> ## Documentation Index
> Fetch the complete documentation index at: https://docs.cloosphere.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# 지식기반

> 문서 업로드, RAG 파이프라인, 동적 필터, AI 메타데이터 추출을 통한 지식기반 구축 및 관리

AI에게 질문했을 때 "모르겠습니다"라고 답하거나, 엉뚱한 답변을 하는 경우가 있습니다. 지식기반은 사내 문서를 AI가 직접 참조할 수 있도록 변환하여, **문서 근거 기반의 정확한 답변**을 가능하게 합니다.

### 예시

> "우리 회사 연차 규정이 어떻게 되나요?"

| 상태      | 동작                       | 결과              |
| ------- | ------------------------ | --------------- |
| 지식기반 없음 | AI의 일반 지식으로 답변           | 부정확하거나 "모르겠습니다" |
| 지식기반 연결 | 인사규정.pdf에서 관련 내용 검색 후 답변 | 정확한 규정 + 출처 표시  |

<Info>
  지식기반별로 **문서 처리 프로파일**을 선택하여 추출 방식과 청킹 전략을 다르게 적용할 수 있습니다. 자세한 내용은 아래 [문서 처리 프로파일 선택](#문서-처리-프로파일-선택) 섹션을 참조하세요.
</Info>

<Frame caption="워크스페이스 > 지식기반에서 생성된 지식기반 목록을 확인할 수 있습니다">
  <img src="https://mintcdn.com/cloocus/Qhbm_569F2IPMnG9/images/workspace/knowledge-list.png?fit=max&auto=format&n=Qhbm_569F2IPMnG9&q=85&s=b0ec28b589a71c71ad1d1e084b7d21ba" alt="지식기반 목록" width="2880" height="1800" data-path="images/workspace/knowledge-list.png" />
</Frame>

***

## RAG 파이프라인

문서가 업로드되면 다음 파이프라인을 거쳐 검색 가능한 상태로 변환됩니다.

```mermaid theme={null}
flowchart LR
    subgraph 문서_처리
        P[프로파일 적용] --> B[텍스트 추출]
        A[파일 업로드] --> P
        B --> C[청킹]
        C --> T{테이블 보존?}
        T -->|Yes| T2[테이블 분리 후 인접 청크에 보존]
        T -->|No| C2[일반 청킹]
        T2 --> CTX{문맥 보존?}
        C2 --> CTX
        CTX -->|Yes| CTX2[LLM 문맥 요약 추가]
        CTX -->|No| D[임베딩]
        CTX2 --> D
        D --> E[(벡터 DB)]
    end

    subgraph 검색_및_응답
        F[사용자 질문] --> G[쿼리 임베딩]
        G --> H[유사도 검색]
        E --> H
        H --> I[관련 문서]
        I --> J[LLM 응답 생성]
        J --> K[출처와 함께 답변]
    end
```

| 단계            | 설명                                              |
| ------------- | ----------------------------------------------- |
| **프로파일 적용**   | KB에 설정된 문서 처리 프로파일의 추출/청킹 전략을 적용합니다             |
| **텍스트 추출**    | 문서에서 텍스트를 추출합니다 (기본, OCR, LLM 비전 등 프로파일에 따라 결정) |
| **청킹**        | 긴 문서를 검색에 적합한 크기로 분할합니다 (고정 크기 또는 시맨틱)          |
| **테이블 보존**    | 테이블을 분리하지 않고 인접 청크에 통째로 보존합니다 (프로파일 설정에 따라)     |
| **문맥 보존**     | 각 청크에 전체 문서 맥락 요약을 LLM이 추가합니다 (프로파일 설정에 따라)     |
| **임베딩**       | 텍스트를 고차원 벡터로 변환합니다                              |
| **유사도 검색**    | 질문과 가장 유사한 문서 청크를 검색합니다                         |
| **LLM 응답 생성** | 검색된 문서를 컨텍스트로 활용하여 답변을 생성합니다                    |

***

## 지식기반 생성

<Steps>
  <Step title="새 지식기반 만들기">
    **워크스페이스 > 지식기반**에서 우측 상단의 **+ 새 지식 기반** 버튼을 클릭합니다.

