# 노트와의 채팅: NoteRich의 로컬 RAG 가이드 정보 과부하가 일반적인 시대에, 자신의 노트에서 적절한 정보를 찾는 것은 온라인을 전부 검색하는 것보다 더 어렵습니다. 전통적인 검색 도구는 정확한 키워드를 찾는 데 중점을 두지만, 아이디어 간의 *문맥*이나 *연결*을 놓치는 경우가 많습니다. **NoteRich**는 내장된 **로컬 지식베이스 RAG(검색 증강 생성)**로 이러한 패러다임을 바꿉니다. 이 기능을 사용하면 개인적인 노트와 “채팅”할 수 있으며, AI가 *당신*이 작성하고, 저장하고, 선별한 내용에만 기반하여 답변을 생성할 수 있습니다. 이 모든 과정에서 데이터는 100% 개인적이고 로컬로 유지됩니다. ## 🧠 로컬 RAG란 무엇인가요? RAG는 **검색 증강 생성**을 의미합니다. 간단히 말해, 두 단계의 과정입니다: 1. **검색:** 시스템은 질문과 관련된 정보를 로컬 노트에서 검색합니다. 2. **생성:** 검색된 내용을 AI에게 전달하고, AI는 그 문맥을 바탕으로 일관된 답변을 만듭니다. 클라우드 기반 AI 어시스턴트가 사실을 잘못 추측하거나 구식 공개 데이터를 사용하는 것과 달리, NoteRich의 RAG는 **당신의 진실**에 기반합니다. 단순히 추측하는 것이 아니라, 당신의 작업을 참조합니다. ### 왜 로컬을 먼저 사용하나요? * **개인정보 보호:** 검색 단계에서 노트는 장치에서 절대 이동하지 않습니다. 답변에 필요한 특정, 익명화된 문맥만 AI 서비스로 전송됩니다. * **속도:** 로컬에서 인덱싱하기 때문에 검색 결과는 즉시 나타납니다. * **소유권:** 당신은 자신의 지적 재산에 대한 완전한 통제권을 가집니다. --- ## 🚀 내부 작동 방식 NoteRich는 복잡한 **풀링 검색 전략**을 사용하여 수천 개의 노트에서도 가장 정확한 결과를 얻을 수 있도록 합니다. ```mermaid graph TD A[사용자 질문] --> B(로컬 전처리) B --> C[키워드 추출] C -->|TextRank 알고리즘| D[주요 개념 식별] D --> E[후보 선택] E -->|중요도 평가| F[상위 관련 단락] F --> G[AI 문맥 조합] G --> H[LLM 생성] H --> I[참조 포함된 최종 답변] style A fill:#f9f,stroke:#333,stroke-width:2px style I fill:#bbf,stroke:#333,stroke-width:2px style B fill:#e1f5fe,stroke:#01579b,stroke-width:2px ``` ### 1. 지능형 인덱싱 노트를 만들거나 편집할 때, NoteRich는 자동으로 콘텐츠를 의미 있는 단락으로 분할합니다. 다국어 지원을 위해 `Intl.Segmenter`를 사용하여 중국어, 영어 및 기타 언어가 최대 검색 정확도를 위해 올바르게 토큰화되도록 합니다. ### 2. 풀링 검색 전략 단일 방법에 의존하는 대신, NoteRich는 여러 알고리즘을 결합합니다: * **중요도가 높은 키워드 매칭:** IDF(역문서 빈도)를 사용하여 흔한 단어보다 드물지만 중요한 단어를 우선시합니다. * **TextRank 그래프 분석:** 문장 간의 관계를 매핑하여 노트에서 가장 “중심적”이고 중요한 단락을 식별합니다. * **캐스케이드 필터링:** 대규모 노트 라이브러리의 경우, 먼저 빠른 전체 스캔을 수행한 후 더 깊은 의미 분석을 통해 상위 후보를 재순위합니다. ### 3. 스마트 문맥 조합 AI에 데이터를 전송하기 전에, NoteRich는 프롬프트를 최적화합니다: * **토큰 예산:** AI의 문맥 창 내에서 유지하기 위해 정확한 토큰 수를 계산합니다. * **관련성 임계값:** 낮은 점수를 받은 단락은 노이즈를 방지하기 위해 삭제됩니다. * **특별 노트 처리:** `.prompt` 또는 `.skill`로 표시된 파일은 높은 우선순위의 지시사항으로 처리되어 AI가 특정 지침을 따르도록 합니다. --- ## 🛠️ 노트와의 채팅 사용하기 이 기능을 사용하는 것은 대화를 나누는 것과 같습니다. ### 1단계: RAG 모드 활성화 **AI 어시스턴트** 대화상자를 열어(도구 모음이나 `/ai` 명령어를 통해). **"노트와의 채팅"** 토글을 찾습니다. 