Referensi teknis
Persyaratan Sistem
Platform, arsitektur, pemasang, dan dependensi runtime persis yang didukung Snipset, bersumber dari konfigurasi build repositori.
Terakhir diverifikasi: 2026-09-04
Permukaan yang didukung
Platform dan pemasang
Snipset tersedia sebagai aplikasi desktop asli untuk Windows dan Linux, plus aplikasi Android mandiri. Setiap permukaan di bawah mencantumkan OS minimum, arsitektur CPU, format pemasang, dan kanal pembaruan.
| Permukaan | OS Minimum | Arsitektur | Pemasang | Pembaruan |
|---|---|---|---|---|
| PermukaanWindows | OS MinimumWindows 10 atau lebih baru | Arsitekturhanya x64 | PemasangMSI (standar) dan NSIS EXE (setup) | PembaruanPembaru dalam aplikasi bertanda tangan (minisign, latest.json disajikan melalui Cloudflare worker) |
| PermukaanLinux | OS MinimumDebian atau Ubuntu x86_64 terkini (DEB), atau distro x64 apa pun (AppImage) | Arsitekturhanya x64 | PemasangPaket DEB atau AppImage portabel | PembaruanKanal pembaru bertanda tangan yang sama seperti Windows |
| PermukaanAndroid | OS MinimumAndroid 8.0 atau lebih baru (API 26) | Arsitekturarm64-v8a, armeabi-v7a, x86_64 dalam satu APK universal (tanpa x86 32-bit) | PemasangAPK sideload langsung | PembaruanPrompt swaperbarui dalam aplikasi yang didukung updater worker Android |
Rilis saat ini: desktop 0.6.780, Android 1.0.4 (build 105).
Lingkungan runtime
Integrasi OS dan dependensi runtime
Paket DEB mendeklarasikan libwebkit2gtk-4.1-0, libxdo3, libayatana-appindicator3-1, dan xdotool sebagai dependensi, sehingga terpasang otomatis. AppImage tetap membutuhkan pustaka sistem WebKitGTK 4.1. Windows mengandalkan runtime WebView2 Evergreen bawaan platform, yang tersedia di Windows 11 dan bersama Edge di Windows 10; pemasang tidak menyertakannya.
| Kemampuan | Windows | Linux | Android |
|---|---|---|---|
| KemampuanUI shell | WindowsTauri 2 di atas runtime WebView2 Evergreen | LinuxTauri 2 di atas WebKitGTK 4.1 sistem | AndroidUI asli dengan Jetpack Compose |
| KemampuanInjeksi teks | WindowsBawaan backend Rust (API input Win32) | LinuxX11: xdotool dengan libxdo3. Wayland: ydotool (disarankan) | AndroidAccessibilityService (aktifkan di pengaturan sistem) |
| KemampuanPenangkapan clipboard | WindowsBawaan | LinuxBawaan. Sesi Wayland membutuhkan wl-clipboard (disarankan) | AndroidMengalir melalui AccessibilityService. Pembacaan clipboard latar dibatasi OS pada Android 10 ke atas |
| KemampuanIntegrasi sistem | WindowsSystem tray, single instance, pintasan global. Berjalan sebagai pengguna standar (asInvoker) | LinuxSystem tray dengan Ayatana AppIndicator, single instance, pintasan global | AndroidIntent Share-to-Snipset untuk teks dan gambar. Tanpa autostart receiver dan tanpa layanan overlay |
| KemampuanIzin yang dideklarasikan | WindowsTidak ada di luar API desktop standar | LinuxTidak ada di luar API desktop standar | AndroidINTERNET, REQUEST_INSTALL_PACKAGES, RECORD_AUDIO, MODIFY_AUDIO_SETTINGS |
Pemasang NSIS berjalan machine-wide (perMachine) dan meminta hak administrator saat instalasi; aplikasinya sendiri berjalan sebagai pengguna standar. Pada Android 13 ke atas, aplikasi sideload dimulai dengan Restricted settings, jadi izinkan restricted settings secara manual sebelum mengaktifkan layanan aksesibilitas.
