Quivr 2.0.0 於 2026 年 10 月 29 日發佈,把這個累積 39,644 顆星標的專案,從文件問答工具改寫為 Go 內容引擎。新版本取消聊天介面,只以 HTTP 介面接收持續湧入的文件,保留每個版本,建立關鍵字與語意搜尋,並以主題警報與簽名 Webhook 通知上層系統。

Quivr 2.0 是無介面的 Go 內容引擎。應用程式經 /v0 HTTP 介面送入文件,或由 RSS、Microsoft 365 信箱與 X 列表收集,引擎保留全部版本。

Quivr 2.0 是什麼?

Quivr 2.0 於 2026 年 10 月 29 日發佈首個穩定版,是集中儲存、搜尋與監控持續湧入內容的開源引擎。它沒有介面,可經 quivr mcp 供 AI 代理調用。

倉庫在 2023 年 5 月建立,早期定位為文件問答與個人知識庫,讓使用者上傳檔案後以對話方式提問。專案目前由 The Vibe Company 維護,該公司為 Quivr 團隊成立的 AI 代理機構,重寫工作於 2026 年完成。

2.0.0 是重寫後第一個穩定版本,先前的 alpha 版本只供評估,不支援原地升級。發佈說明列出三項可依賴的承諾:HTTP 介面在整個 2.x 系列維持 /v0 路徑且只增不改,跨版本升級會執行 quivr migrate 並在原地保留資料,外掛需宣告支援的 Plugin API 版本,不相容者拒絕啟用。

Quivr README 開頭,顯示專案名稱 Quivr、定位說明「store it, search it, and get alerted」以及收集、搜尋、追蹤主題的功能清單

Quivr 為何從 Python 改寫為 Go?

重寫目標是營運保證。專案改以單一 Go 二進位交付,內含 api、worker、migrate 等六種角色;資料層用 PostgreSQL 加物件儲存,索引可隨時重建。

語言欄已由 Python 換為 Go,這個改動直接反映在部署形態上。過去使用需安裝整套 Python 依賴,現在只需一個二進位檔,配合 Docker Compose 啟動周邊服務,安裝腳本與映像檔皆固定依賴版本。

架構上的核心保證寫在文件裡。文件只有在完成儲存後才會被確認,之後才進入背景處理,因此服務中斷只會延遲處理,不會遺失已確認的內容。搜尋索引與儲存分離,索引損壞或格式升級時可重新建置。搜尋在資料庫重啟後會恢復緩衝區,並限制補水工作的範圍。

專案結構亦反映這種分層。cmd/quivr 放置單一二進位,internal 按領域切成獨立套件,contracts 保存 HTTP 介面與外掛協定的 OpenAPI 描述,client 為由協定自動產生的 Go 客戶端,migrations 管理 PostgreSQL 結構變更。

Quivr GitHub 首頁頂部,顯示 repo 名稱 The-Vibe-Company/quivr、39.6k 星標、Go 主要語言與 MIT 授權標示

Quivr 的搜尋與引用機制如何運作?

搜尋支援關鍵字、語意或兩者混合三種模式。每個結果都會標明來源段落、所屬文件與版本,開發者可直接引用;混合模式在同一請求內同時比對字面與向量相似度。

引用能力是這套設計的分水嶺。多數檢索系統回傳文件片段,讀者難以確認段落出自哪一次修訂;Quivr 把版本視為一等公民,同一份文件的更正會產生新版本,舊版本維持可讀,因此答案永遠可回溯到具體時點。

版本機制與警報互相扣連。文件被撤回時會立即退出搜尋,先前命中該文件的主題警報亦會收到通知。這對法規追蹤、供應鏈監控或新聞監察類應用有實際價值,因為錯誤資訊不會靜默留在索引內。

主題警報功能有什麼實際用途?

主題警報可存成布林查詢或自然語言描述。引擎逐份比對新文件並記錄命中理由,應用程式可主動讀取,或接收帶簽章的 Webhook 通知。

警報把被動搜尋變成主動通知。使用者不需要反覆輸入查詢,只需一次定義關注範圍,之後每份新進文件都會被自動比對,命中時附上判定理由,方便覆核判斷是否合理。

簽名 Webhook 是為生產環境設計的細節。推送帶有簽章,接收端可驗證來源真偽,避免偽造通知觸發下游流程。對於把警報接入工單系統或即時通訊機器人的團隊,這比輪詢介面更省資源。

插件架構如何擴充功能?

檔案格式、來源、嵌入模型、排序與警報規則皆為外掛,形式為小型 HTTP 服務,可用任何語言撰寫。專案另附 Go 與 Python 開發套件。

外掛以協定邊界取代函式庫耦合。核心只負責儲存、排程與協定,實際的解析、切分、向量化與評分交由外掛執行,替換模型或加入新檔案格式時不需修改核心程式碼。

這種設計的代價是部署複雜度。每個外掛都是獨立服務,需要各自的執行環境與健康檢查;換來的是語言中立與故障隔離,單一外掛失效不會拖垮整個引擎,worker 只會延後處理該批文件。

Quivr 有哪些已知限制?