활성화되면 AI가 자동으로 현재 작업 공간을 스캔합니다. ### 2단계: 자연스러운 질문하기 복잡한 검색 연산자를 사용할 필요가 없습니다. 다음과 같은 질문을 하면 됩니다: * *"지난 제품 회의에서 내가 얻은 주요 결론은 무엇인가요?** * *"React 성능 최적화에 대한 내 연구를 요약해 주세요.** * *"‘Project Alpha’와 관련된 모든 노트를 찾아서 미결 작업을 나열해 주세요.** ### 3단계: 검토 및 확인 NoteRich는 **투명한 참조**를 제공합니다. AI가 생성한 모든 답변에는 원본 노트의 참조가 포함됩니다. 이 참조를 클릭하면 직접 원본 단락으로 이동할 수 있어, 항상 정보를 확인할 수 있습니다. --- ## 🔒 개인정보 보호 및 보안 아키텍처 개인정보 보호는 기능이 아니라 기반입니다. * **로컬 처리:** 모든 인덱싱, 키워드 추출 및 초기 필터링은 Web Workers를 사용하여 브라우저 내에서 전적으로 이루어집니다. 원시 노트 데이터는 인덱싱을 위해 우리 서버에 전송되지 않습니다. * **서명된 요청:** 문맥이 AI 백엔드로 전송될 때, HMAC-SHA256 서명으로 보호되어 변조를 방지합니다. * **지속적인 저장 없음:** AI 서비스는 당신의 대화 기록이나 노트 내용을 저장하지 않습니다. 요청을 처리한 후 즉시 잊어버립니다. --- ## 💡 더 좋은 결과를 위한 프로 팁 1. **명확한 제목 사용하기:** 설명적인 제목은 검색 엔진이 노트를 더 효과적으로 분류하는 데 도움이 됩니다. 2. **전략적으로 태그 사용하기:** RAG는 의미론적이지만, 일관된 태그(예: `#project-x`, `#idea`)를 사용하면 시스템이 관련 개념을 그룹화하는 데 도움이 됩니다. 3. **노트를 항상 업데이트하기:** RAG 인덱스는 실시간으로 업데이트됩니다. 노트의 사실을 변경하면 AI는 다음 답변에서 그 변경 사항을 반영합니다. 4. **특별 파일 사용하기:** `.prompt`로 끝나는 노트를 만들어 AI에 지속적인 지시사항을 제공합니다(예: "항상 간결한 목록 형태로 답변해 주세요"). 이들은 모든 쿼리에서 우선적으로 처리됩니다. --- ## 결론 NoteRich의 로컬 RAG는 정적 노트를 동적이고 상호작용 가능한 지식베이스로 변환합니다. 이는 단순히 정보를 저장하는 것이 아니라, 그것을 **연결**하는 것입니다. 로컬 우선 아키텍처의 힘과 고급 AI 검색을 결합함으로써, NoteRich는 당신의 두 번째 뇌가 항상 더 나은 생각을 할 수 있도록 준비되어 있도록 합니다. 노트의 전체 잠재력을 발휘하려면 어떻게 해야 할까요? 오늘 **노트와의 채팅**을 시도해 보세요. --- <div class="flex flex-wrap gap-2 mt-8 mb-12"> <span class="px-3 py-1 bg-[#f4f4f5] border border-[#eaeaea] rounded-full text-xs font-medium text-[#666]">로컬 우선</span> <span class="px-3 py-1 bg-[#f4f4f5] border border-[#eaeaea] rounded-full text-xs font-medium text-[#666]">RAG</span> <span class="px-3 py-1 bg-[#f4f4f5] border border-[#eaeaea] rounded-full text-xs font-medium text-[#666]">개인정보 보호</span> <span class="px-3 py-1 bg-[#f4f4f5] border border-[#eaeaea] rounded-full text-xs font-medium text-[#666]">PKM</span> <span class="px-3 py-1 bg-[#f4f4f5] border border-[#eaeaea] rounded-full text-xs font-medium text-[#666]">AI 어시스턴트</span> <span class="px-3 py-1 bg-[#f4f4f5] border border-[#eaeaea] rounded-full text-xs font-medium text-[#666]">지식베이스</span> </div>