지식 베이스 생성 및 관리
이 가이드는 지식 베이스 생성, 설정, 관리를 다룹니다.
참고: 지식 베이스 개요
지식 베이스 보기
- 워크스페이스 → 지식으로 이동
- 접근 가능한 모든 지식 베이스가 표시됩니다
각 지식 베이스는 다음을 표시합니다:
- 이름 — 지식 베이스 식별자
- 소유자 — 만든 사람
- 접근 — 공개 (모든 사용자) 또는 비공개 (그룹 제한)
- 생성 — 생성 날짜
- 파일 — 업로드된 문서 수
지식 베이스 만들기
1단계: "지식 추가" 클릭
지식 페이지의 "+ 지식 추가" 버튼을 클릭하세요.
2단계: 기본 정보 입력
입력:
- 이름 (필수) — 이 지식 베이스의 고유 식별자
- 설명 (선택) — 포함된 문서에 대한 간략한 설명
3단계: 설정 구성 (선택 사항)
생성 전에 설정을 클릭하여 구성:
| 설정 | 목적 |
|---|---|
| 접근 | 공개 (모든 사용자에게 표시) 또는 비공개 (그룹 제한) |
| 파서 | 콘텐츠 추출 엔진 URL |
| 청킹 | 문서를 세그먼트로 분할하는 방법 |
| 검색 | 하이브리드 검색, 리랭킹, 랭킹 설정 |
팁: 확실하지 않으면 기본 설정을 사용하세요. 나중에 변경할 수 있습니다.
4단계: 만들기 클릭
지식 베이스가 생성되고 파일 업로드를 시작할 수 있습니다.
지식 베이스 설정 편집
생성 후 지식 베이스를 사용할 준비가 됩니다. 지식 베이스 내부의 설정 (오른쪽 상단)을 클릭하여 수정:
수정 가능한 항목:
- 이름 — 지식 베이스 이름 변경
- 설명 — 설명 업데이트
- 접근 — 공개에서 비공개로 변경
- 접근 그룹 — 특정 그룹으로 제한
- 파서 — 추출 엔진 변경
- 청킹 — 청크 전략 및 크기 조정
- 검색 — 하이브리드 검색 및 리랭킹 조정
고급 설정
청킹 전략
고정 크기 (전략 A)
- 문서를 고정 크기 세그먼트로 분할
- 간단하고 안정적
- 최적: 균일한 콘텐츠
부모-자식 (전략 E)
- 더 큰 컨텍스트의 부모 청크 생성
- 세부 검색을 위한 자식 청크
- 최적: 복잡한 계층적 문서
HTML 인식 (전략 H)
- HTML 구조 존중 (제목, 섹션 등)
- 최적: 웹 스크랩된 콘텐츠
- 문서 계층 구조 보존
검색 설정
하이브리드 검색
- 벡터 유사성과 BM25 키워드 검색 결합
- 벡터 검색만으로 보다 정확
- BM25 가중치 조정 필요 (0 = 순수 벡터, 1 = 순수 키워드)
리랭킹
- 검색된 청크를 관련성에 따라 재순위 지정
- 더 정확하지만 느림
- 선택 사항; 정확도보다 성능이 중요하면 생략
Top K 및 Top K 리랭커
- Top K — 벡터 DB에서 검색할 청크 수
- Top K 리랭커 — 재순위 지정할 수
- Top K=10, Top K 리랭커=5로 시작