아키텍처 해설 — 데이터부터 봇 권한까지

데이터 흐름 — 변경 전 → 후

RAG가 답을 어떻게 끌어오는가. 예시 질문: “연말정산 AI는 어떻게 만들었어?”

이미지 증빙 흐름 — 변경 전 → 후

답변을 뒷받침하는 시각 자료를 어떻게 고르는가. 예시: “노란우산 대시보드 작업?”

시스템 아키텍처

프론트·백엔드 모두 블루-그린: 빌드 후 idle 포트에 후보를 띄워 헬스 통과 시에만 스위치 프록시 업스트림을 원자적으로 전환(verify-before-switch). 실패 시 전환 안 함 → 현 인스턴스가 계속 서빙(다운타임 0). 기존 연결은 옛 인스턴스로 graceful drain.

핵심 차별점: 검색 코퍼스를 사람이 큐레이션한 KB로 두고, 빈도가 아니라 큐레이션이 중요도·라우팅을 구동 — RAG의 빈도 편향(popularity bias)을 정면 교정.

봇 설계 — 권한은 근거(grounding)의 함수

오케스트레이션 점수를 떨어뜨린 환각의 정체: “봇 ≠ LLM”의 혼동. ‘봇’은 역할 그릇일 뿐, 안에 든 게 코드면 행동 가능·블라인드 LLM이면 자문 전용이다. 못 보는 블라인드 LLM에게 코드수정·시스템 판단을 위임한 것이 없는 파일경로 환각의 근원이었다.