Principais conclusões
- Esta é a análise complementar à entrada do Farfalle no Diretório de Software LLM Local
- Gratuito e de código aberto sob Apache 2.0, verificado em 18/09/2026
- Instalado via Docker Compose; roda localmente em
http://localhost:3000após a configuração - Backends de LLM: totalmente local via Ollama (Llama 3, Mistral, Gemma, Phi-3), ou na nuvem via OpenAI, Groq, ou modelos personalizados via LiteLLM
- Provedores de busca: SearXNG, Tavily, Serper e Bing
- Stack técnico: frontend em Next.js, backend em FastAPI, Redis para limitação de taxa, conforme o repositório
- 3.541 estrelas no GitHub até esta análise (18/09/2026)
- Uma demo hospedada usando apenas modelos na nuvem está disponível em farfalle.dev, sem necessidade de autogerenciamento
📍 Em uma frase
O Farfalle é um mecanismo de busca de IA gratuito, de código aberto (Apache 2.0) e autogerenciado, modelado no Perplexity, que combina um provedor de busca com um LLM — incluindo modelos totalmente locais via Ollama — para responder perguntas com fontes citadas.
💬 Em termos simples
Em vez de pedir ao Perplexity ou a um serviço hospedado similar para buscar na web e resumir os resultados, o Farfalle permite que você rode esse mesmo tipo de ferramenta você mesmo, no seu próprio servidor, e opcionalmente aponte para um modelo local para que suas consultas e o raciocínio do modelo nunca saiam da sua infraestrutura.
📌Nota: Esta análise é baseada no próprio README do GitHub e nos metadados do repositório do Farfalle. Ela não afirma que a PromptQuorum realizou benchmarks práticos da qualidade das respostas do Farfalle em comparação com o Perplexity ou outros mecanismos de busca hospedados.
O Que É o Farfalle?
O Farfalle é uma aplicação de busca autogerenciada e de código aberto que responde a uma consulta buscando resultados em um provedor de busca e fazendo um LLM sintetizar uma resposta citada, no estilo do Perplexity. Como você mesmo o executa, você escolhe qual provedor de busca e qual LLM (local ou na nuvem) alimenta cada busca.
- Tipo de produto: um app web autogerenciado (com uma API subjacente) — não é um produto SaaS hospedado, embora exista uma demo limitada com modelos na nuvem em farfalle.dev
- Criador/repositório: github.com/rashadphz/farfalle
- Licença: Apache 2.0, conforme o repositório
- Localidade: híbrido — pode rodar totalmente offline com um LLM local e uma instância SearXNG autogerenciada, ou usar provedores de busca/LLM na nuvem, ou misturar os dois
- Escala: 3.541 estrelas no GitHub até esta análise (18/09/2026)
- Stack técnico: frontend em Next.js, backend em FastAPI, Redis para limitação de taxa, componentes shadcn/ui, conforme o repositório
O Que o Farfalle Realmente Faz?
O Farfalle recebe uma pergunta, busca resultados no provedor de busca escolhido, e faz um LLM ler esses resultados e escrever uma resposta citada — uma etapa de planejamento no estilo agente decide como executar a busca antes de a resposta ser gerada.
- Etapa de busca: consulta um dos quatro provedores suportados — SearXNG (autogerenciável, sem necessidade de chave de API), Tavily, Serper ou Bing
- Etapa de resposta: um LLM sintetiza uma resposta a partir dos resultados obtidos, citando fontes, em um formato no estilo Perplexity
- Suporte a LLM local: conecta-se ao Ollama para inferência totalmente local, com Llama 3, Mistral, Gemma e Phi-3 citados no repositório como modelos locais suportados
- Suporte a LLM na nuvem: modelos OpenAI (GPT-4o, GPT-3.5-turbo) e Llama 3 hospedado na Groq, além de outros provedores roteados via LiteLLM
- Busca com agente: o README descreve um agente que planeja e executa a busca em vez de uma única etapa fixa de recuperação
- Integração com navegador: o Farfalle pode ser configurado como mecanismo de busca padrão em um navegador, conforme o repositório
- Itens de roadmap: o repositório lista histórico de chat e busca em arquivos locais como recursos planejados, ainda não lançados até esta análise — verifique o status atual no repositório antes de contar com qualquer um dos dois
Exemplos de Uso: Três Formas de Usar o Farfalle
Estes são fluxos de trabalho concretos construídos a partir da configuração documentada do Farfalle, não cenários hipotéticos.