Data dan penyimpanan
Tempat data Anda berada
Semuanya tersimpan lokal. Basis data desktop adalah SQLite dengan enkripsi SQLCipher dan Write-Ahead Logging (WAL). Aplikasi Android menyimpan tata letak yang sama di dalam sandbox pribadinya di /data/data/com.belajarcarabelajar.snipset.mobile/.
| Data tersimpan | Desktop (Windows / Linux) | Android |
|---|---|---|
| Data tersimpanBasis data cuplikan (SQLite terenkripsi SQLCipher, WAL) | Desktop (Windows / Linux)Windows %LOCALAPPDATA%\Snipset\snipset.db · Linux ~/.local/share/Snipset/snipset.db | Androiddatabases/snipset.db privat (Room, WAL) |
| Data tersimpanTabel aktivitas dan clipboard | Desktop (Windows / Linux)Windows %LOCALAPPDATA%\Snipset\activity\activity.db · Linux ~/.local/share/Snipset/activity/activity.db | AndroidTabel clipboard_history di dalam basis data Room utama |
| Data tersimpanLampiran | Desktop (Windows / Linux)Windows %LOCALAPPDATA%\Snipset\attachments · Linux ~/.local/share/Snipset/attachments | AndroidfilesDir/attachments/<snippetUuid>/ privat |
| Data tersimpanCadangan (ZIP dengan manifest v2 dan hash SHA-256) | Desktop (Windows / Linux)Windows %LOCALAPPDATA%\Snipset\backups, plus cermin Documents\Snipset Backups (5 terbaru disimpan) · Linux ~/.local/share/Snipset/backups, plus cermin Documents/Snipset Backups (5 terbaru disimpan) | AndroidTercakup pencadangan sistem Android atas sandbox aplikasi |
| Data tersimpanPembaruan yang diunduh | Desktop (Windows / Linux)Disiapkan pembaru sebelum instalasi | AndroidcacheDir/updates/ privat |
- File cadangan bernama backup_YYYYMMDD_HHMMSS_<id>.zip dan berisi backup.json, manifest.json (v2.0 dengan hash konten SHA-256), dan attachments/.
- Instalasi baru pulih otomatis dari cadangan valid terbaru bila ada.
- Log desktop ada di %LOCALAPPDATA%\Snipset\logs\snipset.log (rotasi 5 MB x 5); crash.log dan db_error.log berada satu tingkat di atasnya.
AI lokal (opsional)
Engine Ollama dan model
Smart Shorthand, pembuat cuplikan AI, dan pencarian semantik berjalan melalui engine Ollama lokal. Snipset berbicara ke Ollama lewat HTTP hanya di loopback (bawaan http://localhost:11434, dapat diubah di Settings); backend menolak URL Ollama non-loopback. File model berada di penyimpanan Ollama (~/.ollama/models di desktop). One-Click Model Hub mengunduh dan menghapus model melalui Ollama API. AI berbasis Ollama tersedia di desktop; aplikasi Android berfokus pada ekspansi teks dan alur clipboard.
| Model | Ukuran (kira-kira) | Berjalan |
|---|---|---|
| Modelnomic-embed-text (embedding bawaan) | Ukuran (kira-kira)~274 MB (F16) | BerjalanDi perangkat via Ollama |
| Modelall-minilm | Ukuran (kira-kira)~46 MB | BerjalanDi perangkat via Ollama |
| Modelkeluarga snowflake-arctic-embed | Ukuran (kira-kira)~46 MB hingga ~669 MB | BerjalanDi perangkat via Ollama |
| ModelSnipset-Shorthand-1.5B-v1.1 (shorthand bawaan) | Ukuran (kira-kira)~941 MB GGUF | BerjalanDi perangkat via Ollama |
| Modelgemma4:31b-cloud (model teks bawaan) | Ukuran (kira-kira)< 1 KB lokal | BerjalanCloud hybrid, butuh internet |
| Modelqwen2.5:1.5b | Ukuran (kira-kira)~1,0 GB | BerjalanDi perangkat via Ollama |
| Modelllama3.2:3b | Ukuran (kira-kira)~2,0 GB | BerjalanDi perangkat via Ollama (luring) |
| Modelphi3:mini | Ukuran (kira-kira)~2,2 GB | BerjalanDi perangkat via Ollama |
| Modelqwen2.5:32b dan deepseek-r1:32b | Ukuran (kira-kira)~19,5 GB | BerjalanDi perangkat via Ollama |
| Modelllama3.3:70b | Ukuran (kira-kira)~42,5 GB | BerjalanDi perangkat via Ollama |
- Pencarian semantik memakai model embedding nomic-embed-text secara bawaan, yang berjalan cepat di mesin CPU saja.
- Model teks bawaan gemma4:31b-cloud adalah cloud hybrid di bawah 1 KB secara lokal: jawaban instan tanpa beban RAM/CPU lokal, tetapi membutuhkan internet. Pilih model luring seperti llama3.2:3b untuk pembuatan teks yang sepenuhnya luring.
- Model shorthand bawaan Snipset-Shorthand-1.5B-v1.1 adalah GGUF fine-tuned yang disajikan dari Hugging Face (hf.co/belajarcarabelajar/snipset-qwen-1.5b-gguf).
