2026년 10월 5일

지식 저장소

문서 검색과 RAG 답변에 필요한 AI 검색 데이터를 관리합니다. RAG는 저장된 문서에서 관련 내용을 찾아 AI가 답변에 참고하는 방식입니다.

시작하기 전에

지식 저장소 화면

현재 연결된 벡터 DB의 상태를 확인합니다.

항목	설명
연결 상태	벡터 DB 연결 여부
벡터 스토어	AI 검색 데이터를 저장하는 방식과 유형 (예: Qdrant 서비스형)
데이터(엔티티) 수	이 인스턴스(현재 SpaceBuilder)가 저장한 데이터 항목 수
컬렉션 수	저장소의 컬렉션 수. Qdrant·Milvus는 해당 서버의 전체 컬렉션 수입니다.
컬렉션 구성	저장소의 차원과 거리 계산 방식이 설정과 맞는지 여부
저장 경로	데이터 저장 위치 (Local·Automatic만 표시, 예: vectordb_local)

각 항목의 상세한 의미와 컬렉션 구성 표시별 조치는 벡터 DB 운영 가이드를 참고하세요.

AI 검색 데이터를 저장할 방식과 위치를 설정합니다.

AI 모델 설정에서 다운로드한 모델 중 문서를 검색용 벡터로 변환할 임베딩 모델을 선택합니다. 다운로드된 모델이 없으면 먼저 AI 모델 설정에서 임베딩 모델을 다운로드하세요. (예: bge-m3)

항목	설명	기본값
임베딩 모델	AI 모델 설정에서 다운로드한 임베딩 모델을 선택합니다.	-
벡터 차원	선택한 모델이 생성하는 벡터의 차원 수입니다.	1024

bge-m3, nomic-embed-text 등 알려진 모델은 선택하면 벡터 차원이 자동으로 입력됩니다. 다른 모델을 사용할 때는 해당 모델의 출력 차원과 같은 값을 입력하세요.

AI 검색 데이터를 저장할 방식을 선택합니다.

드라이버	설명
Automatic (SQLite)	기본값입니다. 임베딩 모델을 선택하면 SpaceBuilder에 내장된 SQLite 저장소를 사용합니다.
Local (SQLite)	AI 검색 데이터를 지정한 경로의 파일로 저장합니다. 별도 DB 서버가 필요 없으며 벡터 약 5만 개 이하 환경에 적합합니다. 기본 경로는 `vectordb_local`입니다.
Milvus	대용량 환경에서 사용하는 외부 벡터 DB입니다. 컬렉션을 미리 만들어야 합니다. Milvus 연결
Qdrant	외부 벡터 DB입니다. 컬렉션은 첫 인덱싱 때 자동으로 만들어집니다. Qdrant 연결

어떤 드라이버를 고를지는 벡터 DB 운영 가이드를 참고하세요.

Local·Automatic 드라이버에서 데이터를 저장할 경로를 지정합니다. 상대 경로는 SpaceBuilder 설정 파일이 있는 폴더를 기준으로 합니다.

Qdrant·Milvus를 선택하면 데이터 경로 대신 외부 벡터 DB 연결 정보를 입력합니다. Qdrant는 REST와 gRPC 엔드포인트를 각각 입력합니다.

드라이버로 Qdrant를 선택했을 때의 연결 정보 입력 화면

항목	설명
컬렉션	데이터를 저장할 컬렉션 이름입니다. 인스턴스마다 다른 이름을 권장하며, 화면에 이 인스턴스의 권장 이름이 표시됩니다.
REST 엔드포인트	외부 벡터 DB 서버의 접속 주소입니다. (예: Qdrant `http://localhost:6333`, Milvus `http://localhost:19530`)
gRPC 엔드포인트 (Qdrant, 권장)	REST와 동일한 Qdrant 인스턴스의 gRPC 주소 (기본값: `http://localhost:6334`). 검색과 벡터 저장에 gRPC를 우선 사용합니다. 비워 두면 REST 주소가 `6333` 포트일 때 `6334`를 자동으로 사용하며, 연결할 수 없으면 REST로 전환합니다.
API 키	외부 벡터 DB에 인증이 켜져 있는 경우에만 입력합니다. 저장된 값은 화면에 마스킹되어 표시되며, 바꾸지 않으면 그대로 유지됩니다. 비워 두고 저장하면 삭제됩니다.
사용자 이름 / 비밀번호	Milvus 계정 인증에 사용합니다. 비밀번호는 바꿀 때만 입력하세요.

두 작업의 차이와 사용 시점은 벡터 DB 운영 가이드를 참고하세요.