Quivr: 生成AIによるオープンソースの「第二の脳」

1. 概要

Quivrはオープンソースの RAG(Retrieval-Augmented Generation)プラットフォームであり、個人または企業のデータをインテリジェントなAIアシスタントに変える「第二の脳(Second Brain)」である。ユーザーは単に文書をアップロードして自然言語で質問するだけで、膨大な情報を簡単に検索・活用できる。

QuivrはGitHubスター38,000以上を保有し、全世界の開発者から注目を集めている。50,000人以上のユーザーと6,000社以上の企業がQuivrを活用中である。Y Combinatorの支援を受けるこのプロジェクトは、20年来の友人であるフランス人3人によって設立された。

---

2. なぜQuivrなのか?(Pain Point & Solution)

企業環境において、業務時間の約20%は単に情報を探すことに消費される。従業員は以下のような困難を繰り返し経験している。

• 休暇中の同僚に緊急の情報を求めなければならない状況
• 同じ情報を繰り返し尋ね、答えるという非効率
• 必要な情報がどこにあるのか、あるいは存在するのかさえ分からない

Quivrはこうした問題を解決するため、企業のすべてのツール・文書・API・データベースを接続し、それらと対話できるAIオープンソースプラットフォームを提供する。Quivrは以下のような作業を自動化する。

• 膨大な文書を要約し核心のみを抽出
• データベースから実行可能な情報を抽出
• 文脈を考慮したメールの自動作成

---

3. 核心機能

3.1 Opinionated RAG(最適化されたRAGワークフロー)

Quivrは事前設計された最適化済みRAGワークフローを提供し、開発者がRAGパイプラインをゼロから構築する必要をなくす。速度と効率性を核心に設計され、プロダクション環境で即座に使用可能である。

3.2 全ファイル形式のサポート

多様なファイル形式をサポートし、必要に応じてカスタムパーサーを追加できる。

• テキストファイル(.txt)
• PDF文書
• Markdown(.md)
• プレゼンテーション(.ppt、.pptx)
• スプレッドシート(.csv、.xlsx)
• Word文書
• 音声・動画ファイル

3.3 マルチLLMサポート

Quivrはベンダー依存を防ぐため、多様なLLM(大規模言語モデル)をサポートする。

• OpenAI(GPT-4、GPT-3.5)
• Anthropic(Claude)
• Mistral
• Google(Gemma)
• Groq
• ローカルモデル(Ollama)——完全なデータプライバシーを保証

3.4 カスタマイズ可能なRAGワークフロー

YAML設定ファイルを通じて以下の要素を細かく調整できる。

• リランカー(reranker)モデルおよび設定
• 履歴の深さ(会話コンテキストの反映範囲)
• LLMの温度(temperature)および最大入力トークン数
• 検索チャンク(chunk)のサイズおよび個数

3.5 ツール統合とWeb検索

Quivrは静的な文書知識を超えて、インターネット検索や外部ツール・APIと連携し、動的な情報収集とリアルタイムインテリジェンスを実現できる。

3.6 Megaparse統合

同じQuivrHQが開発したMegaparseは、大規模文書を効率的にパースするツールで、数千個のファイルを前処理してQuivrの「Brain」に直接接続できる。

3.7 プライバシーとセルフホスティング

データプライバシーが重要な企業・開発者向けに、ローカル配備とセルフホスティングをサポートする。データはユーザーの管理下に維持され、外部API呼び出しなしで完全なオンプレミス環境でも動作可能である。

3.8 技術スタック

層	技術	特徴
フロントエンド	Next.js + Vercel	SSRベース、自動デプロイ
バックエンドAPI	FastAPI	Pythonベースの高性能APIフレームワーク
非同期処理	Celery + Queue	大容量ファイルの埋め込み・インデックス処理
ベクトルストア	PGVector / FAISS	高性能な意味検索
認証/DB	Supabase	オープンソースのFirebase代替

---

4. 開発者にとっての利点

4.1 クイックスタート(30秒でOK)

pip install quivr-core
# わずか5行のコードでRAGシステム構築完了

4.2 豊富なAPIサポート

QuivrはRESTful APIを提供し、Swaggerドキュメントを通じて簡単に探索・テストできる。APIキーベースの認証をサポートし、アプリケーションへの統合が容易である。

