지식베이스는 사내 문서, 업무 자료, 규정, 보고서처럼 AI가 기본적으로 알 수 없는 기업 내부 지식을 검색 가능한 형태로 구성하는 기능입니다.
Porter AI의 에이전틱 RAG
일반 RAG와 비교
일반적인 RAG는 업로드한 문서를 작은 조각으로 나누고, 질문과 의미가 가까운 조각을 벡터 검색해 답변 모델에 전달합니다. 이 방식에 의해 검색된 조각만으로 답변하면 원문 전체의 맥락이 빠져 정확한 근거를 놓칠 수 있습니다. Porter AI의 에이전틱 RAG 방식은 벡터 검색 결과가 가리키는 원본 파일을 오브젝트 스토리지에서 다시 불러온 뒤, 답변에 필요한 부분만 먼저 컴팩션합니다. 컴팩션한 정보만으로 답변 근거가 부족하다고 판단하면 질문 의도와 중간 결과를 바탕으로 검색어를 다시 구성해 관련 원문을 추가로 찾고, 필요한 맥락을 보강하여 답변에 활용합니다.| 구분 | 일반적인 RAG | Porter AI의 에이전틱 RAG |
|---|---|---|
| 검색 결과 | 벡터 검색으로 찾은 문서 조각을 사용 | 벡터 검색 결과가 속한 원본 파일까지 참조 |
| 맥락 처리 | 조각 단위 검색으로 앞뒤 맥락이 빠질 수 있음 | 다수의 원본 파일에서 답변에 필요한 내용만 컴팩션 |
| 답변 입력 | 검색된 조각만을 활용하여 답변 | 여러 개의 문서에서 컴팩션된 내용을 바탕으로 답변 |
에이전틱 RAG 처리 과정
1
문서 업로드와 검색 준비
사용자가 지식베이스 설정 페이지에서 파일을 업로드하면, Porter AI는 원본 파일을 오브젝트 스토리지에 보관하고 검색 가능한 단위로 인덱싱·벡터화합니다.
2
관련 원문 파일 선별
사용자의 질문이 들어오면 벡터 검색으로 답변에 필요한 여러 원문 파일을 찾아 근거 후보로 선별합니다.
3
답변 맥락 컴팩션
선별된 원문 파일 전체를 최종 모델에 그대로 전달하지 않고, 질문에 필요한 부분만 추출하고 압축해 답변 맥락으로 구성합니다.
4
검색어 재구성과 맥락 보강
최초에 컴팩션한 정보만으로 답변 근거가 부족하다고 판단하면, AI가 질문 의도와 중간 결과를 바탕으로 검색어를 다시 구성해 관련 원문을 추가로 찾고 필요한 부분을 답변 맥락에 더합니다.
5
최종 답변 생성
여러 원문 파일에서 컴팩션된 근거를 최종 답변 모델에 전달해, 불필요한 정보와 컨텍스트 부담을 줄인 답변을 생성합니다.
지식베이스 관리
지식베이스 추가
설정 > 지식베이스 페이지에서 다량의 파일을 드래그앤 드롭 방식으로 추가하여 지식베이스를 생성할 수 있습니다.
HWP, DOCX, XLS, PPT 파일을 포함한 대부분의 문서 파일을 업로드할 수 있습니다.
접근 권한 설정
지식베이스 상단의 권한 탭에서 팀원별로 지식베이스에 대한 접근 권한을 설정할 수 있습니다.
Porter AI 엔터프라이즈를 이용하는 경우, 관리자 권한으로 모든 스페이스 또는 특정 스페이스를 지정하여 지식베이스를 공유할 수 있습니다. 자세한 내용은 전역 데이터 권한을 참고하세요.
사용 설정
지식베이스 별로 사용 여부를 설정할 수 있습니다.
지식베이스 삭제
목록 우측의 아이콘을 클릭하면 해당 지식베이스를 삭제할 수 있습니다.
지식베이스 활용
채팅창에서 사용
채팅창에서 사용하려는 지식베이스를 활성화한 후 AI로 활용할 수 있습니다.
실시간 업무 시스템을 조회해야 한다면 MCP 서버를 연결하거나, REST API는 REST API를 AI 도구로 등록을 참고해 웹호출 도구로 등록하세요.
에이전트와 봇의 도구로 사용
에이전트 설정 과정에서 추가한 지식베이스를 활성화하여 에이전트의 도구로 활용할 수 있습니다. 자세한 내용은 커스텀 에이전트 설정을 참고하세요.
Slack 등 메신저에서 사용
커넥터를 통한 메신저 연동 시, 추가한 지식베이스를 활성화하면 연동한 메신저에서 지식베이스를 활용할 수 있습니다. 자세한 연동방법은 아래의 링크에서 확인하세요.