어떤 근거를 가져올까?
질문과 관련된 외부 지식을 찾아 LLM의 답변 생성에 제공합니다. ‘태조’를 물으면 왕건·이성계에 관한 자료를 검색하고, 찾은 근거를 바탕으로 왕조 맥락을 확인하는 답을 만들 수 있습니다.
질문 → 관련 근거 검색 → 답변 생성GPTers 24 · WEEK 03 · KNOWLEDGE IN USE
한국사 한 질문으로 RAG·지식그래프·온톨로지의 역할을 살펴봅니다.
위키와 의미 모델을 함께 만들고, 근거를 찾아 답하고 확장합니다.
한국사 사례 데이터를 준비하고 있습니다.
01 / FROM STRUCTURE TO USE
이번 주 결과는 에이전트가 조회할 수 있는 온톨로지 지식시스템과 출처가 포함된 응답 데모입니다. 1주차에 고정한 질문·답변은 보존하고, 온톨로지 적용 후의 답을 별도로 남깁니다.
RAG·지식그래프·온톨로지를 구별하고 연결합니다.
질문이 모델과 첫 위키로 바뀝니다.
새 근거가 기존 설명까지 바꿉니다.
관계·조건·출처를 답에 연결합니다.
확인한 것과 모르는 것을 남깁니다.
02 / RETRIEVAL, STRUCTURE & MEANING
RAG는 검색과 답변 생성 방법, 지식그래프는 지식의 표현 구조, 온톨로지는 의미를 정의하는 모델입니다. 서로 다른 역할이므로 목적에 맞게 결합할 수 있습니다.
질문과 관련된 외부 지식을 찾아 LLM의 답변 생성에 제공합니다. ‘태조’를 물으면 왕건·이성계에 관한 자료를 검색하고, 찾은 근거를 바탕으로 왕조 맥락을 확인하는 답을 만들 수 있습니다.
질문 → 관련 근거 검색 → 답변 생성대상과 관계를 그래프로 표현합니다. 왕건과 이성계에 서로 다른 ID를 부여하고, 각각 고려·조선 및 ‘태조’라는 묘호와 연결합니다. 시점·출처·개념 정의도 함께 담을 수 있습니다.
왕건 / 이성계 → 묘호 → 태조인물·호칭·왕조의 의미와 관계를 명시합니다. 예를 들어 ‘묘호는 호칭의 한 종류’라고 정의합니다. 여러 자료와 도구가 같은 개념을 일관되게 다루도록 기준을 공유합니다.
묘호 ⊆ 호칭 · 인물과 호칭을 구분지식그래프와 온톨로지는 겹칠 수 있습니다. 그래프 안에 온톨로지 정의를 담을 수 있고, 온톨로지에도 개별 대상에 관한 사실이 포함될 수 있습니다. RAG는 문서만으로도 구성할 수 있으며, 그래프를 검색에 활용하는 GraphRAG 방식도 있습니다. 벡터 검색은 RAG를 구현하는 한 방법입니다.
개념 근거: RAG 원 논문 · Knowledge Graphs · W3C 온톨로지 설명 · GraphRAG 연구
온톨로지의 정의를 그래프 구성과 조회 조건에 반영하고, 위키·그래프에서 찾은 근거를 LLM에 전달합니다. 아래는 결합 방식을 설명하는 예시이며 실제 LLM 실행 결과는 아닙니다.
아래 왼쪽은 구체적인 주장을, 오른쪽은 그 주장에 사용한 타입과 관계 정의를 골라 그린 것입니다. 지식그래프의 두 측면을 나란히 살펴보는 시각화입니다. 이 사례의 정의 보기에는 타입과 관계 정의를 표시합니다.
개별 대상·관계·근거를 골라 본 그래프
실선: 출처가 연결된 주장 · 점선 테두리: 확장에서 추가된 대상
같은 모델의 타입·관계 정의를 골라 본 그래프
화살표는 타입 사이의 관계 정의를 보여줍니다. 모든 인물이 모든 왕조의 군주라는 뜻이 아닙니다.
작은 화면에서는 지도를 좌우로 밀어 볼 수 있습니다. 아래 주장 버튼으로도 같은 연결을 선택할 수 있습니다.
이 사례는 JSON 타입 그래프입니다. 인물·정치체·장소·사건·호칭·문헌·시점 7개 타입을 정의하고, 각 주장의 ID·성립 조건·출처 위치를 보존합니다. OWL/RDF 추론기를 실행한 예제는 아닙니다.
RDF는 주어·술어·목적어로 그래프를 나타낼 수 있고, OWL은 개념과 관계의 의미를 표현하는 언어입니다. RDFS/OWL의 정의·추론과 데이터 적합성 검사는 구별해야 합니다. 이 교안의 타입 검사는 별도 코드로 수행하며, RDF에서 제약 검사를 하고 싶다면 SHACL 같은 방법을 검토할 수 있습니다.
