개요

지식 베이스는 에이전트가 대화 중 참조할 수 있는 정보의 집합입니다. 프롬프트에 모든 내용을 담기 어려운 상황에서, 관련 정보를 실시간으로 검색해 정확한 응답을 생성하도록 도와줍니다. 고객 지원, 헬프데스크, FAQ 등 정보량이 많은 시나리오에 특히 유용합니다.

​

지식 베이스 만들기

대시보드의 지식 베이스 메뉴에서 새 지식 베이스를 생성하고, 상세 페이지에서 문서를 추가합니다.

1. 지식 베이스 목록 상단의 새 지식 베이스 버튼을 누르면 새 지식 베이스라는 이름으로 즉시 생성되고 상세 페이지로 이동합니다. 이름은 상세 페이지에서 언제든 변경할 수 있습니다.
2. 상세 페이지 오른쪽 상단의 추가 버튼을 누르면 드롭다운 메뉴가 열리며, 다음 세 가지 문서 유형 중 하나를 선택할 수 있습니다.

​

문서 처리 방식

추가된 문서는 다음 과정을 거쳐 지식 베이스에 저장됩니다.

1. 청크 분할 — 문서를 의미 단위의 작은 조각(청크)으로 분할합니다.
2. 임베딩 변환 — 각 청크를 벡터 임베딩으로 변환합니다. 이 벡터는 텍스트의 의미를 수치로 표현한 것입니다.
3. 벡터 DB 저장 — 변환된 벡터를 벡터 데이터베이스에 저장합니다. 이후 유사한 의미를 가진 청크를 빠르게 검색할 수 있습니다.

​

에이전트에 연결하기

에이전트 빌드 화면의 지식 베이스 아코디언 섹션에서 지식 베이스를 연결합니다.

• 섹션 하단의 추가 드롭다운을 열면 조직에 생성되어 있는 지식 베이스 목록이 체크박스로 표시됩니다. 체크하면 해당 지식 베이스가 에이전트에 즉시 연결됩니다.
• 목록 마지막의 새 지식 추가를 누르면 지식 베이스 관리 페이지가 새 탭으로 열립니다.
• 연결된 지식 베이스는 섹션 상단에 카드 형태로 나열되며, 카드를 클릭하면 해당 지식 베이스의 문서를 사이드 시트에서 확인할 수 있습니다.

​

RAG 활성화

지식 베이스가 하나 이상 연결되면 아코디언 하단에 RAG 활성화 토글과 함께 현재 상태 안내 메시지가 나타납니다. 토글의 동작은 연결된 지식 베이스의 전체 토큰 크기에 따라 세 구간으로 나뉩니다. 플로우 에이전트의 개별 대화/지식 노드에서도 동일한 구간 규칙이 적용되는 노드 RAG 활성화 토글이 제공됩니다. 노드별로 다른 검색 전략을 쓰고 싶을 때 사용하세요.

​

RAG 검색 및 응답 흐름

vox.ai는 RAG(Retrieval-Augmented Generation) 방식으로 지식 베이스를 활용합니다. 에이전트가 응답을 생성하기 전에 관련 정보를 먼저 검색해 LLM에 제공하는 구조입니다.

1. 질문 수신 — 사용자의 질문이 들어오면 해당 질문을 벡터로 변환합니다.
2. 관련 청크 검색 — 벡터 데이터베이스에서 질문과 의미적으로 가장 유사한 청크를 검색합니다.
3. LLM 컨텍스트 추가 — 검색된 청크를 LLM의 컨텍스트에 추가합니다.
4. 응답 생성 — LLM이 검색된 정보를 바탕으로 사용자 질문에 맞는 응답을 생성합니다.

이 과정은 자동으로 이루어지므로 프롬프트를 별도로 수정할 필요가 없습니다.

---

연관 검색어

지식 베이스, knowledge base, RAG, 벡터 검색, 임베딩, 청크 분할, 문서 검색, RAG 활성화