06 · DATA / RAG

Structured DB + Entity/Relation Graph + Embedding + RAG

같은 데이터를 네 가지 방식으로 다룹니다. 확정 사실은 Structured DB, 연결 이유는 Relation Graph, 유사한 맥락 검색은 Embedding, 실제 답변 생성 시에는 RAG가 승인 근거를 모아 LLM에 제공합니다.

01 · Structured DBFACT

Project	SR-260903-001
Type
Domain
Requirements
Approved term	인수 가능시점 → 可交割时间

정형 DB에는 담당자가 확인한 값과 상태를 저장합니다. “AI가 추정한 사실”은 확정값으로 저장하지 않습니다.

02 · Entity / Relation GraphRELATION

PROJECT
OO철강 공장 매각

COMPANY
OO철강
owner_of → Project

PROJECT
갈바륨 공장 신설
similar_need → 88%

RESOURCE
철강 설비 네트워크
can_support → 실사/이전

PERSON
김OO 대표
connected_to → 시공사

ASSET
설비 리스트
required_by → Project

TERM
可交割时间
approved_for → M&A

03 · Embedding SimilarityVECTOR

Query Context

갈바륨 공장 신설0.88

S&D 생산확장0.76

철강 설비 네트워크0.64

해남성 바이오 방문0.18

Embedding은 같은 단어가 아니라 의미적으로 유사한 업무 맥락을 찾는 역할입니다. 이후 구조화 조건과 관계 그래프 근거로 다시 좁힙니다.

04 · RAG → LLM → Human GateRAG FLOW

사용자 업무버튼 ↓ Project Type / Domain / Language ↓ Structured Filter ↓ Embedding Top-K ↓ Relation Graph 근거 보강 ↓ 승인 Glossary / Approved Prompt 조회 ↓ RAG Context 조합 ↓ LLM 초안 생성 ↓ Human Review / 승인 ↓ 확정 DB · Glossary · 업무자산 업데이트

RAG는 모델을 새로 학습시키는 기능이 아니라, 현재 프로젝트에 필요한 최신 승인 근거를 찾아 LLM 입력 컨텍스트에 넣는 방식입니다.

한 프로젝트가 저장되는 방식

동일 데이터의 역할 분리

Layer	저장/검색 대상	이유
Structured DB	Project ID, 유형, 상태, 승인 요구조건	정확한 필터·상태관리
Relation Graph	사람↔기업↔프로젝트↔설비 관계	“왜 연결되는가” 추적
Embedding	문서·프로젝트·메모의 의미 벡터	표현이 달라도 유사맥락 검색
RAG	현재 질문에 필요한 근거 묶음	LLM 답변에 최신 승인 컨텍스트 제공