    <Frame caption="이름과 설명을 입력하고 접근 권한을 설정합니다">
      <img src="https://mintcdn.com/cloocus/vVs_TycpLP1gU_AV/images/workspace/knowledge-create.png?fit=max&auto=format&n=vVs_TycpLP1gU_AV&q=85&s=c73e250e91977ddede12a795db3bffd8" alt="지식기반 생성 폼" width="1912" height="906" data-path="images/workspace/knowledge-create.png" />
    </Frame>

    | 필드        | 설명                   | 예시                  |
    | --------- | -------------------- | ------------------- |
    | **이름**    | 지식기반 이름 (필수)         | "인사 규정 2024"        |
    | **설명**    | 용도 및 내용 설명 (필수)      | "인사팀 규정 및 가이드라인"    |
    | **접근 권한** | 공개/비공개 및 그룹/조직 단위 지정 | 공개, 또는 특정 그룹/조직에 제한 |
  </Step>

  <Step title="문서 업로드">
    생성된 지식기반에 문서를 추가합니다. **내용 추가**(+) 버튼을 클릭하여 업로드 방법을 선택합니다.

    <Frame caption="내용 추가(+) 버튼으로 파일 업로드, 텍스트 입력, 클라우드 소스를 선택합니다">
      <img src="https://mintcdn.com/cloocus/vVs_TycpLP1gU_AV/images/workspace/knowledge-detail.png?fit=max&auto=format&n=vVs_TycpLP1gU_AV&q=85&s=7cc2634088d57d910cd1532d60220125" alt="지식기반 상세" width="1911" height="905" data-path="images/workspace/knowledge-detail.png" />
    </Frame>

    **업로드 방법:**

    | 방법            | 설명                                                   |
    | ------------- | ---------------------------------------------------- |
    | **드래그 앤 드롭**  | 파일을 업로드 영역으로 끌어다 놓기                                  |
    | **파일 업로드**    | "내용 추가" 메뉴에서 "파일 업로드" 선택                             |
    | **디렉토리 업로드**  | "내용 추가" 메뉴에서 "디렉토리 업로드" 선택 — 폴더 내 모든 파일을 일괄 업로드      |
    | **클라우드 스토리지** | Google Drive, OneDrive, SharePoint (관리자가 연동 설정 시 표시) |
    | **글 추가**      | 텍스트를 직접 작성하여 추가                                      |
  </Step>

  <Step title="처리 대기">
    업로드된 문서는 자동으로 텍스트 추출 → 청킹 → 임베딩 → 인덱싱 과정을 거칩니다.
    처리가 완료되면 실시간 알림이 표시됩니다.

    <Note>
      파일 처리가 10분 이상 걸리면 자동으로 실패 처리됩니다. 이 경우 파일을 삭제 후 다시 업로드하세요.
    </Note>

    **대용량 업로드 시:**

    * 5개 이상 파일 또는 디렉토리 업로드 시 **배치 모드**로 전환됩니다
    * 상단에 진행률 바가 표시되며 (업로드 → 처리 단계별), 실패 건수가 빨간색으로 표기됩니다
    * 동시 3개 파일을 병렬 처리합니다
    * 페이지를 새로고침해도 진행 상태가 복원됩니다
  </Step>

  <Step title="확인 및 검증">
    문서를 클릭하여 추출된 텍스트 내용을 확인하고, 에이전트에 연결하여 검색 품질을 검증합니다. 파일 목록에서 **요약** 토글을 켜면 AI가 생성한 문서 요약을 확인할 수 있습니다.
  </Step>
</Steps>

### 지원 파일 형식

기본 추출 엔진 기준으로 다음 형식의 텍스트를 인식합니다. 추출 엔진을 변경하면 인식 범위가 넓어집니다 (아래 [추출 엔진](#추출-엔진) 참조).

| 카테고리         | 지원 형식                                                                     |
| ------------ | ------------------------------------------------------------------------- |
| **문서**       | PDF, DOCX, RST, EPUB, MSG (Outlook 메일)                                    |
| **스프레드시트**   | XLSX, XLS, CSV                                                            |
| **프레젠테이션**   | PPTX, PPT                                                                 |
| **웹·마크업**    | HTML, HTM, XML, MD                                                        |
| **텍스트·소스코드** | TXT, PY, JS, TS, JSON, SQL, JAVA, GO, C, C++, CS, RB, RS, PHP, SH 등 50여 종 |

