# 260320 로빙 다형식문서 RAG 적용 1차 계획

## 목적

- 앞선 1~3차 산출물을 로빙 실제 질의 응답 경로에 연결하는 첫 적용 단계를 정의한다.
- 목표는 "질문 -> 관련 문서 회수 -> 근거 기반 응답"의 최소 폐회로를 만드는 것이다.

## 참조 문서

- [다형식문서 자동지식화 RAG 파이프라인 아이디어](../ideas/260320_다형식문서_자동지식화_RAG_파이프라인_아이디어.md)
- [다형식문서 RAG 1차 MD·메타 정규화 계획](./260320_다형식문서_RAG_1차_MD_메타_정규화_계획.md)
- [다형식문서 RAG 2차 PGVector·JSONB 적재 계획](./260320_다형식문서_RAG_2차_PGVector_JSONB_적재_계획.md)
- [다형식문서 RAG 3차 OCR·관계확장·동기화 계획](./260320_다형식문서_RAG_3차_OCR_관계확장_동기화_계획.md)
- [PostgreSQL 그래프확장 설계 리서치 (Apache AGE)](../research/rag/260320_PostgreSQL_그래프확장_설계_리서치.md)

## 현재 상태 (260320 확인)

| 항목 | 상태 |
|------|------|
| 대상 파일 리스트 | `/tmp/latest_200_companyx.txt` (200개) |
| 인덱싱 스크립트 | `skill-rag-file/scripts/reindex_companyx_latest_200.py` |
| team_id | `79441171-3951-4870-beb8-916d07fe8be5` |
| DB 테이블 | `team_document` (1,121 completed / 51 processing), `team_document_chunk` (3,095건) |
| 임베딩 | Gemini Embedding 2, 768차원, HNSW cosine 인덱스 |
| MD 파생본 | `6.Company X_md/` 48,906개 생성 (front matter만, 본문 미추출) |
| NAS 문서 저장 | `documents/companyx/` (로빙 수집 원본), `documents/companyx_md/` (로빙 생성 MD) |

- 1차(MD 생성): front matter 완료, 본문 미추출
- 2차(DB 적재): 200개 대상 텍스트 추출 + 청크 + 임베딩 완료
- 3차(OCR/관계/동기화): 미착수
- **4차(로빙 연결): 미착수 ← 현재 목표**

## 적용 범위

- `rb8001`
- 필요시 `skill-rag-file`
- 문서 회수와 근거 응답에 필요한 최소 질의 경로

## 최소 동작 흐름

1. 사용자 질문 수신
2. 메타 필터 후보 결정
3. PGVector 벡터 검색 (의미 검색)
4. TSVECTOR 키워드 검색 (정확 매칭)
5. 벡터+키워드 하이브리드 점수 합산 (RRF 등)
6. Apache AGE 그래프 관계 확장
7. 근거 청크 선택
8. 로빙 응답 생성
9. 사용한 근거 기록

## 1차 목표

- 로빙이 "찾아보겠습니다" 수준이 아니라 실제 근거 문서를 제시하게 한다.
- 근거 문서명, 경로, 핵심 문단을 응답에 포함하게 한다.
- retrieval 실패와 generation 실패를 분리해 로그에 남긴다.

## 샘플 검증 질문

- 계약/MOU 근거 질문
- 특정 프로그램 운영 근거 질문
- 보고서 내 수치/표 근거 질문

## 닫는 조건

- **200개 파일(`latest_200_companyx.txt`) 대상 완벽 RAG 구성**
- 로빙이 200개 파일 범위 내 질문에 근거 문서(문서명, 경로, 핵심 문단)를 포함해 답변한다.
- 근거 없는 경우와 검색 실패를 구분해 응답한다.
- 응답 로그에 사용 문서와 청크가 남는다.
- 대표 질문셋(계약/MOU, 프로그램 운영, 보고서 수치) 검증 통과.

## 보류

- 완전 자동 자가개선
- 모든 파일 유형에 대한 완전 멀티모달 해석
- 대규모 그래프 탐색 기반 답변