← Work로 돌아가기

Selected case studies · SYSTEM

생성형 AI(K-Bot) RAG 메타데이터 기반 문서 출처 추적

LLM 답변의 인라인 출처 표기를 청크 메타데이터와 매칭해 실제 문서 근거까지 추적하는 end-to-end 그라운딩 시스템

Role: AI/RAG · Backend
Period: 2025.12 ~ 2026.01
Stack: RAG · Metadata design · Svelte

01 / Problem

검색된 문서 전체가 출처처럼 노출되고 실제 답변에 인용된 문장과 문서 위치를 연결하기 어려워, 사용자가 LLM 답변의 근거를 직접 검증하기 힘들었습니다.

02 / Constraints

01
LLM의 출처 표기 형식이 매번 완전히 같지 않았습니다.
02
PDF 페이지, Excel 행, 텍스트 문서가 서로 다른 위치 체계를 사용했습니다.
03
검색·리랭킹을 거쳐도 본문과 출처 메타데이터가 분리되면 안 됐습니다.

03 / Decisions & approach

01

청크 단위 출처 모델

파일·페이지·시트·행 정보를 공통 메타데이터로 정규화했습니다.

02

보완 가능한 매칭

LLM 표기를 정규화한 뒤 정확 매칭과 보완 매칭을 순서대로 적용했습니다.

03

인용된 근거만 노출

검색 후보 전체가 아니라 답변에서 실제로 참조한 출처만 사용자에게 보여줬습니다.

04 / System flow

출처 추적 흐름

01
Retrieve

본문+출처 검색
02
Rerank

메타데이터 유지
03
Generate

인라인 출처 생성
04
Match

정규화·보완 매칭
05
Verify

실제 문서 위치 열기

05 / Outcome

답변의 인라인 출처를 PDF 페이지·Excel 행·텍스트 근거까지 연결했습니다.
사용자는 답변에 실제로 쓰인 근거만 확인할 수 있게 됐습니다.

06 / Lessons

RAG의 신뢰는 출처 목록의 개수가 아니라 답변과 근거 사이의 연결 정확도에서 만들어집니다.