Quivr: Open Source Second Brain Powered by Generative AI

1. 개요

Quivr는 오픈소스 RAG(Retrieval-Augmented Generation) 플랫폼으로, 개인 또는 기업의 데이터를 지능형 AI 어시스턴트로 전환해주는 "두 번째 두뇌(Second Brain)"입니다. 사용자는 단순히 문서를 업로드하고 자연어로 질문하는 것만으로 방대한 정보를 손쉽게 검색하고 활용할 수 있습니다.

Quivr는 38,000개 이상의 GitHub 스타를 보유하며 전 세계 개발자들의 주목을 받고 있으며, 50,000명 이상의 사용자와 6,000개 이상의 기업이 Quivr를 활용 중입니다. Y Combinator의 지원을 받는 이 프로젝트는 20년 지기 세 명의 프랑스 친구들이 설립했습니다.

---

2. 왜 Quivr인가? (Pain Point & Solution)

기업 환경에서 업무 시간의 약 20%는 단순히 정보를 찾는 데 소비됩니다. 직원들은 다음과 같은 어려움을 반복적으로 겪습니다:

• 휴가 중인 동료에게 긴급 정보를 요청해야 하는 상황
• 같은 정보를 반복해서 묻고 답하는 비효율
• 필요한 정보가 어디에 있는지, 심지어 존재하는지조차 알지 못함

Quivr는 이러한 문제를 해결하기 위해 기업의 모든 도구, 문서, API, 데이터베이스를 연결하고 이들과 대화할 수 있는 AI 오픈소스 플랫폼을 제공합니다. Quivr는 다음과 같은 작업을 자동화합니다:

• 방대한 문서를 요약하여 핵심만 추출
• 데이터베이스에서 실행 가능한 정보 추출
• 문맥을 고려한 이메일 자동 작성

---

3. 핵심 특징

3.1 Opinionated RAG (최적화된 RAG 워크플로우)

Quivr는 사전 설계된 최적화된 RAG 워크플로우를 제공하여, 개발자가 RAG 파이프라인을 처음부터 구축할 필요가 없도록 합니다. 속도와 효율성을 핵심으로 설계되어 생산 환경에서 즉시 사용 가능합니다.

3.2 모든 파일 포맷 지원

다양한 파일 형식을 지원하며, 필요시 커스텀 파서를 추가할 수 있습니다:

• 텍스트 파일 (.txt)
• PDF 문서
• 마크다운 (.md)
• 프레젠테이션 (.ppt, .pptx)
• 스프레드시트 (.csv, .xlsx)
• Word 문서
• 오디오 및 비디오 파일

3.3 멀티 LLM 지원

Quivr는 다양한 LLM(Large Language Model)을 지원하여 벤더 종속성을 방지합니다:

• OpenAI (GPT-4, GPT-3.5)
• Anthropic (Claude)
• Mistral
• Google (Gemma)
• Groq
• 로컬 모델 (Ollama) — 완전한 데이터 프라이버시 보장

3.4 커스터마이징 가능한 RAG 워크플로우

YAML 설정 파일을 통해 다음과 같은 요소를 세밀하게 조정할 수 있습니다:

• 리랭커(reranker) 모델 및 설정
• 히스토리 깊이(대화 맥락 반영 범위)
• LLM 온도(temperature) 및 최대 입력 토큰 수
• 검색 청크(chunk) 크기 및 개수

3.5 도구 통합 및 인터넷 검색

Quivr는 정적 문서 지식을 넘어, 인터넷 검색 및 외부 도구/API와 연결하여 동적 정보 수집과 실시간 인텔리전스를 구현할 수 있습니다.

3.6 Megaparse 통합

동일한 QuivrHQ에서 개발한 Megaparse는 대규모 문서를 효율적으로 파싱하는 도구로, 수천 개의 파일을 전처리하여 Quivr의 "Brain"에 직접 연결할 수 있습니다.

3.7 프라이버시 및 자체 호스팅

데이터 프라이버시가 중요한 기업 및 개발자를 위해 로컬 배포 및 자체 호스팅을 지원합니다. 데이터는 사용자의 통제 아래 유지되며, 외부 API 호출 없이도 완전한 온프레미스 환경에서 동작 가능합니다.

3.8 기술 스택

계층	기술	특징
프론트엔드	Next.js + Vercel	SSR 기반, 자동 배포
백엔드 API	FastAPI	Python 기반 고성능 API 프레임워크
비동기 작업	Celery + Queue	대용량 파일 임베딩 및 인덱싱 처리
벡터 저장소	PGVector / FAISS	고성능 의미 검색
인증/DB	Supabase	오픈소스 Firebase 대체제

---

4. 개발자를 위한 장점

4.1 빠른 시작 (30초면 OK)

pip install quivr-core
# 단 5줄의 코드로 RAG 시스템 구축 완료

4.2 풍부한 API 지원

Quivr는 RESTful API를 제공하며, Swagger 문서를 통해 쉽게 탐색하고 테스트할 수 있습니다. API 키 기반 인증을 지원하여 애플리케이션에 쉽게 통합 가능합니다.

