시맨틱 지식베이스 검색
AI 기반의 시맨틱 검색을 통해 개인 지식베이스 문서에서 정보를 쉽게 검색하고 찾아볼 수 있습니다. 이 플로우는 사용자의 질의를 확장하고, 여러 지식 소스를 검색하여, 관련 결과를 사용자 친화적인 채팅 인터페이스로 제공합니다....
2 분 읽기
Search Memory 컴포넌트는 워크플로우의 메모리 저장소(흔히 ‘장기 메모리’라 불림)에서 관련 정보를 검색하도록 설계되었습니다. 사용자의 쿼리를 받아 저장된 문서나 지식 리소스를 검색하여 가장 관련성 높은 내용을 반환합니다. 이는 이전 정보를 참조하거나, 지원 문서를 검색하거나, 맥락을 반영한 답변이 필요한 AI 워크플로우에 특히 유용합니다.
컴포넌트의 기능
- 목적: 사용자가 정의한 쿼리로 워크플로우의 저장된 정보를 검색하여 가장 관련성 높은 정보를 반환합니다.
- 사용 예시: 챗봇, 가상 비서 또는 이전에 저장된 지식이나 문서에 접근해 맥락 있는 답변을 제공해야 하는 모든 AI 프로세스에 유용합니다.
주요 특징
- 유연한 검색: 결과 개수 지정, 유사도 임계값 설정, 문서에서 정보를 집계하는 방법 선택이 가능합니다.
- 출력 맞춤화: 결과에 포함할 콘텐츠(예: 제목, 단락 등) 유형을 선택할 수 있습니다.
- 도구와의 통합: 검색된 문서는 메시지, 원본 문서, 또는 플로우 내에서 추가적으로 사용할 수 있는 도구 형식으로 제공할 수 있습니다.
설정
| 입력 이름 | 타입 | 필수 | 설명 | 기본값 |
|---|---|---|---|---|
| Title | str | 아니오 | 출력되는 블록의 제목입니다. | 관련 리소스 |
| Result limit | int | 예 | 반환할 결과 개수입니다. | 3 |
| From pointer | bool | 예 | true면 문서에서 가장 일치하는 지점부터 로드, 아니면 전체 로드. | true |
| Hide resources | bool | 아니오 | true면 검색된 리소스를 출력에서 숨깁니다. | false |
| max_tokens | int | 아니오 | 출력 텍스트의 최대 토큰 수. | 3000 |
| strategy | str | 예 | 콘텐츠 집계 전략: “문서 연결, 첫 문서부터 토큰 제한까지 채우기” 또는 “각 문서에서 균등 분량 포함”. | 각 문서에서 균등 분량 포함 |
| threshold | float | 아니오 | 검색 결과의 유사도 임계값(0~1). | 0.8 |
| tool_description | str | 아니오 | 도구에 대한 설명(에이전트가 기능을 이해할 수 있도록 사용). | (비어 있음) |
| tool_name | str | 아니오 | 에이전트에서 사용할 도구 이름. | (비어 있음) |
| use_content | multi-select | 아니오 | 어떤 콘텐츠 유형을 내보낼지 선택(H1-H6, Paragraph 등). | 전체(H1-H6, Paragraph) |
| verbose | bool | 아니오 | 디버깅용 또는 인사이트 제공을 위한 상세 출력 여부. | false |
입력
| 입력 이름 | 타입 | 필수 | 설명 | 기본값 |
|---|---|---|---|---|
| Lookup key | str | 아니오 | 장기 메모리에서 특정 정보를 찾는 데 사용하는 키. | (비어 있음) |
| Input query | str | 예 | 메모리 검색에 사용할 쿼리. | (비어 있음) |
출력
이 컴포넌트는 다양한 니즈에 맞춰 여러 출력 형식을 제공합니다:
- 문서(메시지): 대화형 플로우에 바로 통합할 수 있는 메시지 형태의 검색 정보
- 원본 문서(Document): 추가 파싱이나 분석을 위한 일치 문서의 가공되지 않은 원본 내용
- 도구로서의 문서(Tool): 에이전트 워크플로우에서 연계 사용이 가능한 도구 형태로 포맷된 문서
| 출력 이름 | 타입 | 설명 |
|---|---|---|
| documents | Message | 메시지 형태로 반환된 검색 내용 |
| documents_raw | Document | 가공되지 않은 원본 문서 내용 |
| documents_as_tool | Tool | 에이전트 워크플로우에서 사용할 도구 형식의 문서 |
Search Memory를 사용하는 이유
- 컨텍스추얼 AI: 이전에 저장된 데이터를 제공하여 AI의 답변을 더 정보성 있고 일관성 있게 만듭니다.
- 지식 관리: 수작업 없이 기존 문서나 사용자가 제공한 정보를 효율적으로 활용할 수 있습니다.
- 고급 커스터마이징: 검색 전략과 출력 형식을 세밀하게 조정해 워크플로우에 딱 맞게 사용할 수 있습니다.
활용 예시
- 대화형 에이전트: 과거 대화나 지식 스니펫을 불러와 대화의 맥락을 유지합니다.
- 리서치 어시스턴트: 대규모 지식베이스에서 쿼리에 맞는 문서나 구절을 빠르게 찾아냅니다.
- 자동화된 의사결정: 저장된 메모리에서 근거 자료를 제공해 추천이나 행동을 뒷받침합니다.
요약 표
| 특징 | 장점 |
|---|---|
| 쿼리 기반 검색 | 어떤 사용자 쿼리에도 가장 관련성 높은 저장 정보를 찾음 |
| 출력 옵션 | 메시지, 원본 문서, 도구 형식 중 선택 가능 |
| 맞춤형 검색 | 결과 개수, 유사도 임계값, 콘텐츠 타입 등 세밀 제어 가능 |
| AI와 통합 | 동적 지식 접근이 필요한 AI 에이전트에 최적 |
이 컴포넌트는 메모리 검색·문서 검색·맥락 확장이 필요한 모든 AI 워크플로우를 위한 다용도의 빌딩 블록입니다.