Instalar o Farfalle
O Farfalle é instalado gratuitamente via Docker Compose — o código-fonte está no GitHub.
Fonte | Link |
|---|---|
| Repositório GitHub (código-fonte, Apache 2.0) | github.com/rashadphz/farfalle |
| Clonar o repositório | git clone https://github.com/rashadphz/farfalle.git |
| Copiar o template de ambiente | cp .env-template .env |
| Iniciar via Docker Compose | docker-compose -f docker-compose.dev.yaml up -d |
| Demo hospedada (apenas modelos na nuvem) | farfalle.dev |
Após a inicialização, o app fica disponível em http://localhost:3000. Chaves de API opcionais para provedores de busca ou LLM na nuvem vão no arquivo .env — elas não são necessárias se você rodar totalmente com um modelo Ollama local e uma instância SearXNG autogerenciada. Verifique os passos de configuração atuais no repositório GitHub antes de executá-los, já que as instruções podem mudar entre versões.
Preços e Licenciamento do Farfalle
O Farfalle em si é gratuito, sem nível pago. Tem licença Apache 2.0, conforme o repositório — uma licença permissiva que permite uso comercial, modificação e redistribuição.
- Sem assinatura, sem nível pago, sem limites de uso impostos pelo próprio Farfalle
- Não é necessário criar conta ou se inscrever para autogerenciá-lo
- Rodá-lo totalmente localmente (SearXNG autogerenciado mais um modelo Ollama local) não tem custo por consulta além do seu próprio hardware e eletricidade
- Se você conectar Tavily, Serper, Bing, OpenAI ou Groq, o preço próprio desses provedores se aplica — o Farfalle não adiciona nenhuma margem
- A demo hospedada em farfalle.dev é uma instância separada, limitada e apenas com modelos na nuvem, não um nível de produto pago
Farfalle vs. Local Deep Research
O Farfalle e o Local Deep Research combinam busca web com um LLM, mas têm focos diferentes: o Farfalle é feito para respostas de busca rápidas, citadas e de uma única etapa, enquanto o Local Deep Research é feito para relatórios de pesquisa mais longos e de múltiplas etapas.
Caso de uso principal
- Farfalle:
- Perguntas e respostas citadas rápidas, estilo Perplexity
- Local Deep Research:
- Relatórios de pesquisa profunda em múltiplas etapas
Interface
- Farfalle:
- App web + CLI
- Local Deep Research:
- App web + CLI + API Python
Suporte a LLM local
- Farfalle:
- Via Ollama
- Local Deep Research:
- Via Ollama e outros backends locais
Provedores de busca
- Farfalle:
- SearXNG, Tavily, Serper, Bing
- Local Deep Research:
- Vários, incluindo SearXNG
Método de instalação
- Farfalle:
- Docker Compose
- Local Deep Research:
- pip ou Docker
Se você quer um substituto de busca rápido e de resposta única, o escopo do Farfalle é o mais adequado. Se você precisa de um relatório de pesquisa mais longo sintetizado a partir de várias fontes, veja diretamente o Local Deep Research. Ambos são gratuitos e de código aberto; verifique os detalhes de recursos atuais no repositório de cada projeto antes de decidir.
Quem Deve Usar o Farfalle?
O Farfalle é indicado para quem quer uma experiência de busca no estilo Perplexity que controla de ponta a ponta, incluindo a opção de manter toda a stack local.
Para Que o Farfalle Não É Indicado
O Farfalle não é uma boa opção se você quer um produto hospedado sem configuração, histórico de chat hoje, ou relatórios de pesquisa profundos de múltiplas etapas.
