> ## Documentation Index > Fetch the complete documentation index at: https://ai-kb.automationanywhere.com/llms.txt > Use this file to discover all available pages before exploring further. # 설정 > 청킹 전략, 청크 구성 및 청크 향상 설정 구성 지식 기반 설정의 **설정** 탭을 사용하면 문서가 처리되고 청킹되는 방법을 구성할 수 있습니다. 이 설정은 콘텐츠가 청크로 분할되는 방법을 제어하며, 이는 AI 에이전트가 지식 기반에서 정보를 검색하고 사용하는 방식에 영향을 미칩니다. ## 개요 설정 탭에는 다음이 포함됩니다: * **청킹 전략** - 문서가 청크로 분할되는 방법 * **청크 구성** - 청크의 크기와 겹침 설정 * **청크 향상 설정** - 선택적 AI 기반 청크 풍부화 ## 설정 접근 1. 사이드바에서 **지식 기반**으로 이동 2. **KB 데이터** 섹션으로 이동 3. **설정** 아이콘(톱니바퀴 아이콘) 클릭 4. **설정** 탭 선택 ## 청킹 전략 청킹 전략은 문서가 임베딩 및 검색을 위해 더 작은, 처리 가능한 청크로 분할되는 방법을 결정합니다. ### 문장 청킹 문장 경계를 기반으로 텍스트를 청크로 분할하여 각 청크에 완전한 문장이 포함되도록 합니다. **적합한 용도:** * 자연어 문서 * 문장 컨텍스트 보존 * 범용 콘텐츠 **구성:** * 자연어 경계를 위해 문장 토크나이저 사용 * 청크에 완전한 문장이 포함되도록 보장 * 가독성 및 컨텍스트 유지 ### 의미적 청킹 문장 경계와 일치하지 않을 수 있는 의미론적으로 의미 있는 청크로 텍스트를 분할합니다. **적합한 용도:** * 복잡한 문서 * 의미적 컨텍스트 보존 * 고급 검색 요구 사항 **구성:** * 청크 경계를 자동으로 결정 * 의미적 의미 보존 * 문장 경계와 일치하지 않을 수 있음 ## 청크 구성 청크 구성은 **문장 청킹**을 선택하면 나타납니다. 이를 통해 문서가 분할되는 방법을 미세 조정할 수 있습니다. ### 청크 크기 각 청크의 최대 크기를 토큰/문자로 지정합니다. **기본값:** 64 **권장사항:** 대부분의 사용 사례에 대해 64-512 토큰 **고려 사항:** * 더 큰 청크는 더 많은 컨텍스트를 보존하지만 검색 정확도가 떨어질 수 있음 * 더 작은 청크는 더 정확하지만 컨텍스트를 잃을 수 있음 * 컨텍스트 보존과 검색 정확도 사이의 균형 **구성 방법:** 1. 청킹 전략으로 **문장 청킹** 선택 2. **청크 크기** 필드에 원하는 청크 크기 입력 3. 값은 최소 1이어야 합니다 ### 청크 겹침 인접 청크 간 겹치는 토큰/문자 수입니다. 이를 통해 청크 경계 전반에 걸쳐 컨텍스트를 유지할 수 있습니다. **기본값:** 6 **권장사항:** 설정된 청크 크기의 10-20% **고려 사항:** * 겹침은 중요한 정보가 청크 경계에 걸쳐 분할되는 것을 방지 * 너무 많은 겹침은 저장 공간과 처리를 낭비 * 너무 적은 겹침은 청크 간 컨텍스트를 잃을 수 있음 **구성 방법:** 1. 청킹 전략으로 **문장 청킹** 선택 2. **청크 겹침** 필드에 원하는 겹침 입력 3. 값은 음수가 아니어야 하며 청크 크기보다 작아야 합니다 **예시:** * 청크 크기가 64인 경우 권장 겹침은 6-13 토큰 * 청크 크기가 512인 경우 권장 겹침은 51-102 토큰 ## 청크 향상 설정 청크 향상은 더 나은 검색을 위해 추가 컨텍스트와 메타데이터로 청크를 향상시키기 위해 AI를 사용합니다. ### 청크 풍부화 더 나은 검색을 위해 추가 컨텍스트로 청크를 향상시키려면 청크 풍부화를 활성화합니다. **이점:** * 더 나은 검색 정확도 * 향상된 컨텍스트 이해 * 향상된 검색 품질 **활성화 방법:** 1. **청크 풍부화** 스위치를 토글하여 활성화 2. 풍부화를 위한 **LLM 모델** 선택(활성화 시 필수) 3. 