<Note>
  목록에 없는 확장자도 업로드는 가능하며 텍스트로 읽기를 시도합니다. 다만 ZIP·실행파일 같은 이진 파일은 내용이 깨진 채로 들어갈 수 있으므로 위 형식 위주로 업로드하는 것을 권장합니다. 관리자가 **허용 확장자 화이트리스트**를 설정하면 지정한 형식만 업로드되도록 제한할 수 있습니다.
</Note>

#### 최대 크기 / 개수

| 항목             |  기본값  | 변경 위치                          |
| -------------- | :---: | ------------------------------ |
| **업로드 최대 사이즈** | 제한 없음 | 관리자 패널 > 설정 > 문서 > 파일 (단위: MB) |
| **업로드 최대 수**   | 제한 없음 | 관리자 패널 > 설정 > 문서 > 파일          |

<Note>
  두 값 모두 기본적으로 **무제한**입니다. 관리자가 값을 비워두면 제한이 없고, 숫자를 입력하면 그 한도를 초과하는 파일은 업로드 시 거부됩니다.
</Note>

***

## 동적 필터

동적 필터를 사용하면 지식기반 내 문서를 메타데이터 기준으로 분류하고, 검색 시 자동으로 범위를 제한할 수 있습니다.

<Info>
  동적 필터의 내부 동작 원리, Manual vs AI 비교, 5단계 검색 흐름 등 상세한 내용은 [동적 필터 상세 가이드](/ko/workspace/knowledge-filters)를 참조하세요.
</Info>

### 필터 스키마 정의

지식기반 설정에서 **"필터 설정"** → **"필터 추가"** 버튼을 클릭하여 필터 필드를 정의합니다.

<Frame caption="필터 필드를 정의하여 문서를 메타데이터 기준으로 분류합니다">
  <img src="https://mintcdn.com/cloocus/vVs_TycpLP1gU_AV/images/workspace/knowledge-filter-schema.png?fit=max&auto=format&n=vVs_TycpLP1gU_AV&q=85&s=cf337657b721f628f42cf8a8020e9bda" alt="필터 스키마 정의" width="1914" height="905" data-path="images/workspace/knowledge-filter-schema.png" />
</Frame>

| 설정             | 설명                       | 예시                        |
| -------------- | ------------------------ | ------------------------- |
| **항목명**        | 필터 필드 이름                 | "부서", "연도"                |
| **유형**         | 데이터 유형                   | 단일 선택, 다중 선택, 용어집, 날짜, 숫자 |
| **필수 항목으로 지정** | 필수 필드 설정 시 미입력 파일에 경고 표시 | 필수 여부 ON/OFF 토글           |
| **필터 옵션**      | 선택 가능한 값 목록 (선택값/컬렉션 타입) | "재무팀, 인사팀, 개발팀"           |
| **에이전트 설명**    | AI가 필터를 이해하기 위한 설명       | "문서가 속한 부서를 필터링합니다"       |

### 필터 타입

| 타입        | 설명                |
| --------- | ----------------- |
| **단일 선택** | 미리 정의된 옵션 중 단일 선택 |
| **다중 선택** | 미리 정의된 옵션 중 복수 선택 |
| **용어집**   | 용어집을 선정하여 필터 정의   |
| **날짜**    | 날짜 범위 필터          |
| **숫자**    | 정수값 필터            |

### 파일별 메타데이터 설정

필터 스키마 정의 후, 각 파일에 메타데이터 값을 지정합니다. 파일 목록에서 메타데이터 설정 상태가 색상으로 표시됩니다.

