Wird Quivr noch gepflegt?
Für Quivr existiert keine formelle Einstellungs- oder Archivierungsmeldung, anders als bei manchen anderen Open-Source-KI-Tools mit datierter Abwicklungsankündigung. Die beobachtbaren Fakten weisen jedoch in dieselbe Richtung: Der GitHub-Hauptzweig hat seit dem 19. Juni 2025 keinen Commit mehr erhalten, und das Unternehmen dahinter bewirbt inzwischen ein unabhängiges Produkt.
Das Repository selbst ist auf GitHub nicht als "archiviert" markiert — es nimmt weiterhin Issues und Diskussionen an, und der Apache-2.0-Code lässt sich heute vollständig installieren. Behandeln Sie es als ruhendes, ungepflegtes Projekt, nicht als formell eingestelltes: Der Unterschied ist relevant dafür, wie viel Risiko eine Abhängigkeit davon bedeutet.
Letzter Commit im Hauptzweig
- Befund:
- 19. Juni 2025 — seither kein Commit mehr, laut GitHub-Commits-API
GitHub-Organisation
- Befund:
- Repository von QuivrHQ zu The-Vibe-Company verschoben; alte Links leiten automatisch weiter
Letztes PyPI-Release
- Befund:
- quivr-core 0.0.26, veröffentlicht am 10. Dezember 2024
Neuere Version ohne PyPI
- Befund:
- core-0.0.33 wurde am 4. Februar 2025 auf GitHub getaggt, aber nie auf PyPI veröffentlicht
Repository-Status
- Befund:
- Nicht formell archiviert — 35 offene Issues und Diskussionen bleiben aktiviert
Aktuelles Produkt des Unternehmens
- Befund:
- quivr.com bewirbt inzwischen ein unabhängiges KI-Kundensupport-Produkt, ohne Bezug zur RAG-Bibliothek
📌Hinweis: Das verändert die Erwartung für jeden folgenden Abschnitt: Der Apache-2.0-Code läuft heute, aber behandeln Sie ihn als eingefrorene Abhängigkeit ohne aktiven Support, nicht als aktiv weiterentwickeltes Produkt.
Was ist Quivr?
Quivr ist eine quelloffene Python-Bibliothek (Apache-2.0-Lizenz, als quivr-core auf PyPI veröffentlicht) zum Einbau von Retrieval-Augmented Generation in eigenen Code — keine eigenständige Web-App, die man bereitstellt und im Browser öffnet. Das Projekt beschreibt sich selbst als Hilfe beim Aufbau eines "zweiten Gehirns", doch dieses zweite Gehirn ist eine Bibliothek, die man importiert, kein gehostetes Produkt.
- Installation per pip install quivr-core — kein Docker, Frontend oder Backend-Dienst im aktuellen Repository
- Zentrale Abstraktion ist die Brain-Klasse: Brain.from_files(...) erfasst Dokumente, brain.ask(...) fragt sie ab
- Funktioniert laut README direkt mit den APIs von OpenAI, Anthropic und Mistral, oder mit lokalen Modellen über Ollama
- Verarbeitet PDF, TXT und Markdown nativ, erweiterbar über eigene Parser oder das Begleitprojekt Megaparse für anspruchsvollere Dokumente
- Retrieval-Workflows (Verlaufsfilterung, Query-Umschreibung, Retrieval, Generierung) werden per YAML-Datei konfiguriert, nicht über eine Einstellungsoberfläche
- Optionaler Reranker-Schritt (dokumentiert ist die Cohere-Integration) zum Neuordnen abgerufener Textabschnitte vor der Generierung
Welche Dokumenttypen, LLMs und Vektordatenbanken unterstützt Quivr?
Quivr verarbeitet PDF-, TXT- und Markdown-Dateien direkt, verbindet sich mit den APIs von OpenAI, Anthropic und Mistral oder einem lokalen Ollama-Modell und integriert laut eigener Dokumentation und Repository-Beschreibung PGVector und FAISS als Vektorspeicher.
