지식 검색 노드

지식 검색 노드 (Knowledge Retrieval)

지식 검색(Knowledge Retrieval) 노드를 사용하면 워크플로우에 기존 지식 베이스를 통합할 수 있어요. 이 노드는 특정 지식에서 쿼리와 관련된 정보를 검색하고, 결과를 다운스트림 노드(예: LLM)의 컨텍스트 콘텐츠로 출력해요.

Chatflow에서 Knowledge Retrieval 노드를 사용하는 예시를 볼게요.

Knowledge Retrieval 노드를 사용하기 전에 지식 베이스가 적어도 하나는 있어야 해요. 지식 베이스 만드는 방법은 Knowledge 문서를 참고해요.

지식 검색 작업은 구독 플랜에 따라 분당 속도 제한(rate limit)이 적용돼요. 플랜별 숫자는 Knowledge Request Rate Limit 문서를 참고해요.

Knowledge Retrieval 노드가 제대로 동작하려면 다음을 지정해야 해요.

선택한 지식 베이스(들)에서 노드가 검색할 쿼리 콘텐츠를 제공해요.

Query Text: 텍스트 변수를 선택해요. 예를 들어 Chatflow에서 userinput.query를 사용해 사용자 입력을 참조하거나, Workflow에서 커스텀 텍스트 유형 사용자 입력 변수를 사용해요.
Query Images: 이미지 변수를 선택해요. 예를 들어 User Input 노드를 통해 사용자가 업로드한 이미지를 검색에 사용해요. 각 이미지는 2MB 이하여야 해요.

Query Images 옵션은 멀티모달 지식 베이스가 적어도 하나 추가됐을 때만 사용할 수 있어요. 이런 지식 베이스는 멀티모달 임베딩 모델을 사용한다는 뜻의 Vision 태그로 표시돼요.

여러 지식 베이스를 추가하면, 먼저 모든 지식 베이스에서 동시에 검색한 뒤 노드 레벨 검색 설정에 따라 결합·처리해요.

Vision 태그가 붙은 지식 베이스는 교차 모달 검색을 지원해요. 의미적 관련성에 따라 텍스트와 이미지를 모두 반환해요.

추가된 지식 베이스 옆의 Edit 아이콘을 클릭해 설정을 수정할 수 있어요.

지식 베이스(들)에서 결과를 가져온 뒤 노드가 검색 결과를 어떻게 처리할지 세밀하게 조정하려면 Retrieval Setting을 클릭해요.

검색 설정은 지식 베이스 레벨과 지식 검색 노드 레벨 두 층위에 존재한다는 점을 기억해요.

멀티모달 지식 베이스가 추가됐다면 멀티모달 rerank 모델(Vision 태그)도 함께 선택해요. 그렇지 않으면 검색된 이미지가 재순위화와 최종 출력에서 제외돼요.

Top K 재순위화 후 반환할 최대 결과 수예요. rerank 모델을 선택하면 이 값은 모델의 최대 입력 용량(모델이 한 번에 처리할 수 있는 텍스트 양)에 따라 자동 조정돼요.
Score Threshold 반환할 결과의 최소 유사도 점수예요. 이 점수보다 낮은 결과는 제외돼요.

기본적으로 검색은 지식 베이스 전체에 걸쳐 이뤄져요. 검색을 특정 문서로 제한하려면 수동 또는 자동 메타데이터 필터링을 활성화해요.

이렇게 하면 특히 지식 베이스가 크거나 서로 다른 맥락의 콘텐츠를 담고 있을 때 검색 정밀도가 향상돼요. 문서 메타데이터를 만들고 관리하는 방법은 Metadata 문서를 참고해요.

Knowledge Retrieval 노드는 검색 결과를 result라는 변수로 출력해요. 이 변수는 검색된 문서 청크의 배열로, 각 청크의 콘텐츠·메타데이터·제목 등 속성을 포함해요.

Chatflow에서 인용은 기본적으로 지식을 참조하는 응답 옆에 함께 표시돼요. 캔버스 오른쪽 위 Features에서 인용과 출처(Citation and Attributions) 를 비활성화하면 끌 수 있어요.

출처: 공식 문서 - Knowledge Retrieval