SetFN
SetFNDocs2026년 10월 27일

문맥 검색 (AI 검색)

키워드가 정확히 일치하지 않아도 의미가 비슷한 문서를 찾습니다. AI 검색 보조를 켜면 찾은 문서를 근거로 AI가 답변을 정리합니다.

시작하기 전에

  • 관리자가 수집·인덱싱에서 지식 인덱싱을 켜고 임베딩 모델을 준비해야 합니다. 인덱싱이 끝난 파일만 문맥 검색 결과에 나타납니다.
  • 임베딩 모델은 텍스트를 벡터로 바꾸는 모델입니다. 한국어 문서가 많다면 다국어를 잘 다루는 모델(예: bge-m3)을 권장합니다.
  • 임베딩 모델이 워크스페이스 안에서 동작하므로 인덱싱과 검색 과정에서 파일이 외부로 전송되지 않습니다.

검색 방법

  1. 상단 검색창 왼쪽의 검색 방식에서 문맥 검색을 선택합니다.
  2. 찾고 싶은 내용을 문장으로 입력하고 검색합니다. 의미가 비슷한 문서 조각이 유사도와 함께 표시됩니다.
  3. AI 답변까지 받으려면 검색창 오른쪽의 AI 검색 보조(🪄) 버튼을 선택합니다. 버튼은 검색어를 두 글자 이상 입력하면 활성화되고, 선택하면 AI 텍스트 검색으로 바뀝니다.

AI 검색 보조

AI 검색 결과

AI가 찾은 문서를 바탕으로 답변을 정리하고, 근거로 쓴 문서 번호를 함께 표시합니다. 답변의 [1], [2] 같은 번호는 아래 검색 결과 목록의 순서와 같으므로, 번호를 따라가 근거 문서를 직접 확인할 수 있습니다.

문맥 검색 - AI

실제 문서를 근거로 답합니다 (RAG)

문맥 검색은 AI의 일반 지식에만 기대지 않습니다. 워크스페이스에서 질문과 관련된 문서를 먼저 찾고, 그 내용을 근거로 답변과 출처를 함께 보여 줍니다. 이 방식을 검색증강생성(RAG, Retrieval-Augmented Generation)이라고 합니다.

인덱싱 (사전 준비)

  1. 파일을 의미 단위(청크)로 나눕니다.
  2. 임베딩 모델(예: bge-m3)이 청크마다 벡터로 바꿉니다.
  3. 벡터를 워크스페이스의 벡터 저장소에 보관합니다.

검색 (질문할 때)

  1. 질문도 같은 임베딩 모델로 벡터로 바꿉니다.
  2. 질문 벡터와 가까운 청크를 유사도 순으로 찾습니다.
  3. 찾은 청크를 근거 자료로 AI에 전달합니다.
  4. AI가 그 자료로 답변을 정리하고, 사용한 청크를 출처로 표시합니다.

질문과 문서를 같은 임베딩 모델로 벡터화해야 서로 비교할 수 있습니다.

일반 검색과의 차이

일반 검색문맥 검색
방식키워드 텍스트 매칭AI 임베딩 기반 의미 검색
검색어정확한 단어 필요자연어, 유사 표현 가능
대상파일명·파일 내용지식 인덱싱된 파일
필요 조건없음로컬 임베딩 모델, 지식 인덱싱

알아두기

  • 인덱싱이 끝나기 전에는 일부 파일이 검색되지 않을 수 있습니다.
  • 질문 방식에 따라 결과가 달라질 수 있습니다. 결과가 부족하면 다른 표현으로 다시 질문합니다.
  • 검색 품질은 임베딩 모델의 성능과 지원 언어에 따라 달라집니다.
  • 임베딩 모델을 바꾸면 기존 인덱스와 호환되지 않아 전체 파일을 다시 인덱싱해야 합니다.

관련 문서