官方限制頁列出四項:只搜尋文字、不支援 OCR、沒有使用者帳號體系、每份文件與每次搜尋設有大小上限。掃描版 PDF 或需要多人權限隔離的場景,目前須自行在外層補足。

缺少帳號體系是一項明確的架構選擇。Quivr 假設呼叫端已處理身分驗證與授權,引擎本身只認 API 金鑰,因此多租戶應用需自行在介面層做隔離,不能依賴引擎內建的權限模型。

OCR 缺席影響最大的是紙本檔案數位化流程。純圖像 PDF 送入後不會產生可搜尋文字,需先以外部工具辨識再匯入。團隊若以掃描發票或舊檔案為主要來源,必須在流程前端加一層處理。

如何在本機啟動 Quivr 2.0?

需求為 Linux x86_64 或 Apple Silicon Mac、Docker Compose v2 與 Python 3.12。首次啟動下載 1GB 映像,執行 make dev。

git clone https://github.com/The-Vibe-Company/quivr.git && cd quivr
make dev
eval "$(make -s env)"

啟動後依照官方快速入門操作,約十五分鐘可完成建立集合、加入文章、以關鍵字與語意各搜尋一次,並設定一個主題警報。執行 make demo 會額外啟動示範網頁,監聽本機 5183 連接埠,用於觀察介面回應。

伺服器部署另有路徑。官方提供已簽章的映像檔,支援 linux/amd64,可依單機、Railway 或 Kubernetes 三種方式安裝,不需保留原始碼目錄。專案以 Go 1.27.3 建置,並修補了相依套件中的已知漏洞。

Quivr 與傳統 RAG 框架有何差別?

傳統 RAG 框架多為函式庫,切分與向量化須自行組裝;Quivr 以獨立服務運行,把版本保留與索引重建納入職責,並內建 MCP 介面。

定位差異決定適用場景。需要完全掌控提示詞與生成流程的團隊,函式庫仍是更合適的選擇;關注點在內容持續進站、需要可信引用與即時通知的系統,服務化的引擎可省下大量基礎建設工作。

與同類產品相比,Quivr 2.0 明確放棄生成層。它不負責撰寫答案,只提供可引用的段落與變更訊號,因此可與任何語言模型搭配,也避免把模型版本綁進資料層。

Quivr 2.0 的規模數據如何?

截至 2026 年 11 月 13 日,倉庫累積 39,644 顆星標、3,729 次分支與 30 位貢獻者。主要語言為 Go,採 MIT 授權,最新版為 2.0.2。

39,644星標數
3,729分支數
30貢獻者
MIT授權條款

版本節奏值得注意。2.0.0 於 10 月 29 日發佈,同日推出 2.0.1,翌日再推出 2.0.2 修正工作目錄消失後的分支行為與 Anthropic OAuth 版本回報,顯示重寫後的維護反應相當快。

倉庫自 2023 年 5 月建立至今,星標增長集中在近兩年,而同期的程式碼幾乎完全替換。這種「高星標配新架構」的組合,意味著大量既有關注者其實從未使用過現在的版本。

Quivr 專案的提交活動圖表,顯示各年度提交分佈與主要貢獻者的提交次數

出處連結有哪些?

原始碼在 GitHub 的 The-Vibe-Company/quivr,文件站為 docs.quivr.thevibecompany.co,發佈檔見 releases。

倉庫網址為 https://github.com/The-Vibe-Company/quivr ,內含 README、版本相容說明、貢獻指南與安全政策。文件站為 https://docs.quivr.thevibecompany.co ,分為概念、快速入門、營運、外掛與參考五個區塊。

版本細節可查閱 https://github.com/The-Vibe-Company/quivr/releases ,2.0.0 的發佈說明列出三項相容承諾與實驗性功能清單。完整變更記錄則在倉庫根目錄的 CHANGELOG.md。

總結:Quivr 2.0 適合什麼團隊?

適合需要持續接收外部內容、要求每條結果可回溯版本、並希望以事件方式驅動下游流程的團隊。若需求集中在單次問答或掃描檔辨識,現階段的文字限制會令其不合適。

這次重寫的意義不在技術棧更換,而在責任範圍的重新劃定。Quivr 選擇承擔儲存、版本、索引與通知,把生成與介面留給上層應用,這種分工讓它更像基礎設施而非應用框架。

判斷是否採用的關鍵在於內容流動方式。若資料是一次性匯入後偶爾查詢,函式庫加上現成向量資料庫更輕便;若內容每天持續進站、需要知道某項變化何時出現、又要對外提供可引用的答案,服務化的引擎能省下自建版本管理與告警管線的成本。

風險同樣需要評估。專案剛完成大規模重寫,alpha 至穩定版僅隔數週,長期穩定性仍待觀察;缺少帳號體系與 OCR 也意味著外層需要補上這兩塊,實際整合工作量比快速入門所示更多。同樣以 Go 重寫換取部署便利的案例,可對照 RAGFlow v1 的 Go 重寫經驗;若流程需要視覺化編排,Dify 1.19 的巢狀追蹤設計 提供另一種對照。