논문 더미에물으면 몇쪽인지까지답해요

중급자용© AIKOREACLUB

Future-House/paper-qa

논문 더미에 물으면 몇 쪽인지까지 답해요

내 컴퓨터의 논문 PDF 폴더를 읽고, 질문에 답하면서 어느 논문 몇 쪽에서 가져왔는지 출처를 붙여 주는 파이썬 도구예요

★ 9,540파이썬 라이브러리 + 터미널 도구(pqa) · Apache-2.0확인 2026-11-03

리뷰 논문을 쓰려고 PDF를 쉰 편쯤 모아 놓고, 다 읽을 엄두가 안 나 챗봇에게 물어본 적 있으시죠. 답은 그럴듯한데 "그거 어느 논문에 나와?"라고 되물으면 말이 흐려져요.페이퍼QA2는 그 되물음에 답하려고 만든 도구예요. 내 폴더에 있는 논문만 읽고, 답 문장마다 어느 논문 몇 쪽에서 가져왔는지 꼬리표를 붙여요. 만든 곳은 과학 연구용 AI를 만드는 FutureHouse이고, 2025년 12월 업데이트로 표와 그림, 수식, 영어가 아닌 논문까지 읽게 됐어요.

같은 질문, 출처가 있고 없고의 차이

질문: DNA나 단백질로 계산하는 신경망을 설계한 사람이 있나요?
README에 실린 예시 질문이에요. 왼쪽은 흔한 챗봇의 답을 저희가 그린 것이고, 오른쪽은 README의 예시 출력을 우리말로 옮긴 거예요.

출처 없는 답

네, DNA 분자를 이용해 신경망을 구현한 연구가 여러 건 있습니다. DNA 가닥 치환 반응으로 인공 뉴런과 연상 기억을 만든 사례가 대표적이며, 단백질 기반 계산도 활발히 연구되고 있습니다.

"어느 논문에 나와요?" → 정확한 출처는 확인이 필요합니다.
읽은 논문이 아니라 기억에 기대 답해요. 단백질 부분은 근거가 있는지 알 수 없어요.

페이퍼QA2의 답 · 꼬리표를 눌러 보세요

DNA로 계산하는 신경망이 설계됐다는 주장은 여러 출처가 뒷받침해요. Qian, Winfree, Bruck의 연구는 DNA 가닥 치환 캐스케이드로 인공 뉴런과 연상 기억 같은 신경망 구성 요소를 만들었어요 . 유전체 특징을 예측하는 데 합성곱 신경망을 쓴 연구도 잘 정리돼 있고요 . 다만 주어진 발췌에는 단백질 기반 신경망 계산이 명시돼 있지 않고, DNA와 단백질 결합 예측처럼 단백질 서열과 관련된 과제만 나와요 .

꼬리표는 시작점이에요. 어느 PDF 몇 쪽인지 알려 주니, 그 쪽을 직접 열어 문장을 확인한 뒤 인용하세요. "발췌에 명시돼 있지 않다"처럼 모르는 것을 모른다고 적는 것도 이 도구의 특징이에요.

오른쪽 답과 꼬리표는 README 예시 출력을 우리말로 옮긴 것이고, 왼쪽 답과 꼬리표 풀이는 저희가 그린 예시예요. 실제 결과는 폴더에 든 논문과 고른 AI 모델에 따라 달라져요.

한눈에

무엇인가요

무엇을 읽나요. 논문 PDF가 중심이지만 텍스트 파일, 워드·엑셀·파워포인트, 소스 코드도 넣을 수 있어요. 폴더를 가리키면 그 안의 파일을 읽어 검색용 색인을 만들어요.답은 어떻게 나오나요. 논문 찾기, 근거 모으기, 답 쓰기 세 단계예요. 근거 모으기에서는 관련 조각을 뽑아 질문 기준으로 요약하고 점수를 매긴 뒤 가장 맞는 것만 남겨요. AI 에이전트가 이 단계들을 순서를 바꾸거나 다시 돌릴 수 있어요.출처 정보는 어디서 오나요. Crossref, Semantic Scholar, Unpaywall에서 논문의 제목·DOI·인용 수·학술지 정보를 자동으로 받아 와요. 철회된 논문인지도 함께 확인해요.