<Frame caption="파일별 메타데이터 설정 상태가 색상으로 표시됩니다">
  <img src="https://mintcdn.com/cloocus/vVs_TycpLP1gU_AV/images/workspace/knowledge-metadata.png?fit=max&auto=format&n=vVs_TycpLP1gU_AV&q=85&s=18a0cdd33122621466f4385d1e69781a" alt="파일 메타데이터 입력" width="1913" height="905" data-path="images/workspace/knowledge-metadata.png" />
</Frame>

| 색상         | 의미               |
| ---------- | ---------------- |
| **초록**     | 모든 필터 필드에 값이 설정됨 |
| **파랑**     | 일부 필드만 설정됨       |
| **주황**     | 필수 필드가 비어 있음     |
| **회색 테두리** | 메타데이터 미설정        |
| **보라 스피너** | AI 추출 진행 중       |

<Note>
  메타데이터 변경 시 벡터 인덱스가 자동으로 업데이트됩니다. 재임베딩 없이 기존 벡터를 유지합니다.
</Note>

### AI 자동 추출

필터 스키마에 **추출 프롬프트**를 설정하면, 파일 업로드 시 LLM이 문서 내용과 파일 제목을 분석하여 메타데이터를 자동으로 추출합니다.

<Steps>
  <Step title="추출 모드 설정">
    필터 스키마에서 **수동 / AI** 토글 버튼을 클릭하여 AI 모드로 전환합니다.
  </Step>

  <Step title="추출 프롬프트 작성">
    각 필터에 추출 프롬프트를 작성합니다.
    예: "파일 제목에서 국가명을 추출하세요"
  </Step>

  <Step title="AI 모델 선택">
    추출에 사용할 LLM 모델을 선택합니다.
  </Step>

  <Step title="추출 실행">
    파일 업로드 시 자동 실행되거나, 수동으로 단일/전체 추출을 실행합니다.
  </Step>
</Steps>

| 추출 방법     | 설명                          |
| --------- | --------------------------- |
| **자동 추출** | 파일 업로드 시 자동 실행 (AI 모드 활성 시) |
| **단일 추출** | 파일 메타데이터 편집 화면에서 추출 버튼 클릭   |
| **전체 추출** | 모든 파일의 메타데이터를 일괄 재추출        |

<Tip>
  추출 프롬프트에서 "파일 제목"을 조건으로 활용할 수 있습니다.
  예: "파일 제목 앞에 \[XX] 국가명이 있으면 해당 국가 코드를 추출하세요"
</Tip>

### 검색 시 필터 활용

에이전트에 연결된 지식기반에 동적 필터가 설정되어 있으면, AI가 사용자 질문에서 필터 조건을 자동으로 추론하여 검색 범위를 제한합니다.

```
Q: 재무팀의 2024년 규정을 알려주세요
→ 필터 자동 적용: 부서=재무팀, 연도=2024
→ 해당 조건에 맞는 문서만 검색
```

***

## 에이전트 설명

에이전트 설명은 에이전트가 지식기반을 **언제, 어떤 상황에서** 사용해야 하는지 안내하는 AI 전용 설명입니다.

<Accordion title="좋은 에이전트 설명 예시">
  ```
  회사 인사 규정 및 내부 가이드라인에 대한 질문이 있을 때 사용합니다.
  연차, 복리후생, 출장 정책 등 HR 관련 문의에 참조하세요.
  ```
</Accordion>

에이전트 설명이 설정되지 않으면 지식기반의 일반 설명이 대신 사용됩니다. AI가 여러 지식기반 중 적절한 것을 선택하도록 구체적인 에이전트 설명을 작성하는 것을 권장합니다.

**AI 자동 생성:** 에이전트 설명 입력란 옆의 AI 생성 버튼을 클릭하면, 지식기반 이름, 설명, 파일 목록을 기반으로 AI가 에이전트 설명을 자동 작성합니다.

***

## 지식기반 관리

### 문서 관리

| 작업        | 방법                              |
| --------- | ------------------------------- |
| **문서 추가** | **내용 추가**(+) 버튼 또는 드래그 앤 드롭     |
| **문서 삭제** | 문서 선택 후 삭제 버튼                   |
| **내용 확인** | 문서 클릭 시 추출된 텍스트 미리보기            |
| **검색**    | 파일명으로 검색 (서버 사이드, 대규모 KB에서도 빠름) |
| **정렬**    | 최신순(기본) / 오래된순 / 이름순            |

파일 목록은 **무한 스크롤**로 50건 단위로 자동 로드됩니다.

