[지식 그래프 만들기] 1. OT 및 소개

스터디 선택 과정

지식 그래프 스터디

이번에 참여하는 지식 그래프 스터디는 요즘 관심이 많은 AI와 관련이 깊다.

AI에게 질문하면 표현이 조금 달라도 맥락에 맞는 답변을 해준다. 그렇다면 내가 가진 문서나 대화 내용을 바탕으로도 근거 있는 답변을 받을 수 있을까?

이번 스터디에서는 카톡·노션·옵시디언 등에 쌓인 데이터를 지식 그래프로 구조화하고, 이를 검색해 자연어 질문에 답하는 에이전트를 만들어본다.

스터디에서 목표하는 산출물은 다음과 같다.

최종 산출물

• 개인별 지식베이스 + 개인 에이전트: 자기 카톡·노션·옵시디언 데이터를 기반으로, 자연어로 질문하면 근거와 함께 답변하는 시스템
• 자동 갱신되는 클라우드클럽 위키 + 동아리 에이전트 v0.1

스터디 방식

정해진 커리큘럼의 키워드를 중심으로 각자 공부한 뒤, 디스코드에서 온라인으로 발표한다.

학습한 내용은 깃허브에 업로드한다. lab 폴더에는 실습 내용을, note 폴더에는 이론과 개념을 정리한다.

스터디 커리큘럼

주차	주제	핵심 질문	세부 내용	주요 참고
1~3주차	내 지식 그래프 만들기	내 문서에서 지식을 구조화해 뽑아내고, 그 품질을 숫자로 말할 수 있는가?	• 자기 데이터(카톡·노션·옵시디언 등) 파싱 • LLM 트리플 추출 파이프라인 구축(닫힌 술어 5~8종) • 골드셋 20~30건 라벨링 파티 후 정밀도/재현율 실측 • PostgreSQL+pgvector에 엔티티/엣지+근거 적재 및 관계 질의 • 3주차 중간 발표: 개인 미니 KG 데모 + 정밀도 발표, 이후 방향 투표	DDIA 2장 「데이터 모델과 질의 언어」 — 관계형 vs 문서 vs 그래프 모델, 트리플 스토어
4~5주차	검색 얹기 & 개인 에이전트	검색 엔진은 문서를 어떻게 찾아내며, 그 위에 에이전트를 올리면 무엇이 가능한가?	• SQLite FTS5 기반 BM25 검색기 구축(역색인) • 임베딩+벡터 검색 추가 및 RRF 하이브리드 완성 • 지식베이스에 자연어로 묻는 개인 에이전트 데모 • 중간 발표 투표에 따라 KG 심화(신원해소·클레임 강등)로 대체 가능	DDIA 3장 「저장소와 검색」 — B-tree/LSM 인덱스, 역색인, OLTP vs OLAP
6~8주차	클라우드클럽 위키 & 동아리 에이전트	여러 사람의 지식을 하나로 합치고, 사람이 안 건드려도 스스로 갱신되는 시스템을 만들 수 있는가?	• 스키마 합의 회의(술어·신원해소·권한) • 소스 커넥터 연동(동아리 노션·깃허브) 및 크론 자동 인제스트 가동 • 위키에 자연어로 묻는 동아리 에이전트 구축 • 8주차 최종 발표: 평가 기준 "발표 당일에도 자동 갱신 중인가" + 회고	DDIA 11장 「스트림 처리」 — CDC, 이벤트 소싱 / 12장 「데이터 시스템의 미래」 (발췌)

OT

첫날에는 동아리의 첫 스터디 활동인 만큼, 스터디장님의 스터디 소개와 스터디원들의 자기소개가 있었다.

현직자 위주라면 수준을 따라갈 수 있을지 걱정했는데, 우리 학교 학생들도 많아서 조금 안심이 되었다.

앞으로는 스터디를 진행하면서 공부한 내용과 실습 과정을 블로그에도 정리해보려고 한다. 다음 포스팅에서는 이번에 공부하고 제출한 스터디 내용을 다룰 예정이다.