함께 쓰는 도구 · OpenAI API(기본) · 클로드(Anthropic API) · 제미나이 · 올라마 · llama.cpp · LiteLLM이 지원하는 모델 전부 · 조테로(paper-qa[zotero])

이런 분께

논문을 수십 편 모아 두고 "이 주장을 뒷받침하는 연구가 있나"를 빨리 확인해야 하는 대학원생·연구자
챗봇 답변의 출처를 하나하나 확인하느라 지친 분
보고서나 기사에 논문을 인용해야 해서 몇 쪽인지까지 필요한 분

어떻게 작동하나요

색인은 한 번만. pqa를 처음 돌리면 폴더의 PDF를 읽고 논문 정보를 받아 와 색인을 만들어요. 같은 폴더에 다시 물으면 색인을 다시 쓰고, 새로 추가된 파일만 더 읽어요. 색인과 답은 홈 폴더의 .pqa 아래에 저장돼요.설정 묶음을 골라요. high_quality(근거 15개까지 보는 비싼 설정), fast(싸고 빠른 설정), wikicrow(위키백과식 글쓰기), contracrow(모순 찾기), tier1_limits(OpenAI 요금제 등급별 속도 제한)가 들어 있어요. -s 이름 으로 바꿔요.논문 정보를 미리 적어 둘 수 있어요. 제목과 DOI를 AI가 추측하게 두는 대신, 파일 경로·DOI·제목을 적은 CSV(매니페스트)를 주면 Crossref 조회가 정확해져요.

할 수 있는 일

폴더에 질문하기논문 PDF가 든 폴더에서 pqa ask 한 줄로 묻고, 출처 꼬리표가 붙은 답을 받아요

출처 꼬리표답 문장마다 (Qian2011Neural pages 1-2) 같은 식으로 논문 이름과 쪽수가 붙어요

논문 정보 자동 수집Crossref·Semantic Scholar·Unpaywall에서 DOI, 인용 수, 학술지, 철회 여부, 공개 PDF 주소를 받아 와요

전문 검색pqa search로 색인을 뒤져요. 이전에 받은 답들도 저장돼 다시 찾을 수 있어요

모순 찾기contracrow 설정으로 질문 대신 주장을 넣으면 논문들이 그 주장과 어긋나는지 가려 줘요

내 컴퓨터 모델로올라마나 llama.cpp로 띄운 모델을 쓸 수 있어요. 다만 README는 7B급 작은 모델로는 성능이 안 나온다고 해요

바로 쓸 수 있나요

도구 연결 필요

필요한 것터미널과 파이썬 3.11 이상, AI 모델 API 키(기본 OpenAI). 논문 PDF는 직접 구해 폴더에 넣어야 해요. 100편 넘게 색인하려면 Crossref와 Semantic Scholar API 키를 받으라고 권해요

비용저장소는 무료(Apache-2.0). 질문마다 AI 모델 요금이 들고, 기본 설정은 모델 세 개(답 쓰기, 요약, 에이전트)를 써요. 올라마 같은 내 컴퓨터 모델이면 요금은 없지만 큰 모델이 필요해요

시작하기

설치
파이썬 3.11 이상이 필요해요.
```
pip install paper-qa
```
AI 모델 열쇠 넣기
기본은 OpenAI 모델이라 OpenAI API 키를 환경 변수로 둬요. 클로드를 쓰려면 ANTHROPIC_API_KEY, 제미나이는 GEMINI_API_KEY를 두고 설정에서 모델 이름을 바꿔요.
```
export OPENAI_API_KEY=sk-...
```
논문 폴더 만들기
README 예시는 폴더를 만들고 페이퍼QA2 논문 한 편을 내려받아요. 내 논문이 있으면 그 폴더로 가면 돼요.
```
mkdir my_papers
curl -o my_papers/PaperQA2.pdf https://arxiv.org/pdf/2409.13740
cd my_papers
```
질문하기
폴더 안에서 실행해요. 처음엔 색인을 만드느라 시간이 걸리고, 다음부터는 바로 답해요.
```
pqa ask 'What is PaperQA2?'
```
이전 답 다시 찾기
받은 답은 모두 저장돼요. answers 색인을 검색하면 돼요.
```
pqa -i 'answers' search 'ranking and contextual summarization'
```
속도 제한에 걸리면
OpenAI 요금제 1단계라면 tier1_limits 설정을 쓰면 그 한도에 맞춰 느리게 돌아요.
```
pqa --settings 'tier1_limits' ask 'What is PaperQA2?'
```

처음 해 볼 한마디

pqa ask 'What is PaperQA2?'

