50분

실습: LLM으로 정비 보고서에서 엔티티 자동 추출

GraphRAG 통합

학습 목표

정비 보고서 텍스트에서 Equipment, Part, Fault 엔티티를 추출한다 Pydantic 스키마로 구조화된 출력을 강제한다 추출 결과를 Neo4j에 자동 적재한다

실습: 정비 보고서 → Knowledge Graph 자동화

목표

자유 형식 정비 보고서를 LLM으로 분석하여 KG에 자동 적재하는 파이프라인을 만듭니다.

실습 환경

에디터 로딩 중...

진행 순서

  1. Pydantic 스키마 정의 (엔티티, 관계)
  2. LLM에 구조화 출력 강제 (Structured Output)
  3. 정비 보고서 샘플 3건으로 추출 테스트
  4. 추출 결과를 Cypher로 변환하여 Neo4j 저장
  5. 신뢰도 점수가 낮은 항목 검증 표시

평가 포인트

  • 한국어 보고서 추출 정확도 ≥ 80%
  • 동일 엔티티 중복 생성 방지 (MERGE 사용)
  • 스키마에 없는 엔티티 타입 거부
에디터 로딩 중...
힌트 보기
  • • with_structured_output()을 사용하면 Pydantic 모델로 LLM 출력을 강제할 수 있습니다
  • • MERGE는 노드/관계가 없으면 생성, 있으면 매칭합니다 — 보고서 적재에 필수
  • • confidence가 낮은 결과는 사람 검토 큐로 라우팅하는 것이 안전합니다
  • • 한국어 보고서는 영어보다 토큰이 2배 소모되므로 비용 모니터링 필요
정답 보기
에디터 로딩 중...
AI로 학습하기 — 꿀팁
🧪추출 프롬프트를 직접 튜닝하기AI 학습 팁

엔티티 추출 품질은 프롬프트가 좌우합니다. 아래를 바꿔가며 추출 결과가 어떻게 달라지는지 실험해보세요.

당신은 정보 추출 엔진입니다. 아래 정비 보고서에서 (설비)-[관계]->(부품 또는 고장) 트리플만 JSON으로 추출해줘. 본문에 없는 내용은 추측하지 마.

[보고서] (여기에 정비 보고서를 붙여넣으세요)
이 팁이 도움이 됐나요?
실습 — 직접 해보기
🧪LLM Graph Builder
텍스트에서 지식그래프를 직접 추출해보세요
⤢
이전다음