03 / SHARED MEANING & OPERATIONS
온톨로지가 유용한 이유는 여러 문서·도구·에이전트가 같은 개념과 관계를 일관되게 사용할 기준을 제공하기 때문입니다. ‘태조’라는 문자열만 넘기는 데서 더 나아가 인물과 묘호의 구별, 관계의 의미를 함께 전달합니다. 에이전트가 실제로 그 정의를 읽고 사용하도록 조회 절차도 연결해야 합니다.
자연어로 작성한 정의를 LLM이 참고하는 것과, OWL 같은 형식 언어의 정의를 추론기로 처리하는 것은 구별합니다. 후자는 명시한 공리와 언어의 의미에 따라 일부 논리적 귀결과 정합성을 확인할 수 있습니다. 이 교안은 자연어 정의와 JSON 타입 모델, 별도의 검사 코드를 사용합니다.
아래 네 가지는 지식그래프에서도 구현할 수 있으며, 온톨로지만의 차별점이 아닙니다. 의미 정의와 함께 식별·근거 조회·갱신 절차를 설계해야 합니다.
지식그래프에서 왕건과 이성계를 서로 다른 ID로 표현할 수 있습니다. 온톨로지는 인물·호칭·왕조의 의미를 공유하는 데 도움을 줍니다. 두 기록이 실제로 같은 인물인지는 맥락과 근거를 확인해 판별합니다.
지식그래프에도 사건·시점·조건을 담을 수 있습니다. 온톨로지는 ‘이동 목적지’와 ‘특정 기간의 수도’가 각각 무엇을 뜻하는지 명시합니다. 지속 기간을 답하려면 후속 사건과 근거를 더 조회해야 합니다.
질문 → 위키·그래프 → 주장 ID → 출처 위치로 이어지는 경로를 저장합니다. 검색·조회 절차가 이 경로를 따라 근거를 가져와야 합니다. 온톨로지 정의만으로 출처가 생성되거나 읽히지는 않습니다.
환도 사건을 추가하면 수도 관련 주장과 위키의 의존 관계를 추적하고 다시 검토합니다. 온톨로지는 의미의 일관성을 확인하는 기준이 되고, 실제 갱신은 AKM의 연결 보완·검수·유지관리 절차가 수행합니다.
A SMALL CHECK
온톨로지 형식만으로 정확한 답이 보장되지는 않습니다. 정의가 틀리거나 근거가 없으면 구조화된 오류가 될 수 있습니다. 단순한 문서 요약에는 출처가 있는 위키와 검색만으로 충분할 수 있습니다. 반복되는 이름 혼동, 역할·시간·예외 판단, 여러 자료의 통합이 중요해질 때 작은 온톨로지부터 더합니다.
04 / FROM INTERVIEW TO A LIVING WIKI
가상 사용자는 역사 영상을 보고 궁궐을 방문하는 성인 독학자입니다. 조선 초기의 사건을 설명하려다 인물·국호·수도 변화가 뒤섞입니다. 인터뷰는 이 혼동을 중심으로 사람, 사건, 장소, 날짜, 기록의 의미를 파고듭니다.
관련 질문을 묶어 묻고, 답에서 새로운 가지를 찾습니다. 달력을 “모르겠다”고 한 것은 그 가지의 미확인입니다. 다른 중요한 가지까지 살핀 뒤 가상 사용자가 더 떠오르는 것이 없다고 말한 시점에 첫 결과를 정리했습니다.
인박스·개인 기억·복잡한 운영층은 필요하지 않다는 답에 따라 위키·온톨로지·출처·작은 상태와 검증 기록만 남겼습니다. AKM은 이 구조를 만드는 스킬 묶음이며 모든 사용자에게 같은 폴더를 강제하는 이름이 아닙니다.
가상 인터뷰 7라운드 전체 읽기 ↗사례글의 AKM 업데이트는 구축 뒤의 자료 편입·탐색·연결 보완·검수·재개를 15개 역할로 이어갑니다. 한국사 시연에서는 같은 원칙을 실제 출처 조사와 두 결과 폴더로 확인합니다. 역할 15개가 에이전트 15개의 동시 실행을 뜻하지는 않습니다.
3주차 사례글 읽기 ↗공개 AKM 스킬·설치 안내 ↗05 / EXPAND, CONNECT, REVIEW
초기 결과는 그대로 두고 별도 폴더에서 자동 확장 한 사이클을 실행했습니다. 두 미답변 질문을 조사하고, 연결을 보완하고, 다시 검토하는 3개 작업입니다. 아래 전환은 저장된 두 상태의 비교입니다.
이 선은 역사적 인과가 아닙니다. 각 노트를 열면 사실·조건·출처가 설명되어 있습니다.