README 예시는 전부 영어 질문이에요. 2025년 12월 업데이트로 영어가 아닌 논문도 읽는다고 하지만, 한국어로 물었을 때의 예시는 README에 없어요.

처음 쓰는 순서

pip install paper-qa설치하고 API 키 넣기
cd 논문폴더PDF가 든 폴더로 이동
pqa ask첫 질문. 색인이 만들어지고 출처 달린 답이 나와요
pqa search색인이나 이전 답 검색
pqa -s 이름 save자주 쓰는 설정을 이름 붙여 저장

README의 CLI 사용 순서를 처음 쓰는 순서로 묶었어요.

pqa ask 한 줄이 돌아가는 모습

my_papers $

README의 알고리즘 표(논문 찾기 → 근거 모으기 → 답 쓰기)와 기본 설정값을 따라 저희가 그린 예시예요. 파일 이름, 검색어, 점수는 지어낸 것이고 마지막 답만 README 예시 출력을 옮겼어요. 실제 진행 화면과 결과는 폴더의 논문과 고른 AI 모델에 따라 달라져요.

비슷한 도구

페이퍼QA2는 내가 가진 논문 안에서 출처를 정확히 짚는 데 강하고, 아래 둘은 바깥 검색이나 서재 관리까지 넓게 보는 쪽이에요(각 README 기준).

질문 하나에 보고서 한 편, 전부 내 컴퓨터에서내 논문 폴더뿐 아니라 웹과 학술 검색 엔진까지 뒤져 보고서를 쓰는 쪽LearningCircuit/local-deep-research

조테로에 모아 둔 논문, 이제 AI에게 물어봐요폴더 대신 조테로 서재를 AI와 이어 찾고 읽고 하이라이트까지54yyyu/zotero-mcp

주의할 점

AI가 단 출처는 반드시 원문을 열어 확인하세요. 꼬리표는 어느 조각을 근거로 썼는지 알려 줄 뿐, 그 해석이 맞는지는 보장하지 않아요. README 예시 답변도 "주어진 발췌에는 단백질 기반 계산이 명시돼 있지 않다"처럼 한계를 스스로 적어요.
논문 PDF는 직접 구해야 해요. FutureHouse 안에서는 공개할 수 없는 논문 접근 권한을 써서 논문 결과를 냈기 때문에, 같은 성능을 기대하기 어렵다고 FAQ에 적혀 있어요. 문서가 소개하는 paper-scraper라는 외부 도구는 출판사 권리를 침해할 수 있다고 README가 경고해요.
비용이 생각보다 들 수 있어요. 질문 하나에 근거 조각 10개를 각각 요약하고 다시 답을 쓰니 호출이 여러 번이에요. fast 설정이나 evidence_k 줄이기로 조절해요.
2025년 12월부터 날짜 기반 버전(CalVer)으로 바뀌면서 릴리스 사이의 하위 호환을 보장하지 않아요. 옛 버전에서 저장한 Docs 파일은 버전 5 이상에서 못 읽어요.
코드 파일에도 쓸 수 있지만 코드에서는 출처를 추측하지 못해 직접 적어 줘야 하고, 코드 작성용 도구는 아니라고 해요.

낯선 말

RAG · 답을 쓰기 전에 관련 문서를 먼저 찾아 그 내용을 근거로 답하게 하는 방식이에요
색인 · 파일을 미리 읽어 빨리 찾을 수 있게 정리해 둔 목록이에요
임베딩 · 글 조각을 숫자 벡터로 바꿔 뜻이 비슷한 것끼리 가깝게 두는 기술이에요
DOI · 논문마다 붙는 고유 번호예요. 이것만 있으면 정확한 논문을 찾을 수 있어요
Crossref·Semantic Scholar · 논문의 제목, 저자, 인용 수 같은 정보를 모아 둔 공개 데이터베이스예요
LiteLLM · 여러 회사의 AI 모델을 같은 방법으로 부를 수 있게 해 주는 중간 라이브러리예요

AI 답은 참고 자료예요. 법·세금·돈·건강처럼 삶에 큰 영향을 주는 일에서는 AI 답이 정답이 될 수 없어요. 최종 판단은 전문가나 공식 기관에서 확인하세요.