조직이나 도메인의 정보를 체계적으로 저장하고 AI가 참조할 수 있게 구성한 데이터 저장소. RAG의 핵심 재료이자 AI의 전문 지식 공급원이다.

개념 설명

LLM은 학습 시점 이후의 정보를 모르고, 특정 조직의 내부 정보도 없다. 지식 베이스는 이 공백을 채운다. 회사 내부 문서, 제품 매뉴얼, FAQ, 코드 레포지토리를 인덱싱해서 AI가 질문할 때 관련 정보를 검색해 참조할 수 있게 만든다. 전통적인 검색 가능한 문서 저장소와 달리, AI용 지식 베이스는 의미 기반 검색이 가능하도록 임베딩 벡터로 변환해서 저장한다.

사용 예시

회사 내부 위키, Notion 페이지, Confluence 문서를 자동으로 임베딩해서 벡터 DB에 저장하면 직원이 "이 기능 관련 기획서 있어?"라고 물을 때 AI가 관련 문서를 찾아서 답변을 생성할 수 있다. Notion AI, Confluence AI, 또는 커스텀 RAG 파이프라인으로 구현한다. 문서가 업데이트될 때 임베딩을 자동으로 갱신하는 동기화 파이프라인이 지식 베이스의 품질을 유지하는 핵심이다.