문서기반 RAG Chat Bot.

흩어진 문서를 찾아 근거와 함께 답하기

이 페이지 사용 모델Local Gemma 4 · 대기열

Local Gemma 4확인 중—이 페이지

준비된 예제 DB로 대화하거나 문서를 업로드해 질문할 수 있습니다. 벡터 Top-20 후보를 리랭킹해 상위 3개 근거와 답변을 확인하세요.

DOCUMENT CHAT

문서와 대화하기

벡터 RAG 챗봇

한글 사내 업무 규정

예제 문서를 불러오고 있습니다.

문서는 DB에 준비되어 있고, 질문 임베딩과 리랭킹은 실행할 때 처리합니다.

예제 문서 챗봇

Local Gemma 4확인 중—

문서 챗봇

안녕하세요. 사내 업무 규정이 준비되어 있어요. 아래 예제 질문을 선택하거나 궁금한 내용을 입력해 주세요.

유사도벡터 + 리랭킹

유사도가 높을수록 연관이 있는 정보입니다.

처리 방식

직접 업로드 문서는 브라우저에서 추출·청킹·임베딩한 뒤 DB에 저장합니다. 질문 임베딩, 벡터 검색, 유사도 기준과 답변 구성은 Python LangChain이 처리합니다.

Redis는 요청 순서를 관리하며, PC 모델 실행기가 리랭킹과 선택한 LLM 호출을 담당합니다.

EXAMPLE DOCUMENT

가상의 회사 규정입니다. 약 1~2페이지 분량이며 실제 업무 규정으로 사용하지 않습니다.

업무 상황

준비된 예제로 테스트하거나 직접 문서를 업로드합니다. 업로드 문서는 브라우저에서 200자 청킹·60자 중복·768차원 임베딩을 처리하고 UUID별 DB에 저장합니다. 질문 임베딩과 LangChain Retriever 검색은 제작자 PC의 Python에서 실행하며, 리랭커가 상위 근거를 추려 선택한 모델의 답변에 활용합니다.

가상 요청“새로 입사했는데 원격근무를 신청하려면 무엇을 확인해야 하나요?”

처리 흐름

01
질문 확인
질문의 의도와 필요한 문서 범위를 확인합니다.
02
벡터 검색
질문과 의미가 가까운 청크 후보 최대 20개를 찾습니다.
03
리랭킹
질문과 후보를 함께 평가해 상위 3개 근거를 고릅니다.
04
답변과 출처
확인한 내용과 문서 위치를 함께 안내합니다.

예상 결과

신청 조건·절차·관련 문서 위치. 근거가 부족하면 확인이 필요하다고 안내합니다.

문서기반 RAG Chat Bot.

문서와 대화하기

업무 상황

처리 흐름

질문 확인

벡터 검색

리랭킹

답변과 출처