403 ChromaDB 기반 지식검색 챗봇
로컬 또는 서버 환경에서 ChromaDB를 활용해 문서를 저장하고 검색하는 지식검색 챗봇을 제작하는 과정이다.
0. 교육을 하는 이유와 궁극적인 목표
이 교육의 궁극적 목표는 학습자가 ChromaDB의 컬렉션, 문서, 임베딩, 메타데이터 구조를 이해하고, 간단한 UI에서 질문하면 문서 근거 기반으로 응답하는 챗봇을 완성하는 것이다.
참고한 유료형 교육 흐름
- 한국·미국·영국·유럽의 민간 AI 엔지니어링 부트캠프처럼 개념 설명보다 작동하는 검색·응답 시스템을 매 차시 완성하는 흐름
- 전문 생성형 AI 개발 과정처럼 문서 수집, 임베딩, 벡터DB, 검색, 프롬프트, 평가를 하나의 파이프라인으로 연결하는 흐름
- 기업형 AI 자동화 워크숍처럼 실제 PDF·PPT·DOCX·규정집·교육자료를 대상으로 지식베이스를 구축하는 흐름
- 상용 RAG 서비스 개발 교육처럼 보안, 정확도, 출처 표시, 검색 품질, 운영 비용, 배포 가능성을 함께 평가하는 흐름
1일차 · ChromaDB 컬렉션과 문서 저장 · 3시간
지식검색 DB 구축
ChromaDB 기반 지식검색 챗봇 과정의 1단계 실전 개발 활동
| 구분 | 세부 내용 | 실천·실습 방법 |
|---|---|---|
| 목표 1 | ChromaDB 구조 이해 | 컬렉션, document, embedding, metadata, id의 역할을 확인하고 RAG에서 각각이 필요한 이유를 정리한다. 샘플 문서를 로딩해 문서명, 제목, 페이지, 주제 태그를 메타데이터로 설계한다. |
| 목표 2 | 문서 저장 파이프라인 구현 | 문서를 청킹한 뒤 ChromaDB 컬렉션에 add하고 저장된 데이터 수와 메타데이터를 확인한다. 잘못 저장된 청크, 중복 ID, 누락된 문서를 찾아 삭제·재생성하는 관리 코드를 작성한다. |
| 사용 플랫폼 | Python, ChromaDB, LangChain 선택, OpenAI API 또는 Ollama 선택, Streamlit, VS Code, GitHub |
|---|---|
| 강사 스펙 | ChromaDB 구축, Python 백엔드, LangChain RAG, Streamlit UI, 로컬 개발환경 오류 해결 지도 가능자 |
| 수업대상 | 고등학생 이상, Python과 API 사용 경험이 있는 학생 |
| 소요시간 | 총 6시간 · 1일 3시간씩 2일 편성 |
| 준비물 | 샘플 문서 폴더, Python 환경, ChromaDB 설치, API 키 또는 로컬 LLM 선택, 테스트 질문 목록 |
| 산출물 | ChromaDB 기반 지식검색 챗봇 2일 완성 RAG 프로젝트, 코드, 테스트 질문지, 검색 품질 개선 기록 |
| 평가방법 | 실습 완성도 35%, 검색·응답 정확도 30%, 오류수정·개선 20%, 발표·문서화 15% |
2일차 · 검색 챗봇 UI와 답변 검증 · 3시간
ChromaDB 챗봇 완성
ChromaDB 기반 지식검색 챗봇 과정의 2단계 실전 개발 활동
| 구분 | 세부 내용 | 실천·실습 방법 |
|---|---|---|
| 목표 1 | 질문 검색과 답변 연결 | 사용자 질문을 임베딩해 ChromaDB에서 관련 청크를 찾고 LLM 프롬프트에 넣어 답변을 생성한다. 출처 문서명과 청크 내용을 함께 보여주어 사용자가 답변 근거를 확인하게 만든다. |
| 목표 2 | Streamlit 챗봇 제작 | Streamlit으로 질문 입력창, 답변 영역, 참고 문서 영역을 구성한다. 문서에 없는 질문, 모호한 질문, 긴 질문을 테스트하고 검색 결과가 부족할 때의 안내문을 개선한다. |
| 사용 플랫폼 | Python, ChromaDB, LangChain 선택, OpenAI API 또는 Ollama 선택, Streamlit, VS Code, GitHub |
|---|---|
| 강사 스펙 | ChromaDB 구축, Python 백엔드, LangChain RAG, Streamlit UI, 로컬 개발환경 오류 해결 지도 가능자 |
| 수업대상 | 고등학생 이상, Python과 API 사용 경험이 있는 학생 |
| 소요시간 | 총 6시간 · 1일 3시간씩 2일 편성 |
| 준비물 | 샘플 문서 폴더, Python 환경, ChromaDB 설치, API 키 또는 로컬 LLM 선택, 테스트 질문 목록 |
| 산출물 | ChromaDB 기반 지식검색 챗봇 2일 완성 RAG 프로젝트, 코드, 테스트 질문지, 검색 품질 개선 기록 |
| 평가방법 | 실습 완성도 35%, 검색·응답 정확도 30%, 오류수정·개선 20%, 발표·문서화 15% |