RAG4U¶
RAG4U는 모든 문서를 다 읽지 않고, 필요한 근거만 찾아 답하는 로컬 RAG 시스템입니다.
문서가 많아질수록 사람은 전체를 읽지 않습니다. 필요한 순간에 관련 조항, 절차, 오류 코드, 정책 문구를 찾아 확인합니다. RAG4U는 이 흐름을 시스템으로 만든 MVP입니다.
RAG4U는 검색된 근거를 바탕으로 답하고, 답변 아래에 출처와 citation을 함께 보여줍니다.
로컬 문서
-> 파싱
-> 청킹
-> 로컬 임베딩
-> Chroma 검색
-> 선택적 DB tool 호출
-> LLM 답변 생성
-> 출처, 근거, tool trace 표시
무엇을 해결하나요?¶
- 사내 규정, 매뉴얼, 정책 문서에서 필요한 근거를 빠르게 찾습니다.
- 답변만 보여주는 챗봇이 아니라, 답변이 나온 파일과 섹션, 스니펫을 같이 보여줍니다.
- 문서 전체를 외부 LLM에 보내지 않고, 로컬에서 검색된 일부 청크만 provider에 전달합니다.
- OpenAI API, Codex 로그인 기반 provider, 검색 확인용 mock provider를 바꿔가며 쓸 수 있습니다.
- 알람 이력, 센서 트렌드, 정비 이력처럼 최신 운영 데이터는 read-only DB tool로 조회할 수 있습니다.
어디에 쓸 수 있나요?¶
| 영역 | 예시 질문 |
|---|---|
| 회사 내규 | "출장 영수증은 언제까지 제출해야 하나요?" |
| 보안 정책 | "기밀 문서를 외부 서비스에 공유하려면 어떤 승인이 필요한가요?" |
| 장비 매뉴얼 | "E37 오류는 무엇을 의미하나요?" |
| 설비 알람 | "P-101 최근 알람과 정비 이력을 같이 요약해줘." |
| 센서 트렌드 | "C-201 최근 CRITICAL 알람과 온도 센서 추세를 같이 설명해줘." |
| 온보딩 문서 | "신규 입사자가 첫 주에 완료해야 할 절차는 무엇인가요?" |
| 고객지원 | "이 오류에 대해 고객에게 안내할 점은 무엇인가요?" |
Agentic DB Tools¶
Use DB tools를 켜면 provider가 질문을 보고 알람 이력, 센서 트렌드, 정비 이력 tool을 선택합니다. LLM은 SQL을 직접 실행하지 않고, RAG4U가 정의한 read-only tool만 실행합니다.
정책/절차/매뉴얼 질문 -> RAG
알람/센서/정비/최신 이력 질문 -> DB tool
둘 다 필요한 질문 -> RAG + DB tool
OpenAI는 Responses API function calling을 사용하고, Codex는 tool 선택 JSON을 만든 뒤 RAG4U가 DB tool을 실행합니다.
빠른 링크¶
현재 공개 범위
이 문서 사이트는 RAG4U를 설명하는 정적 문서 허브입니다. 실제 RAG API와 Streamlit 앱은 사용자의 로컬 또는 사내 서버에서 별도로 실행합니다.