständig am gewählten Modell. Ein schwaches lokales Modell wird hier andere Ergebnisse liefern als ein großes Cloud-Modell, und das README macht dazu keine Qualitätsaussage.
Installation und Modellwahl in der Praxis
Das README verweist für die Installation auf docs/INSTALL.md und für den Bau aus dem Quellcode auf CONTRIBUTING.md. Konkrete Befehle nennt der Ausschnitt nicht, daher lassen sich hier keine Kommandozeilen wiedergeben. Klar ist die Plattformbasis: MacOS, Windows und Linux, gebaut mit Svelte, TypeScript und Rust, dazu Electron als Rahmen und Tiptap für den Editor. Bei den Modellen beschreibt das README drei Wege: einen eigenen Schlüssel für verbreitete Modelle mitbringen, ein Cloud-Modell hinzufügen oder ein lokales Sprachmodell verwenden. Die Themenliste des Repositories nennt dazu Ollama, OpenAI, Claude, DeepSeek und Gemma. Details stehen laut README in docs/AI_MODELS.md. Wer ein lokales Modell betreibt, braucht entsprechend Rechenleistung auf dem eigenen Rechner; das README geht darauf nicht ein.
Grenzen und Fälle, in denen Surf das falsche Werkzeug ist
Die Versionslage ist der erste warnende Punkt. Die jüngsten Einträge sind 1.4.7-beta.0 sowie zwei Release Candidates derselben Vorversion, veröffentlicht im April 2026. Ein stabiles 1.4.7 ist daraus nicht ableitbar. Wer Surf produktiv für Archivierung nutzt, arbeitet also auf Beta-Stand. Zweitens die Datenfrage: SFFS ist ein eigenes Flat-File-System. Offene Formate sind ein Versprechen, aber die Struktur stammt vom Projekt selbst, nicht von einem etablierten Standard. Ein Umzug der Bibliothek in ein anderes Werkzeug hängt damit an der Dokumentation in docs/LIBRARY.md. Drittens die Modellabhängigkeit: Notizen und Surflets hängen an LLMs, und deren Ausgabe ist nicht deterministisch. Für rechtsverbindliche oder reproduzierbare Auswertungen taugt das nicht. Wer lediglich Markdown-Dateien in einem Verzeichnis ablegen und mit grep durchsuchen will, braucht Surf nicht.
Was Obsidian anders macht
Obsidian ist die naheliegende Alternative, und der Unterschied liegt im Datenmodell. Obsidian legt Notizen als Markdown-Dateien in einem normalen Ordner ab, den jedes andere Programm lesen kann. Surf baut dagegen eine Bibliothek über SFFS, die Medien aller Art aufnimmt und erst daraus Notizen ableitet. Der zweite Unterschied ist die Auswertung. Obsidian überlässt KI-Funktionen weitgehend Plugins, während Surf Smart Notes, Zitate und Surflets als Kernbestandteil mitbringt. Umgekehrt heißt das: wer ausschließlich Textnotizen pflegt, zahlt bei Surf für eine Medienverwaltung, die er nicht nutzt. Und wer maximale Kontrolle über das Dateiformat will, fährt mit reinem Markdown besser, weil dort kein projektspezifisches Speichersystem zwischen Nutzer und Daten liegt.
Lizenz, Wartung und Aktualisierungskosten
Der Quellcode steht unter Apache-2.0. Das README nennt zwei Ausnahmen: einen Patch für das Paket @ghostery/adblocker-electron, der unter MPL-2.0 steht, passend zur Lizenz des Ursprungsprojekts, sowie einzelne Dateien mit eigenen Lizenzhinweisen, die die Standardlizenz überlagern. Wichtig für jeden, der den Namen verwenden will: der Name Deta und die Logos fallen nicht unter Apache-2.0. Das ist eine markenrechtliche Einschränkung, keine urheberrechtliche, und sollte bei einem Fork bedacht werden. Zu Wartungskosten lässt sich aus dem Material nur begrenzt etwas sagen. Der letzte Push datiert auf den 24. August 2026, das Projekt ist nicht archiviert. Die drei jüngsten Releases liegen jedoch dicht beieinander und tragen Beta- und RC-Kennungen, was auf eine Phase mit häufigen Vorabversionen hindeutet. Wer Surf einsetzt, sollte die Update-Kanäle im Blick behalten, weil Änderungen an SFFS direkt die eigene Bibliothek betreffen können.
Redaktionelles Fazit
Wer PDFs, YouTube-Videos und Webseiten in einer lokalen Bibliothek bündeln und mit eigenem Modell oder eigenem API-Schlüssel auswerten will, findet in Surf einen passenden Ausgangspunkt. Wer eine reine Notizablage ohne LLM-Anbindung sucht oder keine Binärdateien in einem eigenen Flat-File-Format ablegen möchte, sollte Abstand nehmen. Vor dem Einsatz lohnt ein Blick in docs/LIBRARY.md, um die tatsächliche Struktur der SFFS-Ablage zu prüfen, und in docs/AI_MODELS.md, um zu klären, ob das gewünschte Modell als Cloud- oder lokale Variante angebunden wird.
Community-Notizen