RAG 기업 문서 질문-답변 봇

템플릿 개요

항목	설명
분류	🤖 AI · 🏢 기업용 애플리케이션
연동 서비스	Google Drive, OpenAI, Pinecone
난이도	⭐⭐⭐ 고급
제공자	n8n 공식 팀

작동 원리

이 워크플로는 엔터프라이즈 수준의 RAG(Retrieval-Augmented Generation, 검색 증강 생성) 아키텍처를 구현합니다. 먼저 Google Drive에서 기업 문서를 읽어들인 후, OpenAI Embeddings를 사용해 벡터화하여 Pinecone 벡터 데이터베이스에 저장합니다. 사용자가 질문을 하면 시스템은 Pinecone에서 가장 관련성 높은 문서 조각을 검색한 다음, 해당 문맥과 질문을 함께 OpenAI에 전달하여 실제 기업 문서를 기반으로 정확한 답변을 생성합니다.

핵심 기능

• 문서 임베딩 — Google Drive의 문서를 자동으로 벡터로 변환하여 Pinecone에 저장
• 시맨틱 검색 — 질문의 의미를 기반으로 벡터 저장소에서 가장 관련성 높은 문서 조각을 정확히 매칭
• 검색 증강 생성 — 검색된 문맥을 프롬프트(Prompt)에 주입하여 실제 문서에 근거한 답변 보장
• 증분 업데이트 — 새롭게 추가되거나 수정된 문서는 자동으로 재벡터화되어 지식 기반의 최신 상태 유지

워크플로 노드

문서 인덱싱 흐름: Google Drive → Text Splitter → OpenAI Embeddings → Pinecone

질의응답 흐름: Chat Trigger → AI Agent → OpenAI Chat Model
                                      → Pinecone Retriever (도구)
                                      → Memory Buffer

사용 방법

1. 템플릿 불러오기 — n8n에서 이 워크플로 템플릿을 불러옵니다.
2. Google Drive 설정 — Google 계정을 인증하고 문서 디렉터리를 선택합니다.
3. Pinecone 설정 — Pinecone 인덱스를 생성하고 API Key를 추가합니다.
4. OpenAI 설정 — OpenAI API Key를 추가합니다 (Embeddings 및 Chat 용도).
5. 인덱싱 실행 — 문서 인덱싱 흐름을 수동으로 트리거하고, 벡터화가 완료된 후 질의응답이 가능해집니다.

활용 사례

• 📖 기업 내부 지식 기반의 스마트 질문-답변
• 🎓 신입 직원 온보딩 지원 어시스턴트
• 📋 제품 문서 셀프 서비스
• ⚖️ 컴플라이언스 및 법무 조항 빠른 조회

관련 문서

• AI Agent 입문 튜토리얼
• AI Agent 이해하기
• RAG 실전 가이드
• AI Workflow Builder

---

💡 사용 요구사항: n8n 1.50.0 이상 버전, Pinecone 계정 필요

👉 n8n에서 이 템플릿 불러오기