**파일 상태 뱃지:**

| 뱃지           | 의미                             |
| :----------- | :----------------------------- |
| **실패** (빨간)  | 처리 실패 — 재시도 버튼으로 재시도           |
| **처리중** (주황) | 처리 진행 중                        |
| **요약** (토글)  | 처리 완료 + 요약 있음 — 클릭하여 인라인 요약 확인 |

<Note>
  같은 이름의 파일을 다시 업로드하면 **중복 확인 다이얼로그**가 표시됩니다.

  | 선택지           | 동작                   |
  | :------------ | :------------------- |
  | **Overwrite** | 기존 파일을 삭제하고 새 파일로 교체 |
  | **Skip**      | 중복 파일을 건너뛰고 기존 파일 유지 |
  | **Cancel**    | 업로드 취소               |
</Note>

### 재색인

전체 지식기반의 벡터 인덱스를 재구축하려면 **관리자 패널 > 설정 > 문서** 페이지에서 **재색인** 버튼을 클릭하여 **지식 베이스 벡터 재색인**을 실행합니다. 이 기능은 관리자 전용이며 모든 지식기반을 대상으로 일괄 처리됩니다.

개별 파일의 내용을 수정하고 저장하면 해당 파일만 자동으로 재처리됩니다.

### 채팅에서 사용

<Tabs>
  <Tab title="@ 명령어">
    채팅 중 `@지식기반이름`으로 직접 참조합니다.

    ```
    @인사규정 연차 신청 절차가 어떻게 되나요?
    ```
  </Tab>

  <Tab title="에이전트 연결">
    에이전트 설정에서 지식기반을 연결하면 자동으로 참조합니다. 사용자는 별도 명령 없이 대화하면 됩니다.
  </Tab>
</Tabs>

AI 응답에 포함된 인용 번호를 클릭하면 원문 내용을 확인할 수 있습니다.

***

## 문서 처리 프로파일 선택

<Info>
  **신규 기능** — 지식기반별로 서로 다른 문서 처리 전략(추출 엔진, 청킹 방식, 테이블 보존 등)을 적용할 수 있습니다.
</Info>

관리자가 **관리자 패널 > 설정 > 문서**에서 사전에 정의한 프로파일 중 하나를 선택합니다. 프로파일을 선택하지 않으면 기본(default) 프로파일이 적용됩니다.

### 프로파일 활용 예시

| 지식기반            | 추천 프로파일        | 이유                  |
| --------------- | -------------- | ------------------- |
| 인사 규정 (텍스트 PDF) | 기본 추출          | 단순 텍스트, 추가 비용 없음    |
| 재무보고서 (표 많음)    | 테이블 보존 활성      | 표 데이터 검색 정확도 향상     |
| 스캔 문서 (이미지 PDF) | LLM 비전         | 이미지 속 텍스트까지 정확하게 추출 |
| 기술 문서 (긴 보고서)   | 시맨틱 청킹 + 문맥 보존 | 주제별 분리 + 앞부분 맥락 유지  |

<Tip>
  프로파일은 관리자만 생성할 수 있습니다. 필요한 프로파일이 없으면 관리자에게 요청하세요. 프로파일 설정 방법은 [관리자 패널 > 설정 > 문서](/ko/admin/settings/documents#문서-처리-프로파일)를 참조하세요.
</Tip>

***

## 고급 설정

관리자 설정에서 문서 처리 방식과 검색 파라미터를 조정할 수 있습니다.

<Note>
  아래 설정은 **문서 처리 프로파일이 지정되지 않은 경우**의 전역 기본값입니다. 프로파일이 지정된 KB는 프로파일 설정이 우선 적용됩니다.
</Note>

### 추출 엔진

문서에서 텍스트를 추출하는 엔진을 선택할 수 있습니다. 관리자 설정에서 변경합니다.

| 엔진                           | 특징                                                 | 적합한 경우             |
| ---------------------------- | -------------------------------------------------- | ------------------ |
| **기본 내장 엔진**                 | PyPDF/Langchain 기반 추출, 별도 설정 불필요                   | 일반 텍스트 PDF, DOCX   |
| **티카(Tika)**                 | 서버 필요, 다양한 포맷 지원                                   | 다양한 파일 형식 혼합       |
| **Docling**                  | 서버 필요                                              | 레이아웃이 복잡한 문서       |
| **문서 인텔리전스**                 | Azure Document Intelligence (Azure 구독 필요), 고정밀 OCR | 스캔 문서, 표가 많은 PDF   |
| **Mistral OCR**              | Mistral API 필요                                     | PDF OCR            |
| **Google Cloud Document AI** | GCP 구독 필요                                          | 이미지 포함 문서          |
| **LLM 비전**                   | Vision LLM 기반, 고정밀                                 | 복잡한 레이아웃, 차트 포함 문서 |

