RAG 데모 시스템

브랜즈모어 AI RAG 데모 시스템
Qdrant 기반 AI 하이브리드 검색 데모 (Dense + Sparse 벡터)
사용 방법:
  1. 1.콜렉션 생성 및 관리
  2. 2.
    문서 업로드
    • •2-1) 텍스트 문서 업로드
    • •2-2) 파일 업로드
  3. 3.검색 테스트
1콜렉션 생성 및 관리
벡터 데이터베이스 콜렉션을 생성하고 속성을 확인합니다

콜렉션 선택 및 속성 조회

industry_samples기본

📌 고정 콜렉션 · 변경 시 DEFAULT_COLLECTION 수정 필요

2-2파일 업로드
PDF, DOCX, TXT, MD, CSV 파일을 드래그 앤 드롭 또는 선택하여 자동으로 파싱하고 업로드합니다

PDF, DOCX, PPTX, TXT, MD, CSV, XLSX, XLS 파일을 드래그하거나 클릭해서 선택

최대 50MB, 지원 형식: PDF, DOCX, PPTX, TXT, MD, CSV, JSON, XLSX, XLS

지원 파일 및 예상 처리 시간

✅ 지원 파일 (최대 50MB)

  • • 대용량 PDF (50-100페이지, 고해상도 이미지)
  • • 복잡한 PowerPoint (100+ 슬라이드)
  • • 대용량 Excel (10만+ 행, 복잡한 수식)
  • • 고품질 스캔 문서 (300+ DPI)
  • • 기술 문서, 보고서, 매뉴얼

⏱️ 예상 처리 시간

  • • 텍스트 PDF (100페이지): 1-2분
  • • 이미지 PDF/OCR (50페이지): 3-5분
  • • PowerPoint (100슬라이드): 2-3분
  • • Excel (10만 행): 1-2분

선택 시 해당 산업군으로 메타데이터가 저장되어 필터링 검색이 가능합니다

2-3업로드된 문서 목록 및 청크 요약 확인
업로드된 문서의 청킹 결과와 각 청크의 AI 생성 요약을 확인합니다
3검색 테스트
업로드된 문서를 다양한 검색 모드로 테스트합니다 (Dense, Sparse, Hybrid)
의미 50% : 키워드 50%
의미 검색키워드 매칭
Hybrid 검색: Dense 벡터(OpenAI text-embedding-3-small)는 의미적 유사도를, Sparse 벡터(BM25)는 키워드 매칭을 담당하여 정확하고 맥락에 맞는 검색 결과를 제공합니다 (권장)