버전: Next

검색 테스트

Knowledge 상세 화면의 Search 탭에서는 수집된 문서 청크를 직접 검색하여 Knowledge의 품질을 검증할 수 있습니다. AI Chat과 달리 LLM을 사용하지 않으므로, 순수한 검색 엔진의 결과만 확인할 수 있습니다. 이를 통해 청킹 전략이 적절한지, 원하는 정보가 올바르게 검색되는지를 사전에 점검할 수 있습니다.

검색 테스트는 AI 채팅의 답변 품질을 간접적으로 결정합니다. RAG 파이프라인에서 검색 단계의 결과가 좋아야 LLM이 정확한 답변을 생성할 수 있기 때문입니다. 따라서 문서를 수집한 후 AI 채팅을 사용하기 전에, 검색 테스트를 먼저 수행하는 것을 권장합니다.

검색 모드

세 가지 검색 모드를 지원하며, 각 모드는 서로 다른 검색 알고리즘을 사용합니다.

모드	엔진	설명	적합한 상황
VECTOR	벡터 DB	임베딩 벡터 간의 코사인 유사도를 기반으로 의미적으로 유사한 청크를 검색합니다.	개념적 질문, 동의어/유사 표현이 많은 경우
TEXT	텍스트 검색 엔진 (BM25)	키워드 빈도와 문서 빈도를 기반으로 정확한 키워드 매칭 결과를 반환합니다.	고유명사, 코드명, 정확한 용어 검색
HYBRID	벡터 DB + 텍스트 검색	VECTOR와 TEXT 검색을 병렬 수행한 뒤 Reciprocal Rank Fusion(RRF)으로 결과를 병합합니다.	대부분의 일반적인 검색

검색 모드와 저장소 타겟

사용 가능한 검색 모드는 Knowledge 생성 시 설정한 저장소 타겟에 따라 달라집니다. VECTOR 타겟만 설정된 Knowledge에서는 TEXT 모드를 사용할 수 없으며, 반대의 경우도 마찬가지입니다. HYBRID 모드를 사용하려면 VECTOR와 TEXT 타겟이 모두 활성화되어 있어야 합니다.

검색 파라미터

검색 쿼리와 함께 다음 파라미터를 조정하여 결과를 세밀하게 제어할 수 있습니다.

Top-K

반환할 최대 결과 수를 지정합니다.

항목	값
기본값	10
범위	1 ~ 100

값이 클수록 더 많은 결과를 확인할 수 있지만, 하위 결과의 관련도는 낮아질 수 있습니다.

Score Threshold

결과에 포함할 최소 유사도 점수(0.0 ~ 1.0)를 설정합니다. 이 점수 미만의 결과는 필터링되어 표시되지 않습니다.

항목	값
기본값	0.5
범위	0.0 ~ 1.0

팁

Score Threshold를 너무 높게 설정하면 관련 결과도 필터링될 수 있습니다. 0.3~0.5 범위로 시작하여, 불필요한 결과가 많으면 점차 높이는 방식을 권장합니다.

문서 필터

특정 문서만 대상으로 검색 범위를 제한합니다. 체크박스로 원하는 문서를 선택하면 해당 문서의 청크만 검색됩니다. 필터를 설정하지 않으면 Knowledge 내 전체 문서를 대상으로 검색합니다.

검색 결과 화면

검색을 실행하면 결과가 관련도 순으로 정렬되어 표시됩니다. 각 결과 항목에는 다음 정보가 포함됩니다.

결과 항목 구성

항목	설명
순위 번호	관련도 기준 순위 (1부터 시작)
문서명	해당 청크가 속한 원본 문서의 이름
타입 태그	문서의 소스 유형 (웹 크롤링, 파일 업로드, 수동 입력)
유사도 점수	검색 쿼리와의 관련도 점수 (백분율 형식, %)
청크 내용	매칭된 청크의 텍스트 내용 (검색어가 하이라이트 표시)
메타데이터	Section 이름, Chunk ID 등의 부가 정보

결과 요약

검색 결과 상단에는 총 결과 수가 표시됩니다. Score Threshold에 의해 필터링된 결과는 총 수에 포함되지 않습니다.

검색 품질 개선 가이드

검색 테스트 결과가 기대에 미치지 못할 때 시도할 수 있는 접근 방법입니다.

기대한 결과가 나오지 않는 경우

원인	해결 방법
청크가 너무 큼	청크 크기(chunk size)를 줄여 더 세밀한 단위로 분할
청크가 너무 작음	청크 크기를 늘려 충분한 컨텍스트를 포함
키워드 매칭 부족	TEXT 모드로 전환하여 정확한 키워드 검색 수행
의미적 유사도 부족	VECTOR 모드로 전환하여 동의어/유사 표현 검색
관련 문서가 미수집	해당 내용이 포함된 문서를 추가로 수집

검색 모드별 비교 방법

동일한 쿼리를 세 가지 모드로 각각 실행하여 결과를 비교하면 현재 Knowledge의 검색 특성을 파악할 수 있습니다.

VECTOR 모드: 의미적으로 관련된 청크가 올바르게 검색되는지 확인
TEXT 모드: 핵심 키워드가 포함된 청크가 빠짐없이 검색되는지 확인
HYBRID 모드: 두 모드의 결과가 적절히 병합되어 최상의 순위를 보이는지 확인

팁

검색 테스트를 통해 청킹 전략이 적절한지 확인하세요. 기대한 결과가 나오지 않으면 청킹 및 옵션 문서를 참고하여 청킹 설정을 조정해 보세요.

Score Threshold 설정 기준

Score Threshold를 너무 높게 설정하면 관련 결과도 필터링될 수 있습니다. 0.3~0.5 범위로 시작하는 것을 권장합니다. VECTOR 모드는 코사인 유사도 특성상 점수 분포가 0.5~0.9에 집중되는 경향이 있고, TEXT 모드는 BM25 정규화 점수로 분포가 다를 수 있으므로, 모드별로 적절한 임계값이 다를 수 있습니다.