Source-Centric Workflow 기반의 지식 관리 및 Context 제어 아키텍처

A Research Workflow That Starts With Sources, Not Prompts

dengkui yang2026년 4월 30일9분intermediate

AI 요약

Context

기존 AI 챗봇의 Prompt-first 인터페이스는 단발성 요약에 치중하여 데이터 출처 추적이 어렵고 지식의 누적적 활용이 불가능한 한계 노출.

Source와 Note의 Ontological 분리를 통한 데이터 무결성 확보 및 검증 가능성 제공
Full-text Search와 Vector Search를 결합한 Hybrid Retrieval 구조로 소스 참조 정밀도 향상
Context Level(Full content, Summary only, Out of context) 제어를 통한 Privacy 및 Cost 최적화
Local Model(Ollama)과 Cloud Model을 선택적으로 운용하는 Hybrid Model Orchestration 설계
Chat(탐색) → Ask(발견) → Transformation(재사용)으로 이어지는 파이프라인 기반의 Knowledge Loop 구현
Self-hosting 옵션을 통한 데이터 거버넌스 강화 및 외부 유출 방지 구조 채택

실천 포인트

1. 입력 데이터의 성격에 따라 '불변의 Source'와 '가변의 Note'로 레이어를 분리했는가?

2. LLM에 전달되는 Context의 범위를 사용자/시스템이 정밀하게 제어할 수 있는 메커니즘이 존재하는가?

3. 데이터 민감도에 따라 Local-first 처리와 Cloud API 호출을 동적으로 결정하는 로직을 갖추었는가?

4. AI 생성 결과물이 단순 텍스트가 아닌, 참조 가능한 Source ID를 포함한 구조화된 데이터로 저장되는가?

태그