<Note>
  **이미지 파일(PNG, JPG 등)** 은 기본적으로 텍스트 인덱싱 대상이 아닙니다 — 업로드해도 저장만 되고 내용은 검색되지 않습니다. 이미지 속 텍스트까지 검색하려면 해당 지식기반의 문서 처리 프로파일을 **Google Cloud Document AI** 또는 **LLM 비전** 으로 지정하세요. (문서 인텔리전스·Mistral OCR은 PDF·오피스 문서는 처리하지만 단독 이미지 파일은 지원하지 않습니다.)
</Note>

### 문서 처리 프로파일 옵션

| 설정              | 설명                                 | 기본값       |
| --------------- | ---------------------------------- | --------- |
| **이름**          | 문서 처리 프로파일 이름 입력                   | -         |
| **기본 엔진**       | 엔진 매핑되지 않은 확장자의 파일 처리에 사용할 엔진      | 기본 내장 엔진  |
| **확장자 → 엔진 매핑** | 등록된 특정 확장자에 대하여 선택된 엔진 사용          | -         |
| **텍스트 나누기**     | 텍스트를 나눌 유형을 선택 (기본값, 토큰, 시멘틱)      | 기본값 (캐릭터) |
| **테이블 보존**      | 청킹 시 테이블을 분리하지 않고 앞 텍스트 청크에 붙여서 보존 | 활성화       |
| **문맥 보존 청킹**    | 청크별 문맥 요약을 추가하여 검색 정확도를 향상         | 활성화       |

**텍스트 나누기 옵션:**

| 설정            | 설명                 |    기본값   | 적용 모드             |
| ------------- | ------------------ | :------: | ----------------- |
| **Chunk 크기**  | 문서 분할 단위 (문자 수)    |   1,000  | 기본값(캐릭터), 토큰      |
| **Chunk 오버랩** | 청크 간 중복 문자 수       |    100   | 기본값(캐릭터), 토큰, 시멘틱 |
| **청크당 최소 토큰** | 청크를 생성할 최소 문자 수    |     -    | 기본값(캐릭터), 토큰, 시멘틱 |
| **청크당 최대 토큰** | 청크를 생성할 최대 문자 수    |     -    | 기본값(캐릭터), 토큰, 시멘틱 |
| **임계값 유형**    | 청크를 나누는 유사도 기준의 유형 | 백분위 (권장) | 시멘틱               |
| **임계값**       | 임계값 유형 별 분할 결정 임계값 |     -    | 시멘틱               |

### 임베딩 모델 엔진

| 엔진                             | 특징                    |
| ------------------------------ | --------------------- |
| **기본값 (SentenceTransformers)** | 외부 전송 없음, 보안 우수       |
| **Ollama**                     | 로컬 서버, 커스텀 모델         |
| **OpenAI**                     | 높은 품질, API 비용 발생      |
| **Azure OpenAI**               | 기업 환경 최적화             |
| **Gemini**                     | Google 임베딩 모델, GCP 연동 |
| **Vertex AI**                  | GCP 관리형 임베딩 서비스       |

### 검색 설정

검색 설정은 **전역 설정**(관리자)과 **KB별 설정** 두 레벨로 관리됩니다.

| 설정            | 기본값 | 설명                       |
| ------------- | :-: | ------------------------ |
| **Top K**     |  10 | 벡터 검색에서 가져올 청크 수         |
| **리랭커 Top K** |  3  | 리랭킹 후 최종 반환할 청크 수        |
| **리랭커 임계값**   | 0.1 | 리랭킹 최소 점수 (낮을수록 더 많이 통과) |

