지식 베이스 개요 (RAG)

지식 베이스란?

**지식 베이스(RAG)**는 문서를 업로드하면 자동으로 임베딩·청킹·인덱싱을 수행해, 에이전트·챗봇·워크플로우가 답변 시 관련 문서를 검색해 활용할 수 있게 하는 기능입니다. Retrieval-Augmented Generation의 줄임말입니다.

활용 사례:

• 사내 위키 / 메뉴얼
• 제품 스펙 문서
• 법률 / 규정 자료
• 연구 논문 모음

지식 베이스 만들기

1. 좌측 메뉴에서 지식 베이스 (/knowledge) 로 이동합니다.
2. 지식 베이스 생성 을 클릭합니다.
3. 이름·설명·공개 범위(개인/그룹)·검색 설정을 입력합니다.

목록은 개인 / 그룹 탭으로 나뉘고, 각 지식 베이스에 그룹·에이전트 생성 여부가 배지로 표시됩니다.

문서 관리

목록에서 지식 베이스를 선택하면 열리는 문서 관리 다이얼로그에서 파일을 업로드합니다.

• 지원 형식: PDF, Word(DOCX), Excel(XLSX/XLS), PPTX, HWP, TXT, MD, CSV, JSON, HTML
• 최대 크기: 50MB
• 텍스트 추출 중 단계를 거쳐 임베딩·청킹·인덱싱이 진행됩니다.

[!NOTE]

• 업로드 직후에는 "인덱싱 중" 상태로 표시되며, 백그라운드 작업이 완료되면 검색 가능 상태로 전환됩니다.
• 임베딩/리랭커 모델은 지식 베이스 생성 시 선택합니다.

편집 · 재색인

지식 베이스의 이름·설명·임베딩·리랭커 모델은 언제든 수정할 수 있습니다. 임베딩 모델을 바꾸면 자동으로 재색인이 진행됩니다(확인 다이얼로그가 표시됨).

문서 구조가 크게 바뀌었을 때도 재색인 을 실행할 수 있습니다.

• 전체 문서를 다시 임베딩·청킹합니다.
• 시간이 오래 소요될 수 있습니다.

청킹 전략

문서를 어떻게 나눌지 결정하는 설정입니다.

세부 설정:

• 청크 크기 — 한 청크의 토큰 수
• 오버랩 — 겹치는 토큰 수
• 부모/자식 청크 크기 — Parents-Child 전략에서 각 청크 크기

검색 방식

검색할 때 어떻게 찾을지 선택합니다.

세부 튜닝:

• 가져올 문서 수 (top_k) — 몇 개의 관련 문서를 가져올지 (3~5 추천)
• 벡터/키워드 비율 (alpha) — 하이브리드에서 가중치
• 리랭커 사용 — 검색 후 순위 재조정으로 정확도 향상

[!TIP]

• 한국어 문서라면 하이브리드 + 리랭커 조합이 가장 정확합니다.
• 설정을 마친 뒤 검색 테스트 다이얼로그로 실제 문서가 잘 검색되는지 확인해 보세요.

활용

지식 베이스는 다음에서 사용할 수 있습니다.

• 챗봇 빌더 — 챗봇에 지식 베이스 연결
• 워크플로우 — 지식검색 노드
• 자율 에이전트 — 지식 베이스 검색 도구로 자동 조회

다음 단계

• 챗봇 빌더 — 챗봇에 지식 베이스 연결
• 워크플로우 — 지식검색 노드 사용법
• 도구 — 에이전트용 도구 등록