최신 기사

도메인별 나레지베이스를 나누고 선택적으로 앱에 연결할 수 있다: Dify 나레지 구조의 설계 선택지

Dify의 나레지(Knowledge)는 자체 데이터를 AI 앱에 통합할 수 있는 컬렉션으로, 도메인별 정보를 LLM의 컨텍스트로 제공함으로써 응답의 정확도를 높이고 환각(hallucination)을 줄이는 것을 목적으로 합니다(Dify 공식 문서). 따라서 문서를 앱에 연결하기 전에 먼저 확인해야 할 기준은 하나입니다. '내 데이터가 이 구조에 맞는가'가 아니라, '어떤 조건에서 시험하고, 어떤 조건은 검증을 미룰 것인가'입니다.

나레지가 작동하는 방식과 설계 선택지

문서를 연결하기 전에 설계 항목을 정리해두면, 실제 시험 단계에서 무엇을 관찰해야 하는지가 명확해집니다. Dify의 나레지 구조를 이해하는 것은 그 출발점입니다.

Dify 공식 문서에 따르면, 나레지는 도메인·용도·데이터 소스별로 복수의 나레지베이스를 만들고, 필요에 따라 앱에 선택적으로 통합할 수 있습니다. 이 구조는 하나의 앱에 여러 나레지베이스를 조합하는 것도 가능하게 합니다.

이 선택적 통합 구조가 설계 항목과 직결됩니다. 모든 문서를 하나의 나레지베이스에 넣을지, 도메인·용도별로 나눌지를 연결 전에 결정해야 합니다. 분리 기준이 모호한 상태에서 문서를 연결하면, 검색 결과의 적합성을 평가하기 어려워집니다.

시험할 조건과 검증을 미룰 조건의 구분

설계 항목을 '지금 시험할 것'과 '검증을 보류할 것'으로 나누면, 불필요한 반복 작업을 줄일 수 있습니다. 아래는 공급된 자료 범위 안에서 판단 가능한 조건을 정리한 것입니다.

지금 시험할 수 있는 조건은, 자체 데이터가 실제로 Dify 나레지에 통합 가능한지 여부입니다. Dify는 나레지를 자체 데이터를 AI 앱에 통합할 수 있는 컬렉션으로 정의하고 있으며(Dify 공식 문서), 복수의 나레지베이스를 도메인·용도별로 나누어 앱에 선택적으로 연결하는 구조를 지원한다고 밝히고 있습니다. 따라서 '어떤 문서를 어떤 나레지베이스에 넣을 것인가'와 '어떤 앱에 어떤 나레지베이스를 연결할 것인가'는 시험 전에 가설을 세우고, 실제 연결 후 검색 결과로 검증할 수 있는 항목입니다.

반면 검증을 미루어야 할 조건도 있습니다. 인덱스 방식, 임베딩 모델 선택, 검색 전략의 조합이 실제 응답 품질에 어떤 영향을 미치는지는, 공식 문서가 설정 변경 가능성을 언급하고 있더라도 이번 자료만으로는 성능 수준을 확인할 수 없습니다. 이 조건들은 시험용 앱을 실제로 운용해 보고 검색 결과를 관찰한 뒤 판단하는 것이 적절합니다. 또한 외부 나레지베이스와의 API 연동이나 메타데이터 필터 검색의 동작 방식도, 이번 자료의 범위 안에서는 확인되지 않으므로 별도로 검증해야 합니다.

임베딩 모델 측면에서는, Dify가 Jina AI와의 통합을 통해 Jina 임베딩 모델을 지원한다고 공식 문서에 기재되어 있습니다(Dify 공식 문서, 2026년 7월 13일 최종 수정). 어떤 임베딩 모델을 선택할지는 설계 항목 중 하나이지만, 각 모델의 실제 검색 품질 차이는 이 자료로는 확인되지 않습니다.

결정 규칙과 다음 확인 사항

시험 전에 결정해야 할 항목(나레지베이스의 분리 기준, 앱과의 연결 범위)과 시험 후에 판단해야 할 항목(검색 적합성, 임베딩 모델 간 품질 차이, 외부 연동 동작)을 구분하는 것이 이 단계의 핵심입니다.

구체적인 수용 기준으로는, 시험용 쿼리를 몇 가지 준비하고 실제 검색 결과가 해당 도메인의 문서를 올바르게 반환하는지를 관찰하는 것을 권장합니다. 이 관찰 결과가 기대에 못 미친다면, 나레지베이스의 분리 기준이나 임베딩 모델 설정을 재검토하는 것이 다음 단계입니다. 반대로 기대를 충족한다면, 메타데이터 필터나 외부 연동 등 이번 자료에서 확인되지 않은 항목으로 검증 범위를 넓힐 수 있습니다.

출처

  1. Dify — 2026-10-22

변경 이력

  • rev.1공개일

표시 언어

관련 기사