- Dokumente: PDF, TXT, Markdown nativ; weitere Formate über einen selbst geschriebenen Parser oder über Megaparse (ein separates QuivrHQ-Projekt) für OCR-lastige oder komplexe Layouts
- LLM-APIs: OpenAI, Anthropic und Mistral werden im README ausdrücklich als unterstützte Anbieter genannt
- Lokale Modelle: Ollama ist als unterstütztes Backend dokumentiert, sodass der LLM-Schritt ohne Cloud-API-Aufruf läuft
- Vektorspeicher: Die Repository-Beschreibung nennt PGVector und FAISS; das Projekt ist grundsätzlich vektorspeicher-agnostisch angelegt, die Anbindung einer Alternative ist jedoch eigene Konfigurationsarbeit
- Reranking: Ein optionaler Cohere-Reranker-Schritt kann abgerufene Textabschnitte vor dem LLM neu ordnen
Wie installiert und hostet man Quivr jetzt selbst?
Quivr hat keinen Server, den man bereitstellt — "Self-Hosting" bedeutet, die Python-Bibliothek innerhalb des eigenen Skripts, Dienstes oder Anwendung auszuführen, vollständig auf selbst kontrollierter Infrastruktur. Diese Schritte führen zu einer funktionierenden Brain, die Fragen zu lokalen Dateien beantwortet.
- 1Python 3.10 oder neuer installieren, dann das Paket installieren: pip install quivr-core.
- 2Einen API-Schlüssel als Umgebungsvariable setzen, je nach LLM-Anbieter — OPENAI_API_KEY, ANTHROPIC_API_KEY oder ein Mistral-Schlüssel — oder Quivr auf einen lokalen Ollama-Endpunkt verweisen, um einen Cloud-LLM-Aufruf ganz zu vermeiden.
- 3Eine Brain aus den eigenen Dateien erstellen: Brain.from_files(name="my_brain", file_paths=["doc1.pdf", "doc2.md"]) erfasst und indexiert die Dokumente im laufenden Prozess.
- 4Eine Datei workflow_config.yaml schreiben, die die Retrieval-Schritte (filter_history, rewrite, retrieve, generate) sowie optionale Reranker- und LLM-Einstellungen wie max_input_tokens und temperature definiert.
- 5Die Konfiguration mit RetrievalConfig.from_yaml("workflow_config.yaml") laden und brain.ask("Ihre Frage", retrieval_config=retrieval_config) aufrufen, um die eigenen Dokumente abzufragen.
- 6Den Index selbst persistieren, falls er einen Neustart überstehen soll — quivr-core hält alles nur für die Laufzeit des Skripts im Speicher, sofern kein Vektorspeicher wie PGVector oder FAISS zur Speicherung angebunden wird.
Braucht man einen Server oder Docker, um Quivr auszuführen?
Nein. quivr-core ist ein Python-Paket, das in ein Skript oder eine Anwendung importiert wird — pip install quivr-core ist die gesamte Bereitstellung. Es gibt kein mitgeliefertes Frontend, keinen Backend-Dienst und keine docker-compose-Datei für eine browserbasierte Chat-Oberfläche, ein deutlicher Unterschied zu AnythingLLM oder Khoj.
Kann Quivr mit einem lokalen LLM vollständig offline laufen?
Ja, für den Generierungsschritt — das README dokumentiert Ollama-Unterstützung für lokale Modelle, sodass der LLM-Aufruf selbst auf dem eigenen Rechner bleiben kann. Der optionale Cohere-Reranker-Schritt ist ein Cloud-API-Aufruf, sofern man ihn nicht überspringt.
Für wen eignet sich Quivr?
Die aktuelle Form des Projekts — eine code-first-Bibliothek ohne aktive Pflege — grenzt ein, für wen Quivr passt. Für eine bestimmte Nutzergruppe ist es eine vertretbare Wahl, für die meisten Suchenden nach einer selbst gehosteten Dokumenten-Chat-App jedoch nicht.
