코즈

코즈

Khoj

개인 문서와 파일을 학습해 로컬 환경에서 작동하는 오픈소스 AI 어시스턴트

부분 무료WebDesktop오픈소스LLM 기반멀티모달
웹사이트 방문하기khoj.dev

검증된 사실

최신 버전
2.0.0-beta.28
GitHub
★ 34,646
최근 변경
2026-03-26 신규 데스크톱 AI 협업 도구인 'Pipali' 베타 버전이 공개되었으며, 연구 및 자동화 기능이 강화된 Khoj 2.0.0-beta.28 버전이 출시되었습니다. 소스: https://github

2026-06-15 직접 확인 · 자동 검증 데이터

제품 화면

코즈 제품 화면

2026-06-15 확인

가격 정보

부분 무료시작 가격: Open source (free / self-host)

무료 플랜(Humanist)은 기본 AI 모델과 10MB 데이터 업로드를 제공하며 무제한 대화가 가능합니다. 프리미엄 플랜은 월 $15로 GPT-4, Claude 3.5 등 고급 모델 접근과 1GB 업로드 용량을 지원합니다. 기업용 플랜은 별도 문의를 통해 맞춤형 기능을 제공합니다.

가격표 확인하기

최근 업데이트와 소식

  • 정책 변경
    Khoj Cloud 서비스 종료 — 셀프호스팅 전환

    Khoj Cloud가 2026년 4월 15일 종료됩니다. 사용자는 데이터를 사전 내보내야 하며 셀프호스팅으로 계속 이용할 수 있습니다. 팀은 연구 어시스턴트 Open Paper와 AI 코워커 Pipali에 집중합니다.

    근거: 검색 종합: 'Khoj Cloud is being deprecated on April 15, 2026 ... can continue using Khoj by self-hosting'

소개AI 요약

코즈(Khoj)는 데이터를 클라우드로 보내지 않고 사용자 컴퓨터에서 직접 돌아가는 오픈소스 AI 도구를 만드는 회사입니다. 제품군은 크게 세 가지로 나뉩니다. 첫째, '오픈 페이퍼(Open Paper)'는 연구 논문을 읽고 정리하는 워크벤치로, 답변마다 출처를 달아 어떤 문장이 어느 논문에서 나왔는지 검증할 수 있게 해 줍니다. 둘째, '피팔리(Pipali) 베타'는 사용자 PC에서 실행되는 데스크톱 도구로, 연구와 작성 작업을 돕고 진행 상황을 추적합니다. 셋째, '코즈 앱'은 본인의 문서와 웹을 함께 검색해 질문에 답하는 일종의 '제2의 뇌'로, 에이전트를 만들거나 자동화 작업을 예약하는 식으로 활용합니다. Ollama 같은 로컬 LLM을 붙일 수 있어 모델을 직접 골라 쓸 수 있고, Obsidian·Emacs·Notion 등 기존 도구와도 연동됩니다. 데이터가 로컬을 벗어나지 않기 때문에 연구자, 개발자, 그리고 보안에 민감한 자료를 다루는 개인 사용자에게 특히 맞는 도구입니다.

차별점AI 요약

  • 단순 챗봇을 넘어 연구 논문 인용 및 검증에 특화된 워크벤치 제공
  • 사용자가 데이터를 100% 통제하는 '프라이버시 퍼스트' 로컬 우선 철학
  • 개발자와 연구자 커뮤니티에 깊이 뿌리내린 오픈 소스 확장성

활용 워크플로우

멀티모달 데이터 수집
멀티모달 데이터 수집로컬 PDF 및 마크다운 문서 인덱싱Obsidian 및 Emacs 노트 자동 동기화GitHub 리포지토리 코드 및 이슈 데이터웹 브라우저를 통한 실시간 URL 수집
프라이버시 중심 전처리
프라이버시 중심 전처리로컬 환경 임베딩 생성 (Local Embeddings)벡터 데이터베이스 기반 실시간 인덱싱데이터 세분화 및 청크 최적화사용자 하드웨어 활용 로컬 LLM 처리
RAG 기반 지능형 분석
RAG 기반 지능형 분석교차 문서 시맨틱 검색인용(Citations) 기반 답변 생성 및 검증에이전트를 통한 다단계 추론 프로세스개인화된 대화 맥락 유지
워크플로우 실행 및 배포
워크플로우 실행 및 배포WhatsApp/Desktop 에이전트 알림연구 보고서 및 초안 자동 생성VS Code 및 IDE 내 코드 보조예약된 자동화 작업 실행

핵심 차별점: 사용자의 로컬 장치 내에서 데이터를 처리하여 프라이버시를 보장하면서도, 문서와 웹을 넘나드는 검증 가능한 인용 기반 지능형 검색을 제공합니다.

주요 기능AI 요약

  • 검증 가능한 인용 기반의 연구 논문 관리(Open Paper)
  • 로컬 실행 및 프라이버시 중심의 안전한 데이터 처리
  • 개인화된 AI 에이전트 구축 및 연구 자동화
  • Obsidian, Emacs, Notion 등 다양한 도구와 연동
  • PDF, 마크다운, GitHub 저장소 등 폭넓은 데이터 소스 지원

장점 & 단점AI 분석

공식 정보와 공개 피드백을 함께 정리한 참고 메모입니다

장점

  • 오픈 소스라 내부 동작을 확인하고 직접 고쳐 쓸 수 있습니다
  • 데이터가 로컬에 머물러 외부로 새지 않으므로 민감한 자료를 다루기에 적합합니다
  • 클라우드와 자체 호스팅(Self-hosting) 중 환경에 맞게 선택할 수 있습니다
  • 시맨틱 검색을 지원해 키워드가 정확히 일치하지 않아도 방대한 자료에서 관련 내용을 찾아냅니다

단점

  • 로컬 설치 및 모델 설정 과정이 초보자에게는 다소 복잡함
  • 로컬 LLM 구동 시 원활한 성능을 위해 높은 하드웨어 사양 요구

활용 사례AI 요약

  • 방대한 학술 연구 자료의 체계적 분석 및 정리
  • 개인 메모와 문서를 활용한 맞춤형 지식 베이스 구축
  • 로컬 환경에서의 안전한 작업 자동화 및 진행 상황 추적
  • 데이터 보안이 중요한 사내 문서 통합 검색 및 분석

사용자 리뷰

리뷰를 불러오는 중...

대안 도구

이 도구 대신 사용할 수 있는 대안