Document Retriever 컴포넌트는 챗봇이 Documents와 Schedules에서 지정한 소스에서 지식을 검색할 수 있도록 해줍니다. 이 컴포넌트의 역할은 검색을 제어하는 것이며, 여러 매개변수가 해당 문서에서 정보를 어떻게 검색할지에 영향을 줍니다.

From H1 if exists – 메인 제목에서 추출 시작

From H1 if exists 옵션은 리트리버가 발견한 H1 헤더(일반적으로 글의 메인 제목)부터 콘텐츠 추출을 시작하도록 지시합니다.

어떻게 동작하나요?

• 체크 시: 첫 번째 H1 이전의 모든 내용(네비게이션, 경로, 로그인 링크 등)은 무시되고, 주요 글 내용부터 추출이 시작됩니다.
• 미체크 시: 페이지 맨 위부터(모든 네비게이션, 헤더, 메타데이터 포함) 추출이 시작됩니다.

사용 예시:
사이트의 네비게이션이나 페이지 헤더 등 불필요한 부분 없이 실제 가이드 본문만 가져오고 싶을 때 사용합니다.

참고:
From H1 if exists 옵션은 기본적으로 Document Retriever 컴포넌트에서 활성화되어 있습니다.

Load from pointer – 특정 지점부터 추출 시작

Load from pointer 옵션은 긴 글에서 포인터가 지정된 위치부터 데이터 로드를 허용하여 더 정밀하게 제어할 수 있습니다.

어떻게 동작하나요?

• 체크(포인터 설정 시): 지정한 포인터 위치부터 추출이 시작되며, H1 이후에 위치해도 그 전 내용은 무시됩니다.
• 미체크 시: 기본 위치(문서 상단 또는 H1부터, 해당 옵션이 체크된 경우)에서 추출이 시작됩니다.

“포인터"란 무엇인가요?
포인터는 문서 내에 있는 고유 문자열이나 헤딩(예: H2, 특정 문구, 섹션 제목 등)입니다.

사용 예시:
서론 등 불필요한 부분은 건너뛰고, 긴 문서에서 특정 섹션(예: “4단계: 라이브 채팅 버튼 추가”)부터 정보를 추출하고 싶을 때 사용합니다.

Skip Last Header – 푸터 또는 중복 헤더 제외

Skip Last Header 옵션은 문서의 마지막 헤더(자주 반복되거나 네비게이션, 푸터 용도로 사용)를 무시할 수 있게 해줍니다.

어떻게 동작하나요?

• 체크 시: 마지막 헤더(예: 반복된 글 제목, “다른 글” 섹션 등)는 추출 시 무시됩니다.
• 미체크 시: 마지막 헤더까지 모든 헤더가 결과에 포함됩니다.

사용 예시:
Document Retriever가 도움말 페이지 끝의 “다른 글” 등 푸터 네비게이션 헤더를 불러오지 않게 하여, 주요 본문만 처리하도록 하고 싶을 때 사용합니다.

참고:
Skip Last Header는 자동 생성 푸터나 반복 네비게이션 요소가 있는 문서에 유용합니다. 하지만 이런 섹션이 없다면, 이 옵션 사용 시 유효한 정보가 누락될 수 있으니 필요할 때만 활성화하는 것이 좋습니다.

Max tokens – 최대 출력 길이 제어

Max tokens 매개변수는 Document Retriever가 추출한 텍스트에서 출력할 최대 토큰(단어 및 구두점 등, AI 모델 기준)을 제어할 수 있게 해줍니다.

어떻게 동작하나요?

• 추출된 콘텐츠가 지정한 토큰 수로 제한됩니다. 초과된 내용은 잘려서 출력에 포함되지 않습니다.
• 매우 긴 문서 처리에 유용하며, 출력이 AI 모델의 처리 한도 내에 있게 해줍니다.

기본값:
기본값은 일반적으로 3000 토큰이며, 필요에 따라 조정할 수 있습니다.

사용 예시:
긴 문서를 처리할 때, Max tokens 값을 낮게 설정하면 응답이 간결해집니다. 하지만, 최적의 결과를 위해 “Load from pointer” 옵션을 함께 사용하는 것이 좋습니다. 이렇게 하면 원하는 섹션부터 텍스트 추출을 시작할 수 있어, 지정한 토큰 한도 내에서 집중적이고 관리 가능한 정보만 얻을 수 있습니다. 특히 대용량 소스에서 간결하고 맥락에 맞는 출력이 필요할 때 유용합니다.

참고:
정보가 잘려서 누락된다면 Max tokens 값을 늘려보세요. 반대로 더 짧고 집중된 결과가 필요하다면 값을 줄이세요.