Quivr nutzen, wenn
- Sie Python-Entwickler sind und eine RAG-Pipeline direkt in den eigenen Anwendungscode einbauen möchten, statt eine separate Chat-App bereitzustellen
- Sie quivr-core bereits in einem Projekt einsetzen und es nur weiterlaufen, nicht neue Funktionen erhalten muss
- Sie eine leichtgewichtige, skriptbare RAG-Schicht ohne zusätzlichen Dienst wollen
- Sie bereit sind, von einer Bibliothek ohne Commits seit Mitte 2025 und ohne zugesagten künftigen Maintainer abhängig zu sein
Quivr meiden, wenn
- Sie eine fertige, browserbasierte Oberfläche zum "Chatten mit den eigenen Dokumenten" wollen — Quivr liefert in der aktuellen Form überhaupt kein Frontend
- Sie künftig aktive Fehlerbehebungen, neue LLM-Integrationen oder Herstellersupport benötigen
- Eine Compliance- oder Lieferanten-Risikoprüfung Nachweise für aktuelle Pflegeaktivität verlangt
- Sie eine selbst gehostete Alternative zu einem Cloud-Chat-Assistenten mit Datei-Upload erwartet haben — hier eignen sich AnythingLLM oder Khoj besser
Quivr vs. Alternativen
Jede der folgenden Alternativen liefert eine bereitstellbare Chat-Oberfläche und hatte im letzten Monat vor dieser Prüfung Commits — das Gegenteil des aktuellen Zustands von Quivr.
Tool | Oberfläche | Lizenz | Am besten für | Pflegestatus |
|---|---|---|---|---|
| Quivr | Python-Bibliothek, keine UI | Apache 2.0 | Entwickler, die RAG in eigene App einbauen | Kein Commit im Hauptzweig seit Mitte 2025 |
| AnythingLLM | Vollständige Chat-UI, Docker | MIT | Fertiger selbst gehosteter Wissensassistent | Aktiv |
| Khoj | Chat-UI + Agenten | AGPL-3.0 | Selbst gehostetes "zweites Gehirn" mit Automatisierung | Aktiv |
| PrivateGPT | API + Chat-UI | Apache 2.0 | Strikt Offline-/Air-Gap-Einsätze | Aktiv |
Häufige Fehler bei der Bewertung von Quivr heute
Diese Fehler entstehen dadurch, ältere Beiträge über Quivr — einschließlich seines eigenen historischen Marketings — als Beschreibung dessen zu behandeln, was das Repository heute liefert.
Fehler 1: Annehmen, Quivr sei weiterhin eine selbst gehostete Chat-App
Viele Beschreibungen von Quivr im Netz, auch ältere Vergleichsartikel, beschreiben eine vollständige Version mit Browser-Frontend und Supabase-gestützter API. Diese Version liefert das Repository heute nicht mehr — nur die Python-Bibliothek bleibt übrig.
Fehler 2: GitHub-Sterne mit aktiver Pflege verwechseln
Quivr hat über seine mehrjährige Geschichte eine hohe Anzahl an Sternen gesammelt. Sterne messen historische Beliebtheit, nicht aktuelle Commit-Aktivität — prüfen Sie die Commit-Historie direkt, wie in dieser Prüfung geschehen, statt aus dem Stern-Badge auf den Zustand zu schließen.
Fehler 3: Erwarten, dass pip die neueste getaggte Version installiert
pip install quivr-core installiert Version 0.0.26. Ein neuerer Tag core-0.0.33 existiert auf GitHub, wurde aber nie auf PyPI veröffentlicht — eine Installation direkt aus dem GitHub-Repository liefert also eine andere Version als das pip-Paket.
Häufig gestellte Fragen
Wird Quivr noch gepflegt?