- Não é sem configuração — autogerenciar exige Docker Compose e, para uma stack totalmente local, sua própria configuração de SearXNG e Ollama
- Ainda não é uma ferramenta de histórico de chat — o repositório lista isso como item de roadmap, não recurso lançado, até esta análise
- Ainda não é uma ferramenta de busca em arquivos locais — também listada como roadmap, não lançada, até esta análise
- Não é totalmente local a menos que você escolha assim — Tavily, Serper e Bing são provedores de busca na nuvem; apenas o SearXNG pode ser autogerenciado junto com um modelo Ollama local para uma stack inteiramente offline
- Não tem apoio de rodada de financiamento ou empresa que esta análise pudesse verificar — trate-o como um projeto mantido de forma independente e apoiado pela comunidade
Erros Comuns ao Avaliar o Farfalle
A maior parte da confusão sobre o Farfalle vem de presumir que ele é automaticamente totalmente privado, ou esperar recursos que ainda estão no roadmap.
Concorrentes e Alternativas
O Farfalle é mais frequentemente comparado a outras ferramentas de busca e pesquisa local autogerenciadas, como Local Deep Research, Onyx e Hyperlink — seu principal diferencial é um formato de resposta citada rápido, no estilo Perplexity, com uma configuração simples via Docker Compose.
Ferramenta | Mais conhecido por | Link |
|---|---|---|
| Local Deep Research | Geração de relatórios de pesquisa profunda em múltiplas etapas sobre fontes locais e web | Análise do Local Deep Research |
| Onyx | Plataforma autogerenciada de busca corporativa e RAG (antes Danswer) | Análise do Onyx |
| Hyperlink (Nexa AI) | App de busca local e assistente pessoal sobre seus próprios arquivos | Análise do Hyperlink |
Esta lista reflete ferramentas comumente comparadas ao Farfalle, não um ranking independente da PromptQuorum — verifique o conjunto de recursos atual de cada ferramenta antes de escolher.
Perguntas Frequentes
O que é o Farfalle?
O Farfalle (github.com/rashadphz/farfalle) é um mecanismo de busca de IA gratuito, de código aberto (Apache 2.0) e autogerenciado, modelado no Perplexity, que combina um provedor de busca com um LLM para produzir respostas citadas.
O Farfalle é gratuito?
Sim. O Farfalle é gratuito e de código aberto sob Apache 2.0, sem nível pago. Se você conectar um provedor de busca ou LLM pago (Tavily, Serper, Bing, OpenAI, Groq), o preço próprio desse provedor se aplica — o Farfalle em si não cobra nada.
O Farfalle consegue rodar totalmente offline com modelos locais?
Sim, se você escolher assim: conecte o Ollama para um LLM totalmente local e autogerencie o SearXNG para a busca. Tavily, Serper e Bing continuam sendo serviços na nuvem, então evite-os se quiser uma stack inteiramente offline.
Como instalo o Farfalle?
Clone o repositório, copie .env-template para .env, e rode docker-compose -f docker-compose.dev.yaml up -d. O app fica então disponível em http://localhost:3000. Verifique os passos de configuração atuais no repositório GitHub antes de executá-los.
Quais LLMs locais o Farfalle suporta?
Via Ollama, o repositório cita Llama 3, Mistral, Gemma e Phi-3 como modelos locais suportados.
Quais provedores de busca o Farfalle suporta?
Quatro: SearXNG (autogerenciável, sem necessidade de chave de API), Tavily, Serper e Bing.
O Farfalle tem uma versão hospedada que eu possa testar primeiro?
Sim, uma demo limitada usando apenas modelos na nuvem roda em farfalle.dev, separada da implantação autogerenciada via Docker Compose.
O Farfalle suporta histórico de chat ou busca nos meus próprios arquivos locais?
Ainda não, até esta análise — o repositório lista ambos como itens de roadmap em vez de recursos lançados. Verifique o README atual para o status atualizado.
Que licença o Farfalle usa?
Apache 2.0, conforme o repositório — uma licença permissiva que permite uso comercial, modificação e redistribuição.
Qual é a diferença entre o Farfalle e o Local Deep Research?
O Farfalle é feito para respostas citadas rápidas, de uma única etapa, no estilo Perplexity, enquanto o Local Deep Research é feito para relatórios de pesquisa mais longos e de múltiplas etapas. Veja a seção de comparação dedicada acima para mais detalhes.