> ## Documentation Index
> Fetch the complete documentation index at: https://docs.tryvox.co/llms.txt
> Use this file to discover all available pages before exploring further.
# 개요
> 에이전트에게 지식 베이스를 연결해 대화 중 필요한 정보를 검색하게 합니다.
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 베이스`라는 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.
URL을 입력하면 자동으로 크롤링하여 문서로 추가합니다.
PDF, DOCX, CSV, 이미지 등 다양한 파일을 업로드해 문서로 추가합니다.
제목과 내용을 직접 입력해 문서를 추가합니다.
## 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.
Markdown 형식의 문서를 사용하면 명확한 단락 구분 덕분에 청크 분할과 검색 정확도가 향상됩니다. 표 형태의 데이터는 정확한 검색이 어려울 수 있으므로, 가능하면 텍스트 형태로 변환해 업로드하세요.
## 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 추가**를 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.
| 구간 | 토큰 기준 | 동작 | 토글 상태 |
| -- | ----------- | -------------------------------------------------------------- | ------ |
| 0 | 1만 토큰 미만 | 지식 베이스가 작아 프롬프트에 직접 포함됩니다. RAG는 권장되지 않으며 토글이 비활성화됩니다. | 꺼짐 고정 |
| 1 | 1만 \~ 7만 토큰 | 사용자가 RAG를 켜고 끌 수 있습니다. 켜면 관련 청크만 검색해 응답 시 참조합니다. | 사용자 선택 |
| 2 | 7만 토큰 이상 | 지식 베이스가 너무 커서 프롬프트에 담을 수 없습니다. RAG가 자동으로 강제 활성화되며 토글이 비활성화됩니다. | 켜짐 고정 |
구간 0에서는 프롬프트에 지식 베이스 전체가 포함되므로 응답 지연이 더 짧을 수 있습니다. 구간 2에서는 RAG가 자동으로 켜지므로 별도로 설정할 필요가 없습니다.
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.
```mermaid theme={null}
flowchart LR
A[문서 추가] --> B[청크 분할]
B --> C[임베딩 변환]
C --> D[벡터 DB 저장]
D --> E[질문 시 검색]
E --> F[LLM 컨텍스트 추가]
F --> G[응답 생성]
```
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.
***
지식 베이스, knowledge base, RAG, 벡터 검색, 임베딩, 청크 분할, 문서 검색, RAG 활성화