<Tip>
  지식기반별로 검색 설정을 오버라이드할 수 있습니다. 지식기반 편집 화면 > **설정** 아이콘을 클릭하세요. 빈 값으로 두면 전역 관리자 설정이 적용됩니다.
</Tip>

### KB별 문서 요약 설정

지식기반별로 **문서 요약 생성**을 개별 제어할 수 있습니다. 검색 설정 모달의 **"파일 요약"** 섹션에서 설정합니다.

| 설정               | 설명                     |    기본값   |
| :--------------- | :--------------------- | :------: |
| **문서 내용 요약 활성화** | 파일 처리 완료 시 AI 요약 자동 생성 |    켜짐    |
| **요약 모델**        | 요약에 사용할 LLM 모델         | 작업 모델 사용 |

요약이 생성된 파일은 목록에서 **"요약"** 토글로 인라인 확인할 수 있습니다.

### 질의예시 생성 (Multi-Vector Search)

질의예시 생성을 활성화하면, 문서 청크마다 "**이 내용을 찾기 위해 사용자가 할 법한 질문**"을 LLM이 미리 생성하여 별도 벡터로 저장합니다.

```mermaid theme={null}
flowchart LR
    A[문서 청크] --> B[콘텐츠 벡터]
    A --> C[LLM이 예상 질문 생성]
    C --> D[질문 벡터]
    E[사용자 질문] --> F{검색}
    B --> F
    D --> F
    F --> G[가중 합산 결과]
```

| 상태  | 검색 방식             | 효과                         |
| --- | ----------------- | -------------------------- |
| 비활성 | 콘텐츠 벡터만 사용        | 기본 검색                      |
| 활성  | 콘텐츠 + 질문 벡터 가중 합산 | 사용자 질문과 유사한 표현으로 검색 정확도 향상 |

<Warning>
  질의예시 생성을 활성화하면 문서 처리 시 LLM 호출이 추가됩니다. 처리 시간과 비용이 증가할 수 있습니다.
</Warning>

<Tip>
  KB별로 질의예시 생성을 개별 설정할 수 있습니다. 검색 설정 모달의 **"질의예시 생성"** 섹션에서 글로벌 설정과 독립적으로 활성화/비활성화하고, 사용할 LLM 모델을 선택합니다.
</Tip>

***

## 베스트 프랙티스

### 문서 준비

1. **깔끔한 포맷**: 제목, 소제목을 명확히 구분하고 일관된 스타일을 유지하세요
2. **최신 버전 유지**: 정기적으로 문서를 업데이트하고 오래된 문서는 삭제하세요
3. **적절한 크기**: 너무 큰 문서는 주제별로 분리하고, 관련 내용끼리 그룹화하세요

### 지식기반 구성

1. **주제별 분리**: "인사규정", "IT가이드", "제품매뉴얼" 등 주제별로 별도 지식기반을 구성하세요
2. **접근 권한 세분화**: 민감한 정보는 별도로 관리하고 부서별로 접근을 제한하세요
3. **에이전트 설명 작성**: 에이전트가 적절한 지식기반을 자동 선택하도록 구체적인 에이전트 설명을 작성하세요

***

## 활용 사례

<AccordionGroup>
  <Accordion title="신입 사원 온보딩" icon="user-plus">
    인사 규정, 업무 매뉴얼, IT 가이드를 지식기반으로 구축하면 신입 사원이 AI에게 질문하며 빠르게 적응할 수 있습니다.

    * 지식기반: "인사규정", "업무매뉴얼", "IT이용가이드"
    * 에이전트에 3개 지식기반 연결
    * 에이전트 설명으로 각 KB의 용도를 명확히 구분
  </Accordion>

  <Accordion title="고객 지원 자동화" icon="headset">
    제품 매뉴얼, FAQ, 기술 문서를 지식기반으로 구축하여 고객 문의에 정확한 답변을 제공합니다.

    * 동적 필터: 제품명, 버전으로 필터링
    * 에이전트: 고객 지원용 시스템 프롬프트 + 지식기반 연결
    * 인용 출처 표시로 답변 신뢰도 확보
  </Accordion>

  <Accordion title="부서별 규정 관리" icon="building">
    부서별 문서를 동적 필터로 분류하고, 부서에 따라 정확한 규정을 검색합니다.