Es gibt keine formelle Einstellungsankündigung, aber der GitHub-Hauptzweig hat seit dem 19. Juni 2025 keinen Commit mehr erhalten, und das Unternehmen dahinter (jetzt als The Vibe Company firmierend) bewirbt auf quivr.com zum Zeitpunkt dieser Prüfung ein unabhängiges KI-Kundensupport-Produkt. Behandeln Sie es als ruhend, nicht als aktiv weiterentwickelt.
Ist Quivr eine selbst gehostete App oder eine Bibliothek?
Eine Bibliothek. quivr-core ist ein Python-Paket (pip install quivr-core), aufgebaut um eine Brain-Klasse für Retrieval-Augmented Generation. Das aktuelle Repository liefert kein Frontend, keinen Backend-Dienst und keine docker-compose-Datei.
Unter welcher Lizenz steht Quivr?
Apache License 2.0, laut der LICENSE-Datei im Repository. Das automatische Lizenz-Badge von GitHub zeigt für dieses Repository "Other" an, doch der Text der LICENSE-Datei selbst ist die Standard-Apache-2.0-Lizenz.
Unterstützt Quivr lokale LLMs?
Ja. Das README dokumentiert Ollama-Unterstützung für lokale Modelle, zusätzlich zur direkten API-Unterstützung für OpenAI, Anthropic und Mistral.
Welche Dateitypen kann Quivr verarbeiten?
PDF, TXT und Markdown nativ. Andere Formate erfordern einen selbst geschriebenen Parser oder das Begleitprojekt Megaparse für anspruchsvollere Dokumente wie gescannte PDFs.
Welche Vektordatenbanken unterstützt Quivr?
Die Repository-Beschreibung nennt PGVector und FAISS. Das Projekt ist im Prinzip vektorspeicher-agnostisch angelegt, die Anbindung eines alternativen Speichers bleibt jedoch eigene Konfigurationsarbeit.
Wie unterscheidet sich Quivr von AnythingLLM oder Khoj?
AnythingLLM und Khoj liefern beide eine bereitstellbare Chat-Oberfläche und hatten im letzten Monat vor dieser Prüfung Commits. Quivr liefert nur die Python-Bibliothek, ohne mitgeliefertes Frontend und ohne Commits im Hauptzweig seit Juni 2025.
Kann man Quivr heute noch installieren?
Ja. pip install quivr-core installiert Version 0.0.26, und der Code läuft wie dokumentiert. Fehlerbehebungen, neue Integrationen oder Support wird es künftig nicht mehr geben.
Ist quivr.com dasselbe wie das Open-Source-Projekt?
Es wird vom selben Unternehmen betrieben. Zum Zeitpunkt dieser Prüfung bewirbt quivr.com ein KI-Kundensupport-Produkt und erwähnt die Open-Source-RAG-Bibliothek oder einen selbst gehosteten Wissensassistenten nicht.
Muss ich beim Einsatz von Quivr die DSGVO beachten?
Da quivr-core als Bibliothek in Ihrer eigenen Anwendung läuft, verarbeiten Sie die Daten selbst — das vereinfacht Artikel 28 DSGVO (Auftragsverarbeitung), solange keine externen LLM-APIs außerhalb der EU eingebunden werden. Weil niemand mehr Sicherheitslücken patcht, sollten Unternehmen mit DSGVO-Pflichten eine unbetreute Abhängigkeit wie jede andere ungepflegte Open-Source-Komponente im Sicherheitskonzept berücksichtigen. Dies ist keine Rechtsberatung; lassen Sie die konkrete datenschutzrechtliche Einordnung für Ihren Anwendungsfall von einem Datenschutzbeauftragten oder einer Kanzlei prüfen.
Eignet sich Quivr für den deutschen Mittelstand?
Nur eingeschränkt. Für Entwickler, die eine RAG-Komponente in ein bestehendes Produkt einbauen, ist der Code weiterhin nutzbar. Für nicht-technische Teams, die eine fertige Oberfläche ohne eigene Entwicklung brauchen, ist Quivr in der aktuellen Form ungeeignet — hier passen AnythingLLM oder Khoj besser.