Strategy – 여러 문서의 텍스트 병합 방식 제어

Document Retriever가 여러 관련 문서를 찾았을 때, Strategy 매개변수는 “Max tokens” 한도를 고려해 챗봇을 위한 단일 텍스트로 어떻게 병합할지 결정합니다.

두 가지 전략 옵션:

1. 각 문서에서 동일한 크기만큼 포함:
   토큰 한도가 고르게 나뉩니다. 예를 들어, 3개의 문서와 3,000 토큰 한도라면 각 문서에서 최대 1,000토큰씩 추출됩니다. 모든 소스가 고르게 반영되어 균형 잡힌 답변이 필요한 경우 유용합니다.

   • 사용 예: 주제별로 정보가 여러 문서에 분산되어 있고, 모든 문서의 내용을 고르게 반영해야 포괄적 답변이 만들어질 때 적합합니다. 어느 한 문서에 모든 정보가 있지 않고, 여러 소스가 균등하게 답변에 반영되어야 다양하고 균형 잡힌 관점이 필요한 경우 효과적입니다.

2. 문서를 이어붙이되, 첫 문서부터 토큰 한도까지 채움:
   관련도 순으로 문서를 추가하여 토큰 한도까지 채웁니다. 가장 관련도가 높은 문서가 우선적으로 채워지며, 공간이 남을 경우 그다음 문서가 추가됩니다. 첫 문서가 길면 전체 한도를 다 사용할 수 있습니다.

   • 사용 예: 각 주제별 상세 정보가 한 문서에 모두 있는 경우, 여러 문서를 병합하기보다는 해당 문서에서 최대한 많이 추출하는 것이 더 유리할 때 사용합니다.

선택 기준:

• 모든 소스가 고르게 반영된 답변이 필요하다면 각 문서에서 동일한 크기만큼 포함을 선택하세요.
• 관련도 높은 문서 위주로 답변을 만들고 싶고, 모든 소스를 반드시 포함할 필요가 없다면 문서를 이어붙이되, 첫 문서부터 토큰 한도까지 채움을 선택하세요.

참고:
이 전략들은 검색된 문서를 다음 단계(AI 생성 등)로 넘기기 전 텍스트 구성 방식만 다를 뿐, 어떤 문서를 검색할지는 변경하지 않습니다. 즉, 검색된 문서의 내용을 병합하고 자르는 방식만 달라집니다.

Document Retriever의 기타 매개변수

이 글에서는 ‘From H1 if exists’, ‘Load from pointer’, ‘Skip Last Header’, ‘Max tokens’ 매개변수 설정에 중점을 두었지만, Document Retriever는 문서 선택과 검색 방식을 제어하는 추가 매개변수도 제공합니다:

Document Count

검색할 문서 개수를 제한하여, 결과의 관련성을 높이고 응답 속도를 빠르게 할 수 있습니다.

Document Categories

지식 소스의 Documents 섹션에서 생성한 하나 이상의 카테고리로 검색을 제한할 수 있는 선택적 설정입니다.

Hide Resources

챗봇 답변 전 별도의 섹션(리트리버가 가져온 리소스 목록 포함) 표시 여부를 설정할 수 있습니다. LiveAgent와 연동 시에는 반드시 체크해야 하며, 이 섹션은 지원되지 않아 LiveAgent 챗봇 위젯에서 제대로 표시되지 않습니다.

Schedules

지식 소스에서 크롤링 또는 업데이트 대상으로 지정한 하나 이상의 스케줄로 검색을 제한할 수 있습니다.

Threshold

검색된 문서가 입력 쿼리와 얼마나 밀접하게 일치해야 하는지(01의 관련성 점수)를 제어합니다. 예를 들어, 0.70.8의 임계값이 높은 관련성의 답변에 권장됩니다. 값이 높을수록 더 정확한 일치, 값이 낮을수록 덜 관련된 문서도 포함될 수 있습니다.

예시:
임계값을 0.6으로 설정하고, 관련성 점수가 0.8, 0.65, 0.5, 0.9인 네 개의 글이 있다면 0.6을 넘는 0.8, 0.65, 0.9만 추출에 사용됩니다.

문제 해결

챗봇의 답변에 분명히 내 문서나 스케줄에 있는 정보가 포함되어 있지 않다면, “Verbose” 옵션으로 대화 기록을 확인하여 Document Retriever 사용 여부 및 어떤 문서가 검색되었는지 상세 로그를 확인하세요. 필요하다면 이 로그를 참고해 설정이나 프롬프트를 조정하세요.