4.3 확장 가능한 아키텍처

• 커스텀 파일 파서 추가 가능
• RAG 워크플로우 노드 확장 가능
• 벡터 저장소 교체 가능
• 다양한 임베딩 모델 지원 (LangChain 통합)

4.4 활발한 오픈소스 커뮤니티

• GitHub에서 38k+ 스타, 활발한 기여
• 정기적인 업데이트 및 기능 개선
• 이슈 대응 및 PR 리뷰 활발

4.5 개발 생산성 향상

• RAG의 복잡한 내부 구조를 추상화하여 비즈니스 로직에 집중 가능
• YAML 기반 설정으로 코드 변경 없이 RAG 전략 실험 가능
• 다양한 예제 코드 제공 (Chainlit, Streamlit 통합)

---

5. 설치 및 사용 방법

5.1 Python 패키지 설치 (Quick Start)

가장 빠르게 시작하려면 quivr-core 패키지를 설치하세요.

# Step 1: 패키지 설치
pip install quivr-core

# 설치 확인
python -c "import quivr_core; print('Quivr installed!')"

5.2 기본 사용 예시

from quivr_core import Brain

# 1. 문서로 Brain 생성하기
brain = Brain.from_files(
    name="my_smart_brain",
    file_paths=["./my_document.pdf", "./my_notes.txt"]
)

# 2. Brain에게 질문하기
answer = brain.ask("이 문서의 핵심 내용을 요약해줘")
print(answer.answer)

# 3. 대화형 인터페이스 실행
while True:
    question = input("질문: ")
    if question.lower() == "exit":
        break
    response = brain.ask(question)
    print(f"답변: {response.answer}")

5.3 Docker 기반 로컬 배포 (Self-Hosted)

데이터 프라이버시가 중요하거나 완전한 기능을 활용하려면:

# Step 1: 저장소 클론
git clone https://github.com/quivrhq/quivr.git && cd quivr

# Step 2: 환경 설정
cp .env.example .env
# .env 파일에 OPENAI_API_KEY 입력

# Step 3: Docker로 실행
docker compose pull
docker compose up

# Step 4: 접속
# 웹 UI: http://localhost:3000
# API 문서: http://localhost:5050/docs

5.4 커스텀 RAG 워크플로우 설정하기

YAML 파일로 RAG 전략을 커스터마이즈할 수 있습니다:

# custom_rag.yaml
workflow_config:
  name: "advanced_rag"
  max_history: 10
  reranker_config:
    supplier: "cohere"
    model: "rerank-multilingual-v3.0"
    top_n: 5
  llm_config:
    max_input_tokens: 4000
    temperature: 0.3

from quivr_core import Brain
from quivr_core.config import RetrievalConfig

brain = Brain.from_files(
    name="custom_brain",
    file_paths=["./data/*.pdf"]
)

config = RetrievalConfig.from_yaml("./custom_rag.yaml")
answer = brain.ask("질문", retrieval_config=config)

5.5 Chainlit으로 채팅 UI 만들기

cd examples/chatbot
rye sync
rye run chainlit run chainlit.py

5.6 API 키 발급 및 사용

# 1. Quivr 웹앱에 로그인
# 2. /user 페이지에서 API 키 생성
# 3. API 호출 시 Bearer 토큰 사용

curl -X GET https://api.quivr.app/brains/ \
  -H "Authorization: Bearer YOUR_API_KEY"

---

6. 'Brain' 개념 이해하기

Quivr의 핵심 개념은 "Brain"(두뇌)입니다. Brain은 사용자의 지식을 저장하고 처리하는 기본 컴포넌트입니다.

• 하나의 Brain에는 여러 문서를 연결할 수 있음
• 각 Brain은 고유한 RAG 설정과 LLM을 가질 수 있음
• Public/Private 설정 가능 (공유 또는 비공개)
• Brain Marketplace를 통해 다른 사용자의 Brain도 활용 가능

---

7. 참고 자료 (References)

공식 문서

• 공식 홈페이지: https://quivr.app
• Core 문서: https://core.quivr.com
• API Swagger 문서: https://api.quivr.app/docs

GitHub 저장소

• QuivrHQ/quivr: https://github.com/quivrhq/quivr (38k+ stars)
• Megaparse (문서 파싱 도구): https://github.com/quivrhq/megaparse

빠른 링크

• Quick Start: https://core.quivr.com/en/stable/
• Brain API 가이드: POST /brains/ 엔드포인트로 Brain 생성 가능
• 채팅 API: GET /chat/{chat_id}/history로 대화 기록 조회 가능

커뮤니티

• Product Hunt: https://www.producthunt.com/products/quivr
• Y Combinator Launch: https://www.ycombinator.com/launches/KPF-quivr

---

8. 결론

Quivr는 단순한 RAG 도구를 넘어, 개발자 친화적인 AI 프레임워크로 설계되었습니다. 간결함(simplicity)과 확장성(extensibility)을 최우선으로 하여, 개인 개발자부터 대규모 AI 팀까지 생산성 향상에 기여하고 있습니다.

Quivr를 선택해야 하는 이유:

• 오픈소스로 완전한 투명성과 자유로운 커스터마이징
• 30초 설치, 5줄 코드로 즉시 사용 가능
• 데이터 프라이버시 — 온프레미스 배포 지원
• 벤더 종속성 없음 — 모든 주요 LLM과 호환
• 활발한 커뮤니티와 지속적인 업데이트

"아이디어는 Obsidian과 같지만, AI 기능으로 한층 강화된 것"이라는 표현처럼, Quivr는 지식 관리의 새로운 패러다임을 제시합니다. 지금 바로 Quivr로 당신만의 '두 번째 두뇌'를 구축해보세요.