「이거 사내 네트워크에 연결해도 되나?」 「이 소프트웨어, 회사 지급 PC에 설치해도 괜찮을까?」와 같이 밀려드는 「IT 관련 질문 공세」를 자동화하고 싶다고 생각했습니다.

구체적으로는, 다음과 같은 「자주 발생하는 과제」를 해결하기 위해 개발했습니다.

「어디 있는지 모르겠다」 문제: PC 이용 약관, 네트워크 접속 매뉴얼, 이용 허가 소프트웨어 목록 등 필요한 정보가 사내 포털이나 PDF에 흩어져 있어, 찾는 것만으로도 고생함.

정보기술(IT) 부서·관리 부문의 과부하: 「매뉴얼의 ○페이지에 적혀 있는데…」라는 질문이 매일 수없이 도착하여, 본래의 업무가 중단됨.

규정 위반 리스크: 찾는 것이 번거로워 직원이 자기 판단으로 미허가 네트워크나 소프트웨어를 사용해 버림 (보안 리스크).

Dify: 이번의 주인공. 프로그래밍 없이 똑똑한 AI 어시스턴트를 순식간에 만들 수 있는 플랫폼.

LLM: 답변을 생각하는 AI의 두뇌.

도큐먼트 (Document): AI에게 읽히는 규칙 책 (상세 내용은 다음 장에서)

AI가 시스템 관련 규칙을 올바르게 이해하도록 하기 위해, 줄바꿈으로 Q&A를 구분한 도큐먼트(텍스트 파일)를 준비했습니다.

Dify의 **나리지 (Knowledge)**에서 나리지 데이터베이스 생성을 시작합니다.

데이터 소스를 「텍스트 파일에서 임포트」로 설정하고, 준비한 텍스트 파일을 업로드합니다.

다음으로, 읽어들인 텍스트의 Q&A를 구분하고 있는 식별자 (청크 식별자)를 설정했습니다.

나아가, 인덱스 방법을 「고품질」로 설정하고, 임베딩 모델을 「gemini-embedding-001」로 설정했습니다.

마지막으로 검색 설정을 「하이브리드 검색」으로 설정하여, 나리지 데이터베이스를 생성했습니다.

나리지를 활용하는 AI 앱 (챗봇)을 만들어 갑니다.

질문에 답변해 주는 앱을 개발하기 위해, 앱 타입은 **챗 플로우 (Chatflow)**로 했습니다.

새로 생성한 앱에 지식 검색 노드를 추가합니다.

쿼리 텍스트에 {x}sys.query를 설정합니다.

쿼리 텍스트는 나리지 데이터베이스를 검색하기 위한 검색어입니다.

설정한 sys.query는 사용자가 채팅에 입력한 「가공되지 않은 질문 문장」이 들어 있는 변수입니다.

나리지 데이터베이스에는 방금 만든 것을 설정했습니다.

나리지 데이터베이스에서 읽어들인 답변을 반환해 주는 두뇌 (LLM) 설정을 합니다.

지식 검색 다음 처리에 LLM 노드를 추가합니다.

LLM을 다음과 같이 설정합니다.

AI 모델: Gemini 2.5 Flash

컨텍스트 (Context): {x}result Array[Object]

SYSTEM: 다음 텍스트를 입력

## 역할
- 당신은 PC 및 사내 시스템 안내 스태프입니다.
- 사용자의 질문에 대해, 시스템 이용에 관한 질문에 답변해 주세요.
...

AI 모델은 처리를 실행함에 있어 어떤 AI를 사용할지의 설정입니다.

컨텍스트는 AI가 답변의 근거로 삼는 정보입니다.

SYSTEM은 AI에게 부여할 역할과 제약 사항을 기재합니다.

나아가 USER 항목에 다음을 추가합니다.

・{x}query: 사용자가 채팅 메시지 입력란에 타이핑한 질문

・{x}files: 사용자가 첨부한 파일

마지막으로 챗봇이 반환할 대답을 설정합니다.

설정 항목에 LLM{x}text를 설정합니다.

이 설정에 의해 LLM 노드가 생성한 답변 문장을 채팅으로 답장해 줄 수 있게 됩니다.

PC 상태가 좋지 않을 때의 대응을 질문해 보니・・・

시도해 볼 수 있는 처리와 상태가 좋아지지 않았을 경우의 연락처·연락 방법을 알려주었습니다.

이것으로 문의가 조금이라도 줄어들면 좋겠습니다만 (땀)