매뉴얼웍스는 AI 제공자의 임베딩 모델을 API로 호출하여 매뉴얼웍스로 작성한 문서를 벡터화해 저장합니다. 챗봇을 사용하려면 문서를 임베딩하여 벡터 저장소(매뉴얼웍스의 내부 모듈)에 저장해야 합니다.
<AI | 벡터 저장소> 메뉴는 “관리” 권한이 있는 사용자만 사용할 수 있습니다.
벡터 저장소(Vector Store)란?
벡터 저장소는 텍스트, 이미지, 오디오 같은 비정형 데이터를 벡터로 변환해 저장하고, 유사도 검색을 통해 의미적으로 비슷한 데이터를 찾아주는 특수한 데이터베이스입니다. AI 기반 검색 시스템, 추천 엔진, RAG(Retrieval-Augmented Generation, 검색 증강 생성) 애플리케이션 등에 활용됩니다.
매뉴얼웍스의 챗봇은 벡터 저장소를 이용한 RAG를 지원합니다.
문서 임베딩 및 저장하기
AI 어시스턴트를 사용할 때와 마찬가지로 문서를 임베딩할 때도 비용이 발생합니다. 자세한 내용은 사용하는 AI 제공자의 문서를 참고합니다.
다음 순서로 문서를 임베딩하고 그 결과를 벡터 저장소에 저장합니다.
<AI | 벡터 저장소> 메뉴로 이동합니다.
<문서 추가> 링크를 클릭하여 임베딩할 문서를 선택합니다.
‘임베딩용 AI 모델’을 선택하고 <문서 임베딩 및 저장> 링크를 클릭합니다.
AI 제공자에서 설정한 임베딩용 AI 모델 중에서 선택할 수 있습니다.
임베딩한 문서가 벡터 저장소 목록에 추가됩니다.
임베딩용 AI 모델이 필요합니다. 매뉴얼웍스가 지원하는 AI 제공자 중 Claude와 Grok은 임베딩용 AI 모델을 지원하지 않습니다. Gemini, OpenAI, Voyage AI 등은 임베딩용 AI 모델을 지원합니다.
문서 변경 사항 벡터 저장소에 반영하기
임베딩한 문서의 내용이 변경되어도 그 변경 사항이 벡터 저장소에 자동으로 반영되지는 않습니다. PDF 문서에 바뀐 내용을 반영할 때와 마찬가지로 수동으로 작업해야 합니다.
<AI | 벡터 저장소> 메뉴로 이동합니다.
목록에서 변경 사항을 반영할 문서의 <임베딩 동기화> 링크를 클릭합니다.
슬라이딩 패널의 버튼을 클릭하면 벡터 저장소에 변경 사항을 반영합니다.
<이력 비교> 링크를 클릭하면 문서를 임베딩(또는 임베딩 동기화)한 뒤 바뀐 내용을 확인할 수 있습니다.
저장된 문서 삭제하기
임베딩하여 벡터 저장소에 저장한 문서는 삭제할 수 있습니다.
<AI | 벡터 저장소> 메뉴로 이동합니다.
삭제할 문서의 <삭제> 링크를 클릭합니다.
벡터 저장소 문서 목록에서 해당 문서가 삭제됩니다.
삭제 후 문서를 다시 임베딩할 경우 비용이 발생하므로, 삭제 시 주의가 필요합니다.
임베딩 대상 문서 내용
문서 공개와 임베딩
한 문서를 여러 AI 모델로 임베딩할 수 있습니다. 다만 임베딩 대상이 되는 문서 내용은 최신 내용 또는 공개한 태그의 내용만 사용합니다. 따라서 태그별로 문서를 따로 임베딩할 수는 없고, 공개한 태그가 있으면 그 내용을 임베딩합니다. 공개한 태그가 없으면 최신 내용을 임베딩합니다. 이는 문서를 임베딩(또는 임베딩 동기화)하는 시점을 기준으로 결정합니다.
웹 뷰어 기준
웹 뷰어에 표시되는 문서를 기준으로 임베딩합니다. 웹 뷰어에서 숨겨진 장과 숨겨진 단락(교정 단락)은 임베딩하지 않습니다. 반면 참조한 장이나 다른 단락 가져오기로 포함한 단락은 임베딩합니다.
VECTOR_STORE_CACHE_SIZE 옵션으로 자바 힙 메모리 캐시 크기 설정
유사도 검색 성능을 높이기 위해 자바 힙 메모리에 임베딩한 문서를 최대 10개까지 캐시합니다. 이 수를 변경하려면 콘솔에서 다음 명령어를 실행합니다.
set-preference -name VECTOR_STORE_CACHE_SIZE -value 5