4.3 拡張可能なアーキテクチャ

• カスタムファイルパーサーの追加が可能
• RAGワークフローノードの拡張が可能
• ベクトルストアの交換が可能
• 多様な埋め込みモデルをサポート(LangChain統合)

4.4 活発なオープンソースコミュニティ

• GitHubで38k+のスター、活発な貢献
• 定期的な更新および機能改善
• イシュー対応およびPRレビューが活発

4.5 開発生産性の向上

• RAGの複雑な内部構造を抽象化し、ビジネスロジックに集中可能
• YAMLベースの設定によりコード変更なしでRAG戦略を実験可能
• 多様な例コードを提供(Chainlit、Streamlit統合)

---

5. インストールと使用方法

5.1 Pythonパッケージのインストール(クイックスタート)

最も速く始めるには、quivr-coreパッケージをインストールする。

# ステップ1:パッケージのインストール
pip install quivr-core

# インストール確認
python -c "import quivr_core; print('Quivr installed!')"

5.2 基本的な使用例

from quivr_core import Brain

# 1. 文書からBrainを作成する
brain = Brain.from_files(
    name="my_smart_brain",
    file_paths=["./my_document.pdf", "./my_notes.txt"]
)

# 2. Brainに質問する
answer = brain.ask("この文書の核心内容を要約してください")
print(answer.answer)

# 3. 対話型インターフェースを実行する
while True:
    question = input("質問: ")
    if question.lower() == "exit":
        break
    response = brain.ask(question)
    print(f"回答: {response.answer}")

5.3 Dockerベースのローカル配備(Self-Hosted)

データプライバシーが重要、または完全な機能を活用したい場合:

# ステップ1:リポジトリのクローン
git clone https://github.com/quivrhq/quivr.git && cd quivr

# ステップ2:環境設定
cp .env.example .env
# .envファイルにOPENAI_API_KEYを入力

# ステップ3:Dockerで実行
docker compose pull
docker compose up

# ステップ4:アクセス
# Web UI: http://localhost:3000
# APIドキュメント: http://localhost:5050/docs

5.4 カスタムRAGワークフローの設定

YAMLファイルでRAG戦略をカスタマイズできる。

# 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("質問", retrieval_config=config)

5.5 ChainlitでチャットUIを作る

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

5.6 APIキーの発行と使用

# 1. QuivrのWebアプリにログイン
# 2. /userページでAPIキーを生成
# 3. API呼び出し時にBearerトークンを使用

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

---

6. 「Brain」コンセプトを理解する

Quivrの核心コンセプトは「Brain」(脳)である。Brainはユーザーの知識を保存・処理する基本コンポーネントである。

• 1つのBrainに複数の文書を紐付け可能
• 各BrainごとにRAG設定とLLMを個別に持てる
• 公開/非公開設定が可能(共有または非公開)
• Brain Marketplaceを通じて他のユーザーのBrainも活用可能

---

7. 参考資料(References)

公式ドキュメント

• 公式ホームページ: https://quivr.app
• Coreドキュメント: https://core.quivr.com
• API Swaggerドキュメント: https://api.quivr.app/docs

GitHubリポジトリ

• QuivrHQ/quivr: https://github.com/quivrhq/quivr(38k+ stars)
• Megaparse(文書パースツール): https://github.com/quivrhq/megaparse

クイックリンク

• Quick Start: https://core.quivr.com/en/stable/
• Brain APIガイド: POST /brains/ エンドポイントでBrainを作成可能
• チャットAPI: GET /chat/{chat_id}/history で会話履歴を照会可能

コミュニティ

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

---

8. 結論

Quivrは単純なRAGツールを超え、開発者フレンドリーなAIフレームワークとして設計されている。簡潔さ(simplicity)と拡張性(extensibility)を最優先とし、個人開発者から大規模AIチームまで、生産性向上に貢献している。

Quivrを選ぶべき理由:

• オープンソースによる完全な透明性と自由なカスタマイズ
• 30秒のインストール、5行のコードで即座に使用可能
• データプライバシー——オンプレミス配備をサポート
• ベンダー依存なし——主要なすべてのLLMと互換
• 活発なコミュニティと継続的な更新

「アイデアはObsidianと同じだが、AI機能でさらに強化されたもの」という表現の通り、Quivrは知識管理の新しいパラダイムを提示している。今すぐQuivrで自分だけの「第二の脳」を構築してみよう。