AI 비서 만들기 — Claude API + 본인 데이터

"RAG"가 정확히 뭐예요?

RAG는 Retrieval-Augmented Generation의 줄임말이에요. 한국어로 풀면 "검색 보강 생성", 더 쉽게 풀면 "AI가 답하기 전에 본인 자료를 먼저 찾아보고 답하는 방식"이에요.

일반 ChatGPT/Claude는 학습 데이터와 본인 질문만 보고 답해요. 본인 독서 노트 1000개, 본인 블로그 500개, 본인 회의록 200개에 대해서는 아무것도 몰라요. RAG는 이 문제를 해결해요. 본인이 "지난주 결정사항 요약해 줘"라고 물으면, AI가 먼저 본인 회의록 중에서 "지난주" 키워드와 비슷한 문서 3~5개를 찾고, 그 문서들을 컨텍스트에 끼워서 답해요.

RAG 부품 3가지

사례 — 본인 자료 기반 AI 비서

이 스킬을 호출하는 시점

본인 자료가 100건 이상 쌓여 있고, "기억이 안 나서 매번 검색·스크롤"하는 패턴이 반복될 때. 자료가 적으면 그냥 본인이 검색하는 게 빨라요.

/v6-ai-assistant

스킬과의 단계별 진행

긴 컨텍스트 모드 코드 예시 (가장 단순)

class PersonalAssistant
  def initialize
    # 본인 자료를 한 덩어리로 (100건 이하 추천)
    @notes = Dir.glob("data/notes/*.md").map { |f| File.read(f) }.join("\n\n---\n\n")
  end

  def ask(question)
    res = HTTP.headers(
      "x-api-key" => ENV["ANTHROPIC_API_KEY"],
      "anthropic-version" => "2023-06-01",
      "content-type" => "application/json"
    ).post("https://api.anthropic.com/v1/messages", json: {
      model: "claude-sonnet-4-5",
      max_tokens: 1500,
      system: "다음은 사용자의 개인 노트 모음입니다. 이 노트만 참고해서 답하세요.\n\n#{@notes}",
      messages: [{ role: "user", content: question }]
    })
    res.parse.dig("content", 0, "text")
  end
end

Vector DB 모드는 위 코드의 @notes를 매번 "질문과 가장 비슷한 청크 5개"로 동적 교체해요. 스킬이 ChromaDB 셋업 + 청크 분할 + 임베딩 변환 + 검색 함수를 모두 자동 작성해 줘요.

막히는 지점 — 미리 답

완료 체크리스트

• ☐ 본인 자료 위치와 양을 파악했다 (예: 노션 1200건)
• ☐ 모드 결정 (긴 컨텍스트 / Vector DB)
• ☐ 자료를 마크다운/텍스트로 추출 완료
• ☐ Claude API 호출 코드 작성 + 첫 응답 받음
• ☐ 본인이 답을 아는 질문 5개로 정확도 검증
• ☐ 매일/매주 자료 동기화 자동화 설계 (선택)