    * 동적 필터: 부서, 연도, 문서 유형
    * AI 자동 추출로 메타데이터 자동 분류
    * 접근 권한으로 민감 문서 보호
  </Accordion>
</AccordionGroup>

***

## FAQ

<AccordionGroup>
  <Accordion title="지식기반 용량 제한이 있나요?" icon="circle-question">
    기본 설정에서는 파일 수나 용량에 제한이 없습니다. 관리자가 환경 변수를 통해 제한을 설정할 수 있습니다.
  </Accordion>

  <Accordion title="같은 파일을 다시 업로드하면 어떻게 되나요?" icon="circle-question">
    같은 이름의 파일이 감지되면 **중복 확인 다이얼로그**가 표시됩니다. Overwrite(교체), Skip(건너뛰기), Cancel(취소) 중 선택할 수 있습니다.
  </Accordion>

  <Accordion title="PDF 이미지의 텍스트도 인식되나요?" icon="circle-question">
    기본 추출 엔진은 PDF에 포함된 이미지에서 제한적으로 텍스트를 추출하지만, 스캔 문서나 이미지가 많은 PDF는 **문서 인텔리전스**, **Google Cloud Document AI**, **LLM 비전** 엔진을 사용하면 훨씬 정확합니다. 단독 이미지 파일(PNG·JPG)을 업로드해 텍스트를 검색하려면 Google Cloud Document AI 또는 LLM 비전 프로파일이 필요합니다. 관리자에게 추출 엔진 설정을 확인하세요.
  </Accordion>

  <Accordion title="동적 필터의 메타데이터를 변경하면 재임베딩이 필요한가요?" icon="circle-question">
    아니요. 메타데이터 변경은 벡터 인덱스의 필터 필드만 업데이트하며, 기존 벡터는 그대로 유지됩니다. 재임베딩 없이 빠르게 처리됩니다.
  </Accordion>

  <Accordion title="여러 지식기반을 하나의 에이전트에 연결하면 검색 설정은 어떻게 되나요?" icon="circle-question">
    여러 KB를 연결하면 검색 설정은 다음 규칙으로 병합됩니다:

    * **Top K, 리랭커 Top K**: 각 KB 중 **가장 큰 값** 적용
    * **리랭커 임계값**: 각 KB 중 **가장 낮은 값** 적용 (더 많은 결과 통과)
  </Accordion>

  <Accordion title="문서 처리 프로파일을 변경하면 기존 문서에 영향이 있나요?" icon="circle-question">
    프로파일을 변경해도 이미 처리된 문서의 벡터는 자동으로 재처리되지 않습니다. 변경된 프로파일을 기존 문서에 적용하려면 해당 문서를 삭제 후 다시 업로드하거나, 관리자 설정에서 전체 재색인을 실행하세요.
  </Accordion>

  <Accordion title="LLM 비전이나 문맥 보존 사용 시 비용이 얼마나 드나요?" icon="circle-question">
    * **LLM 비전**: 페이지 수 × 약 2회 LLM 호출 (추출 + 경계 보정)
    * **문맥 보존**: 청크 수 × 1회 LLM 호출

    10페이지 PDF + 20개 청크 기준으로 LLM 비전(19회) + 문맥 보존(20회) = 약 39회 LLM 호출입니다. 대용량 문서를 일괄 업로드하면 비용이 크게 증가할 수 있으므로 중요 문서에 선별적으로 사용하세요.
  </Accordion>
</AccordionGroup>

***

## 관련 페이지

<Columns cols={2}>
  <Card title="동적 필터 상세" icon="filter" href="/ko/workspace/knowledge-filters">
    필터 내부 동작 원리, Manual vs AI 비교, 5단계 검색 흐름
  </Card>

  <Card title="지식 그래프" icon="share-nodes" href="/ko/workspace/knowledge-graph">
    지식기반 + 용어집 + DB를 하나의 그래프로 통합 연결
  </Card>

  <Card title="에이전트" icon="robot" href="/ko/workspace/agents">
    지식기반을 에이전트에 연결하여 활용
  </Card>

  <Card title="용어집" icon="book" href="/ko/workspace/glossary">
    도메인 용어를 정의하여 AI 이해도 향상
  </Card>
</Columns>