Construa aplicações de RAG opinativas rapidamente usando Python e LLMs plugáveis.
Integre fluxos de trabalho personalizados de Geração Aumentada por Recuperação aos seus aplicativos existentes.
Quivr-core é uma biblioteca Python projetada para ajudar você a construir e configurar pipelines de RAG com o mínimo de código. É ideal para desenvolvedores que buscam incorporar consultas a documentos e assistentes de IA em suas aplicações.
A biblioteca permite criar um cérebro a partir de arquivos PDF, TXT ou Markdown usando apenas algumas linhas de Python. Suporta estratégias de recuperação personalizáveis, definições de fluxo de trabalho baseadas em YAML e integração com a ferramenta de ingestão Megaparse.
É adequada para desenvolvedores e engenheiros que constroem produtos de IA personalizados e desejam evitar o código repetitivo de RAG de baixo nível. Não é adequada para usuários não técnicos que procuram um aplicativo de chat de desktop pronto para uso.
Constrói pipelines de RAG rápidos e eficientes com o mínimo de código usando quivr-core.
Conecta-se com OpenAI, Anthropic, Mistral ou modelos locais via Ollama.
Processa PDFs, documentos de texto e arquivos markdown nativamente.
Define estratégias de recuperação, limites de histórico e rerankers por meio de arquivos de configuração.
O software é gratuito sob sua licença, mas você incorrerá em custos pelas APIs de LLM ou serviços de rerank que escolher conectar a ele.
877 vagas remotas abertas de treinamento de IA, atualizadas em 16 de novembro de 2026; a maioria paga $20–$175 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Estas ferramentas de IA avaliadas fazem o mesmo trabalho na hora — do nosso diretório avaliado.
Ele suporta APIs da OpenAI, Anthropic e Mistral, além de modelos locais via Ollama.
Sim, você pode definir estratégias de recuperação personalizadas, limites de histórico e rerankers usando um arquivo de configuração YAML.
Veja o Zekai primeiro no Google