설정 저장 **고려 사항:** * 처리 시간 증가 * LLM 모델 선택 필요 * 연산 비용 추가 * 검색 품질 향상 ### LLM 모델 선택 청크 풍부화가 활성화되면 청크 풍부화 및 콘텐츠 분석을 위해 LLM 모델을 선택해야 합니다. **사용 가능한 모델:** * 모든 사전 정의 모델(GPT-4o, Claude, Gemini 등) * 프로젝트에서 구성된 사용자 지정 모델 **선택 방법:** 1. **청크 풍부화** 활성화 2. **LLM 모델** 드롭다운 클릭 3. 목록에서 원하는 모델 선택 4. 설정 저장 ## 설정 저장 및 적용 ### 설정 저장 구성을 저장하지만 앞으로 동기화되거나 추가되는 새 문서에만 적용됩니다. **단계:** 1. 설정을 구성합니다 2. **설정 저장** 클릭 3. 설정이 데이터베이스에 저장됩니다 4. 새 문서는 이 설정을 사용합니다 저장된 설정은 새 문서에만 적용됩니다. 기존 문서는 원래 청킹 구성을 계속 사용합니다. ### 모든 문서에 적용 현재 설정을 사용하여 지식 기반의 모든 기존 문서를 다시 인덱싱합니다. **단계:** 1. 설정을 구성하고 저장합니다 2. **모든 문서에 적용** 클릭 3. 모달에서 작업을 확인합니다 4. 문서가 다시 동기화되는 동안 진행 상황을 모니터링합니다 **발생하는 일:** * 모든 문서가 새 설정으로 다시 동기화됩니다 * 새 구성을 사용하여 청크가 다시 생성됩니다 * 임베딩이 업데이트됩니다 * 프로세스가 백그라운드에서 실행됩니다 문서 수에 따라 모든 문서에 설정을 적용하는 데 상당한 시간이 걸릴 수 있습니다. 이 프로세스는 시작되면 취소할 수 없습니다. ## 모범 사례 ### 청킹 전략 선택 1. **문장 청킹으로 시작** - 대부분의 사용 사례에 적합 2. **의미적 청킹 사용** - 복잡하거나 기술적인 문서의 경우 3. **둘 다 테스트** - 콘텐츠의 검색 품질 비교 ### 청크 크기 구성 1. **기본값(64)으로 시작** - 대부분의 콘텐츠에 대한 좋은 기준선 2. **컨텍스트가 많은 콘텐츠의 경우 증가** - 더 많은 컨텍스트가 필요한 문서 3. **정확한 검색의 경우 감소** - 정확한 일치가 중요한 경우 4. **다양한 크기 테스트** - 사용 사례에 최적의 크기 찾기 ### 청크 겹침 구성 1. **청크 크기의 10-20% 사용** - 권장 범위 2. **중요한 정보의 경우 증가** - 컨텍스트가 필수적인 경우 3. **저장 효율성의 경우 감소** - 저장 공간이 문제인 경우 4. **컨텍스트 vs 효율성의 균형** - 최적의 지점 찾기 ### 청크 풍부화 1. **복잡한 콘텐츠의 경우 활성화** - 단순한 청킹만으로는 충분하지 않을 때 2. **적절한 모델 선택** - 강력한 추론 능력이 있는 모델 사용 3. **성능 모니터링** - 처리 시간 증가 주시 4. **품질 개선 테스트** - 향상된 검색 품질 확인 ## 문제 해결 ### 설정이 적용되지 않음 **문제:** 설정이 저장되었지만 문서가 새 구성을 사용하지 않음 **해결 방법:** 1. **모든 문서에 적용**을 클릭하여 기존 문서를 다시 인덱싱 2. 설정이 올바르게 저장되었는지 확인 3. 새 문서가 설정을 사용하고 있는지 확인 4. 백그라운드 동기화가 완료될 때까지 기다림 ### 낮은 검색 품질 **문제:** AI 에이전트가 관련 정보를 찾지 못함 **해결 방법:** 1. 청크 크기 조정(더 많은 컨텍스트를 위해 더 큰 청크 시도) 2. 청크 겹침 증가 3. 청크 풍부화 활성화 4. 다양한 청킹 전략 테스트 ### 처리 시간 문제 **문제:** 문서 처리에 너무 오래 걸림 **해결 방법:** 1. 청크 크기 줄이기 2. 청크 풍부화 비활성화 3. 풍부화를 위해 더 빠른 LLM 모델 사용 4. 문서 크기 및 복잡성 확인 ## 관련 기능 * **커넥터** - 외부 데이터 소스 통합 * **크롤러** - 웹 콘텐츠 자동 가져오기 * **동기화 및 예약** - 동기화 예약 관리 * **템플릿** - 응답 템플릿 만들기 외부 데이터 소스 연결에 대해 알아보기 웹 크롤러에 대해 알아보기 동기화 예약에 대해 알아보기