obsei/obsei

obsei – 프라이빗, AI 네이티브 피드백 분석

개요 – obsei 는 고객 텍스트(리뷰, 티켓, 설문조사, 통화 기록 등)를 수집하고, 개인식별정보를 비식별화하며, AI 모델로 콘텐츠를 강화하고, Webhook, 웹 UI (Studio) 및 MCP/Claude 플러그인을 통해 결과를 제공하는 오픈소스 셀프 호스팅 플랫폼입니다. 모든 처리가 자체 인프라 내에서 이루어지므로 원본 데이터가 환경 외부로 유출되지 않습니다.

중요성 – 기업은 고객의 목소리를 이해해야 하지만, 개인정보 보호 규정(GDPR, CCPA 등)이나 SaaS 분석 도구 또는 공개 LLM API로 원본 텍스트를 전송하는 것을 금지하는 기업 정책으로 인해 어려움을 겪는 경우가 많습니다. obsei는 다음과 같은 방법으로 이를 해결합니다:

• 스토리지 암호화 및 내장 감사 로그 제공,
• 제어 가능한 모든 LLM 또는 경량 의사결정 모델(Ollama, OpenAI, Azure, Bedrock, vLLM 등)을 플러그인 방식으로 연결,
• PII 자동 비식별화 및 선택적 작성자 가명 처리.

핵심 구성 요소

구성 요소	기능
Sources	CSV/JSONL 파일, REST 엔드포인트, Webhook, 앱스토어 API, GitHub, Hacker News, Bluesky, YouTube, RSS/Atom, SQL 데이터 웨어하우스, IMAP 메일함, 모든 MCP 서버, Zendesk, Freshdesk, Intercom, Gong 등에서 데이터 수집(Reddit은 커뮤니티 플러그인 사용).
Enrichers	AI 모델을 실행하여 감정, 의도, 언어, 사용자 정의 태그 또는 이진/점수 필드를 분류합니다. 빠른 CPU 전용 의사결정 모델(Julia-1, Clef) 또는 LiteLLM 호환 엔드포인트를 통한 전체 LLM을 지원합니다. 신뢰도가 낮은 결과는 더 강력한 모델이나 사람의 검토로 에스컬레이션할 수 있습니다.
Sinks	강화된 레코드를 Slack, GitHub issues, Jira, Linear, Parquet 파일, SQL 데이터베이스/웨어하우스 또는 임의의 Webhook(HMAC 서명)으로 전달합니다. 라우팅 규칙을 통해 라벨, 신뢰도 점수 등에 따라 레코드를 분류할 수 있습니다.
Analysis	임베딩을 사용한 오프라인 또는 다국어 테마 클러스터링(50개 이상 언어), 근사 중복 탐지, k-익명 뷰, 그리고 인용된 답변을 반환하는 쿼리 인터페이스 (obsei ask)를 제공합니다. 읽기 전용 Studio UI는 지식 그래프, 트렌드, 의사결정 및 라우팅 패널을 시각화합니다.
Privacy layer	지역별 PII 비식별화(미주, 유럽, 영국, APAC, 인도, 아프리카), 선택적 이름 비식별화, 솔트 처리된 작성자 가명, 암호화된 DuckDB 스토리지, 데이터 삭제/내보내기/감사를 위한 명령어를 제공합니다.
Server	obsei serve는 예약된 파이프라인, 서명된 Webhook 수신, MCP HTTP API, Studio UI, 역할 기반 액세스 제어 및 선택적 SSO-proxy 통합을 실행합니다.

일반적인 워크플로우

1. 초기화 프로젝트 (obsei init) – obsei.yaml 및 샘플 다국어 데이터셋을 생성합니다.
2. 구성 데이터 소스를 설정하고, 강화 모델(예: 로컬 Ollama 또는 LiteLLM을 통한 OpenAI)을 선택하며, 싱크(Sinks)를 설정합니다.
3. 실행 파이프라인 (obsei run) – 데이터가 수집, 비식별화, 강화 및 저장됩니다.
4. 서비스 시스템 (obsei serve) – 파이프라인 예약, Webhook 수신 및 Studio UI 액세스가 가능해집니다.
5. 쿼리 인사이트 (obsei ask 또는 Studio UI 사용) – 에이전트가 개인정보 필터를 준수하면서 인용과 함께 질문에 답변합니다.

설치 – 이 프로젝트는 PyPI 및 Docker 이미지로 배포됩니다.

# Python package (install the 1.x pre-release)
uv tool install "obsei[mcp]>=1.0.0rc1"   # or pip install "obsei[mcp]>=1.0.0rc1"

# Docker (run from your repo directory)
docker run --rm -v "$PWD:/data" -w /data --user "$(id -u):$(id -g)" \
  -e OBSEI_DB_KEY -e OBSEI_PSEUDONYM_SALT ghcr.io/obsei/obsei:1.0.0-rc.3 run

환경 변수 OBSEI_DB_KEY 및 OBSEI_PSEUDONYM_SALT는 암호화된 DuckDB 저장소와 작성자 가명을 보호합니다.

권장 사용자

• 데이터 개인정보 보호법을 준수하면서 여러 앱스토어의 사용자 리뷰를 분석해야 하는 제품 팀.
• 원본 티켓을 외부 서비스에 노출하지 않고 자동화된 티켓 분류, 감정 라우팅 및 에스컬레이션을 원하는 지원 또는 헬프데스크 운영 팀.
• 공개 피드(Reddit, YouTube, Twitter 유사 플랫폼)에서 소셜 리스닝을 수행하고 다국어 테마 클러스터링이 필요한 마케팅 또는 CX 그룹.
• 에어갭 환경이나 엄격한 규제 환경에 있으면서도 분류, 요약 또는 Q&A를 위해 LLM을 활용하고자 하는 기업.

로드맵 스냅샷 – 1.0 릴리스 후보(단계 0.1-0.5)는 이미 프라이빗 코어, MCP/Claude 플러그인, 기업용 BYO 모델 지원, 테마 클러스터링 및 라우팅을 제공합니다. 향후 작업에는 라이브 커넥터 검증 및 최종 1.0.0 출시 전 추가 릴리스 후보가 포함됩니다.

링크 – Docs: https://docs.obsei.com/ • Live demo: https://docs.obsei.com/demo/ • Website: https://obsei.com/ • Blog: https://blog.obsei.com/ • Discussions: https://github.com/obsei/obsei/discussions