우리역사넷의 환도·재천도 설명과 궁능유적본부의 경복궁 연표를 읽었습니다. 새 자료 2개에서 주장 9개를 추가했습니다.
N4·N5로 들어오는 링크가 없다는 지적을 확인해 N1·N3 본문과 연결을 바꿨습니다. N2와 기존 출처 카드는 그대로 보존했습니다.
정상·반례·미확인 응답 18개를 자체 검토했습니다. 국호 월 표기 차이와 사회 전체 영향은 여전히 보류합니다.
구조 검사 지적 0건은 역사 지식 전체가 정확하다는 인증이 아닙니다. 질문의 범위와 원문 의미는 별도로 검토합니다. 새 근거가 없다면 변경 없음으로 끝내는 것도 운영입니다. 스킬 설치만으로 상시 예약 실행이 시작되지는 않습니다.
06 / FOLLOW THE EVIDENCE
이 화면은 저장된 모델을 읽고 정해진 규칙으로 응답하는 조회 예제입니다. RAG를 구성할 때 LLM에 전달할 근거와 조건을 살펴보는 데 사용할 수 있습니다. LLM의 답변 생성 단계는 실행하지 않습니다. 초기와 확장 상태에서 같은 질문을 눌러 무엇을 답하고 무엇을 보류하는지 비교하세요.
같은 질문을 본인의 에이전트에 보내고, 실제로 읽은 파일·주장 ID·출처 위치·답변·보류 이유를 기록합니다. 이 브라우저의 문장을 모델 실행 결과로 복사해 제출하지 않습니다. 아래 요청문으로 직접 실행하세요.
07 / BRING YOUR OWN DOMAIN
이미 만든 1·2주차 자료가 있으면 처음부터 다시 인터뷰하지 않습니다. 기존 스키마·문서·질문을 연결하는 데서 시작하세요. 새 분야라면 AKM의 시작 인터뷰로 목적과 범위를 먼저 정합니다.
$akm 기존 1·2주차 자료와 온톨로지를 읽고 이어서 작업해줘. 같은 개념·주장·출처 ID가 위키와 모델에서 대응하는지 확인하고, 빠진 연결을 근거에 따라 보완해줘. 원문과 이전 질문·답변은 보존해줘. 내 폴더 구조를 먼저 확인하고 필요한 운영층만 사용해줘.
$akm 아래 고정 질문에 지금 지식으로 답해줘: [내 질문]. 관련 위키와 온톨로지 정의를 읽고, 주장 ID·관계의 조건·원출처 위치를 확인해줘. 답과 근거 경로, 반례, 모르는 부분을 나눠 기록해줘. 실제로 읽은 파일과 모델·실행 시각도 남기고 이전 답변을 덮어쓰지 마.
$akm 현재 결과를 별도 폴더에 보존한 뒤, 미답변 질문 최대 2개를 조사해 확장해줘. 공개 자료를 최대 3개 새로 읽고, 기존 설명을 보강하는 것을 우선해줘. 필요한 새 개념·주장·노트를 연결하고 기존 ID와 원문은 보존해줘. 구조 검사와 본문 의미 검토를 모두 수행한 뒤 바뀐 답·보류·다음 작업을 남겨줘. 새 근거가 없으면 변경 없음으로 끝내줘.
$akm 온톨로지 구축 시작해줘. 분야는 [내 도메인]이고 목적은 [도움받을 판단]이야. 이미 준 자료를 먼저 읽고, 경험·용어·관계·조건·예외를 관련 질문 묶음으로 깊이 탐색해줘. 내 답에서 새 가지가 나오면 이어 묻고, 내가 정리하거나 중단하자고 할 때까지 함께 살펴보자. 인박스와 지식층·운영층이 얼마나 필요한지도 확인해줘. 정리할 때 온톨로지와 같은 ID·주장·출처를 공유하는 첫 위키 3편을 만들어줘.
1주차의 질문 3개와 원래 답변을 유지합니다. 새 질문은 별도 ID를 붙이고, 개선이 없거나 모르는 답도 남깁니다. 같은 질문·조건에서 정확성·일관성·출처를 비교합니다.
응답·변경 기록 양식 ↓SOURCES / READ FURTHER
역사 주장은 그래프에서 선택하면 해당 출처로 연결됩니다. 인터뷰는 역할극이며 실존 스터디멤버의 답변이 아닙니다. 한국사 전체 중 조선 초기의 질문을 시작 범위로 삼았습니다.
사용자 지정 3주차 AKM 사례글 · 공식 스터디 커리큘럼 · W3C RDF · OWL · SHACL
이 웹 비교는 교육용 시각화입니다. 원본 JSON의 개념·주장·출처를 사용하며, 형식 온톨로지 표준 준수나 독립적인 AI 성능 평가를 주장하지 않습니다.