AI 검색은 어떻게 작동할까: 쿼리 팬아웃과 AI 가시성 분석 이해하기
ChatGPT, Google AI와 같은 AI 검색 엔진이 쿼리 팬아웃 시뮬레이션을 통해 어떻게 쿼리를 확장하는지 알아보세요. AI 중심 검색 가시성을 최적화하고, SEO 전략을 개선하는 방법을 배웁니다....
9 분 읽기
AI Search
SEO
+2
쿼리 분해 구성요소
쿼리 분해는 복잡한 입력 쿼리를 구분된 관리 가능한 하위 쿼리로 나누어 AI 기반 워크플로우의 정확성과 효율성을 높이기 위해 설계된 플로우 구성요소입니다. 이 과정을 통해 사용자의 원래 질문의 각 측면이 빠짐없이 다뤄져 보다 철저하고 정확한 응답이 가능해집니다.
이 구성요소는 무엇을 하나요?
쿼리 분해 구성요소의 주요 기능은 입력 텍스트(일반적으로 복잡하거나 여러 부분으로 이루어진 질문)를 여러 개의 대체 쿼리 또는 하위 쿼리로 분할하는 것입니다. 이 하위 쿼리들은 원래 쿼리에 완전히 답변하기 위해 해결해야 할 개별 정보 단위입니다. 이 방식은 질문이 광범위하거나 모호하거나 여러 요소가 얽혀 있을 때 특히 유용합니다.
주요 기능 및 입력값
| 입력명 | 타입 | 필수여부 | 설명 |
|---|---|---|---|
| 입력 텍스트 | Message | 예 | 여러 개의 대체 쿼리로 나누고자 하는 주요 텍스트 또는 질문입니다. |
| 채팅 기록 | InMemoryChatMessageHistory | 아니오 | 더 정확한 하위 쿼리 생성을 위한 맥락 제공용 이전 채팅 메시지입니다. |
| LLM(모델) | BaseChatModel | 아니오 | 대체 쿼리 생성을 위해 사용할 언어 모델입니다. |
| 원본 쿼리 포함 | Boolean | 아니오 | 대체 쿼리 목록에 원본 쿼리도 포함할지 여부를 선택합니다. |
| 시스템 메시지 | String | 아니오 | 동작을 맞춤화하기 위해 프롬프트에 추가할 수 있는 추가 시스템 수준 지시문입니다. |
- 입력 텍스트 (필수): 분석 및 분해할 텍스트입니다. 사용자의 주요 질문입니다.
- 채팅 기록: (선택) 이전 대화 맥락 제공 시 생성되는 하위 쿼리의 적합성과 정확성을 높일 수 있습니다.
- LLM(모델): (선택) 분해 과정에서 사용할 대형 언어 모델(LLM)을 지정하여 다양한 AI 모델과 유연하게 통합할 수 있습니다.
- 원본 쿼리 포함: (고급, 선택) 출력 결과에 원본 쿼리도 포함할지 제어합니다.
- 시스템 메시지: (고급, 선택) 모델의 출력 방향 설정이나 추가 지시를 위해 맞춤형 시스템 메시지를 추가할 수 있습니다.
출력
- Message: 이 구성요소는 대체 쿼리 또는 하위 질문의 목록이 포함된 메시지 객체를 출력합니다. 이는 이후 AI 처리 단계(별도 답변, 정보 검색, 추가 분석 등)의 입력값으로 활용할 수 있습니다.
왜 유용한가요?
쿼리 분해는 하나의 쿼리가 여러 주제를 포함하거나 복수 단계의 추론이 요구되는 복잡한 AI 워크플로우에서 매우 유용합니다. 쿼리를 분해함으로써 다음과 같은 이점이 있습니다:
- 복잡한 질문의 모든 부분을 빠짐없이 다룰 수 있습니다.
- 정보 검색이나 탐색의 정확성을 높일 수 있습니다.
- AI 파이프라인에서 모듈화된 단계별 처리가 가능해집니다.
- AI가 생성한 답변의 투명성과 설명 가능성을 높일 수 있습니다.
예시 활용 사례
- 고객 지원: 길고 복잡한 고객 문의를 개별 이슈로 나누어 더 맞춤화된 답변을 제공
- 연구 지원: 광범위한 연구 질문을 세부 주제로 분해해 보다 집중된 자료 검색 진행
- 다단계 추론: 순차적 문제 해결이나 계획 수립이 필요한 AI 에이전트용 질문 구성
요약 표
| 기능 | 설명 |
|---|---|
| 입력 | 복잡한 사용자 쿼리(텍스트) |
| 출력 | 대체/하위 쿼리 목록(메시지 객체 형태) |
| 맥락 지원 | 예(채팅 기록 활용) |
| 모델 선택 | 예(사용자 지정 LLM 지정 가능) |
| 고급 옵션 | 원본 쿼리 포함, 맞춤형 시스템 메시지 |
쿼리 분해를 AI 워크플로우에 통합하면 복잡한 쿼리를 더 똑똑하고 세분화하여 처리할 수 있어, 결과 품질이 향상되고 사용자 경험이 더 좋아집니다.
