핵심 메시지: “대시보드는 보는 것, Genie는 묻는 것, 에이전트는 행동하는 것”
이 모듈 한눈에
- 목적 — 지금까지 만든 데이터·지식을 묶어, 자연어로 묻고 답하는 통합 어시스턴트(Knowledge Assistant · Genie Agent · Supervisor)를 만듭니다.
- 다루는 것 — KA 지식 소스(
silver.mfg_knowledge_base+ 06 산출물), Genie Space 3개(모듈 5), Vector Search 인덱스, Lakebase 세션 저장(선택).
이 모듈에서 사용하는 Databricks 기능
개요
3가지 유형의 에이전트를 만들고, 하나의 Supervisor Agent로 통합합니다.
Supervisor 라우팅 규칙
Part A: Knowledge Assistant (KA) — 제조 지식 챗봇
개념
Knowledge Assistant는 비정형 문서(SOP, 품질기준서, 설비 매뉴얼)를 Vector Search로 인덱싱하여, 질문에 관련 문서를 찾아 답변하는 RAG 기반 에이전트입니다.
💡 왜 Vector Search인가? SQL의 LIKE '%틸트%'는 정확히 “틸트”가 든 문서만 찾지만, Vector Search는 “광축 정렬 기울기 허용치”처럼 의미가 비슷한 문서도 찾아냅니다. 이것이 RAG(관련 문서를 먼저 검색 → LLM이 답변 생성)의 핵심입니다.
Step 1: 지식 문서 준비
06. 비정형 AI 함수에서 SOP/매뉴얼 PDF를 파싱해 두었다면 그 결과를 활용합니다. 여기서는 KA용 지식 베이스 테이블을 직접 생성하는 경로를 제공합니다.
Genie Code 프롬프트: 제조 지식 베이스 생성
한 번에 90개를 다 만들라고 하지 말고, 빈 테이블부터 만든 뒤 카테고리별로 나눠 채웁니다.1단계 — 빈 테이블 스키마부터.
Step 2: Vector Search 엔드포인트 생성 (미리 시작)
⚠️ Vector Search 엔드포인트/인덱스 생성은 5~10분 소요됩니다. KA 생성 전에 먼저 시작하세요.
Step 3: Knowledge Assistant 생성
Genie Code 프롬프트
1단계 — KA 뼈대부터.06. 비정형 AI 함수에서 만든 8D 산출물(silver.parsed_8d_reports,gold.quality_8d_structured)을 여기서 실제로 KA 지식 소스에 추가 연결합니다. 그래야 06/07에서 서술한 “06 산출물이 KA 소스”가 사실이 됩니다.
LLM/임베딩 엔드포인트명은 워크스페이스마다 다를 수 있습니다. 하드코딩하지 말고 먼저 확인하세요.
KA 생성 확인
⚠️ 인덱싱은 5~10분 소요됩니다.
- 인덱스 상태가 “PROVISIONING”이면 “ONLINE”이 될 때까지 기다린 뒤 테스트하세요.
- 인덱싱 전에 질문하면 “관련 문서를 찾을 수 없습니다”가 나옵니다.