🏆50분
Challenge: RAG + KG + Agent 통합 파이프라인 완성
RAG + Agent 파이프라인 통합
Challenge: RAG + KG + Agent 통합 파이프라인 완성
통합 프로젝트 > RAG + Agent 파이프라인 통합
Challenge: 통합 파이프라인 완성
요구사항
Day 2에서 구현한 모든 컴포넌트를 하나로 연결하여 터미널에서 대화형으로 동작하는 제조 AI 어시스턴트를 완성하세요.
테스트 시나리오 (필수)
시나리오 1: RAG 단독
입력: "프레스 작업 시 안전 수칙 알려줘"
기대: search_documents 호출 -> 안전 수칙 응답
시나리오 2: KG 단독
입력: "CNC-001에 연결된 센서 목록"
기대: query_knowledge_graph 호출 -> 센서 목록 응답
시나리오 3: RAG + KG 복합
입력: "CNC-001 알람 E-042, 어떤 부품을 점검해야 해?"
기대: 두 도구 모두 호출 -> 종합 답변
시나리오 4: 계산
입력: "가동률 85%, 품질률 92%, 성능률 95%일 때 OEE는?"
기대: calculate 호출 -> OEE = 74.29%
시나리오 5: 대화 연속
입력1: "CNC-001 정보 알려줘"
입력2: "그 설비의 냉각 시스템은?"
기대: 입력2에서 "그 설비" = CNC-001 이해제출물
- 동작하는 코드 (core/ 디렉토리 전체)
- 터미널 테스트 실행 결과 캡처
- 에러 폴백 테스트 결과 (Neo4j 꺼진 상태에서 테스트)
요구사항
RAG Service: 최소 5개 샘플 문서 로딩 + 검색 동작 확인
KG Service: Neo4j 연결 or Mock + 관계 탐색 동작 확인
Agent: 3가지 유스케이스(RAG, KG, RAG+KG) 정상 응답
대화 이력 유지: 연속 질문 시 맥락 유지
에러 핸들링: Neo4j 미연결 시 RAG만으로 폴백
평가 기준
- • 도구 선택이 질문 유형에 맞게 이루어지는가
- • 복합 질문(RAG+KG)에서 두 도구를 적절히 조합하는가
- • 에러 상황에서 시스템이 정상적으로 폴백하는가
- • 대화 이력이 유지되어 "그 설비"같은 대명사를 이해하는가
- • 응답이 한국어로 자연스럽게 생성되는가
보너스
- • 스트리밍 응답 구현 (run_stream)
- • MMR 검색으로 RAG 다양성 확보
- • 도구 사용 통계 로깅
AI로 학습하기 — 꿀팁
RAG+KG+Agent 파이프라인 통합 검증AI 학습 팁
AI에게 세 컴포넌트 연결 지점의 데이터 형식 호환성과 병목 시나리오를 체계적으로 검토받으세요.
제조 AI 어시스턴트의 RAG + KG + Agent 통합 파이프라인을 완성 중이다. 다음을 검토해줘: (1) RAG 청크 메타데이터와 KG 노드 속성이 Agent 컨텍스트에서 충돌 없이 병합되는가, (2) KG 조회 실패 시 RAG 단독으로 품질 저하 없이 동작하는가, (3) 제조 도메인 전문 용어(설비 코드, 공정 ID)가 검색 단계에서 올바르게 처리되는가, (4) 응답 지연이 3초를 넘는 쿼리 유형과 최적화 방법은 무엇인가.
이 팁이 도움이 됐나요?