- Panduan perangkat keras dari halaman AI & Benchmark: mesin CPU saja dengan RAM 8 hingga 16 GB mencakup embedding dan model kecil; pembuatan teks menengah membutuhkan VRAM 4 hingga 6 GB; model besar membutuhkan VRAM 8 hingga 16 GB dengan RAM 32 GB.
Jejak terukur
Angka yang benar-benar terukur
Hanya baris di bawah yang berasal dari artefak rilis. Memori runtime dan waktu cold-start belum dipublikasikan; angka live akan muncul di halaman performance setelah diukur.
| Artefak | Ukuran terukur | Diukur pada |
|---|---|---|
| ArtefakPemasang MSI (x64) | Ukuran terukur12.34 MB | Diukur pada2026-09-03 |
| ArtefakSetup EXE (x64) | Ukuran terukur9.56 MB | Diukur pada2026-09-03 |
Sumber: performance.json, file yang sama dengan yang menggerakkan halaman performance.
Perilaku jaringan
Luring bawaan, daring hanya per fitur
Snipset berjalan offline secara bawaan. Setiap koneksi di bawah bersifat opsional dan terikat pada fitur yang Anda aktifkan. Dengan pemeriksaan pembaruan dimatikan dan tanpa integrasi opsional, aplikasi desktop tidak melakukan panggilan keluar rutin.
| Koneksi | Endpoint | Diperlukan untuk |
|---|---|---|
| KoneksiPemeriksaan pembaruan desktop | Endpointhttps://snipset.belajarcarabelajar.com/api/updater/latest.json (plus previous.json) | Diperlukan untukPemeriksaan pembaruan otomatis, dapat dimatikan |
| KoneksiPemeriksaan pembaruan Android | Endpointhttps://snipset.belajarcarabelajar.com/api/updater-android/latest.json | Diperlukan untukPembaruan Android dalam aplikasi |
| KoneksiUnduhan rilis | EndpointAset rilis GitHub, diproksi melalui updater worker | Diperlukan untukMengambil pemasang dan paket pembaruan bertanda tangan |
| KoneksiLaporan crash | Endpointhttps://snipset.belajarcarabelajar.com/api/updater/crash-report | Diperlukan untukPelaporan crash opt-in |
| KoneksiAktivasi lisensi | Endpointhttps://snipset.belajarcarabelajar.com/api/activate-license dan /api/check-device | Diperlukan untukAktivasi lisensi satu kali |
| KoneksiEngine AI lokal | Endpointhttp://localhost:11434 (loopback) | Diperlukan untukSemua fitur AI berbasis Ollama |
| KoneksiModel teks cloud-hybrid | EndpointEndpoint cloud Ollama | Diperlukan untukHanya bila model teks bawaan gemma4:31b-cloud dipilih |
| KoneksiUnduhan model | EndpointRegistry Ollama, ollama.com, dan Hugging Face | Diperlukan untukMengambil model embedding, teks, atau shorthand |
| KoneksiNotifikasi Telegram | Endpointsnipset-tele-proxy.belajarcarabelajar.workers.dev | Diperlukan untukPengiriman notifikasi Telegram, bila diaktifkan |
| KoneksiPencarian YouTube | Endpointsnipset-yt-search.belajarcarabelajar.workers.dev | Diperlukan untukFitur pencarian YouTube, bila diaktifkan |
| KoneksiPencarian web AI | EndpointDuckDuckGo, Tavily, Brave, SearXNG | Diperlukan untukPencarian web agen AI, bila diaktifkan |
Batas eksplisit
Tidak didukung
Sengaja di luar cakupan, agar Anda dapat merencanakan dengan tepat.
- macOS: belum dikirim. Dukungan macOS ada di peta jalan publik.
- Windows di ARM64 dan x86 32-bit: build hanya x64.
- Linux di ARM: build hanya x64.
- iOS dan iPadOS: tidak ada build.
- Windows 7 dan 8.1: tidak didukung. Tauri 2 dan runtime WebView2 Evergreen membutuhkan Windows 10 atau lebih baru.
- Android di bawah 8.0 (API di bawah 26): tidak didukung.
- Image emulator Android x86 32-bit: engine asli hanya menyediakan arm64-v8a, armeabi-v7a, dan x86_64.
- Peramban: tidak ada aplikasi web penuh. Playground di situs web adalah demo sandbox peramban, bukan produknya.
Siap Mengetik Lebih Sedikit?
Dapatkan lisensi Anda hari ini dan hemat berjam-jam waktu Anda.