지식 사전 (Dictionary)

텍스트·파일·URL·이미지·검증된 SQL 기반 지식을 등록해 LLM이 참조하도록 사전화한다. 기존 Knowledge 문서를 대체하며 다중 소스 입력을 지원한다. 경로 /ontology/dictionary.

소스 유형

• 직접 입력 (Text) — 지식 이름, 내용을 직접 작성.
• 파일 업로드 (File) — .csv, .xlsx, .jpg, .jpeg, .png 등. 최대 파일 크기 제한 있음.
• Web URL — http:// / https://로 시작하는 URL.
• 이미지 업로드 (Image) — .jpg, .jpeg, .png.
• 검증된 SQL (SQL) — Lake 온톨로지의 검증된 SparkSQL을 함수로 등록해 온톨로지 챗에서 재사용. 자세한 내용은 검증된 SQL 참고.

메타데이터

• 이름 (Name)
• 카테고리 (Category) — Metric Expression, Workflow, Source 등 선택
• 태그 (Tag) — 쉼표 구분
• 경로 (Path) — 계층 구조 분류

모든 메타데이터는 지식 내용과 직접적으로 관련되도록 작성한다.

공개 범위 (Scope)

• Only Me (나에게만) — 본인만 활용한다.
• Entire Group (전체 그룹) — 같은 그룹 사용자 모두 활용한다.

Base Knowledge

• Yes로 설정하면 LLM이 항상 우선 참조한다.
• No인 경우 사용자 질의 맥락에 따라 에이전트가 참조 여부를 판단한다.

자동 처리

• 생성·수정 후 일정 시간 이내에 AI 요약과 임베딩(Embedding)이 자동 생성된다.
• 요약·임베딩이 완료되어야 LLM 질의 시 정확히 검색된다.

운영 가이드

• 지식 삭제는 생성자만 수행할 수 있다.
• 처리 중 상태에서는 수정·삭제가 차단된다.

검증된 SQL (SQL)

검증된 SparkSQL 쿼리를 **함수(OntologyFunction)**로 등록한다. 등록하면 온톨로지 챗이 자연어 질문에 이 함수를 호출해 데이터를 조회하고 답변한다. 텍스트·파일 지식이 “참조 문서”라면, SQL 지식은 챗이 직접 실행하는 “데이터 조회 함수”다.

입력 항목

• 대상 온톨로지 — 쿼리가 실행될 Lake 온톨로지. JOIN 시 여러 개 선택 가능. 선택한 온톨로지 스키마 기반으로 테이블·컬럼 자동완성과 참조 검증이 동작한다.
• 함수 이름 — 챗(AI)이 함수를 인식·호출하는 식별자. 무엇을 조회하는지 드러나는 영문 snake_case로 작성한다. (예: get_monthly_gmv_by_category)
• SQL 쿼리 — 실행할 SparkSQL. 동적 값은 {{name}} 형식의 파라미터로 표현한다.
• 설명 — 이 SQL이 “어떤 질문에 답하는지”를 적는다. 챗의 함수 검색 정확도를 좌우하는 핵심 항목이다.
• 파라미터 — {{name}} 에 대응하는 정의. 이름 / 타입(String·Int·Boolean·Float) / 설명으로 구성한다.

이름·카테고리·경로·공개 범위 등 메타데이터는 다른 소스 유형과 동일하게 작성한다.

작성 순서

1. 대상 온톨로지 선택 — 드롭다운에서 쿼리할 Lake 온톨로지를 고른다. 선택하면 그 아래에 파란 뱃지가 생성된다 (예: 도시 이름).
2. FQN 복사 — 뱃지를 클릭하면 SQL FROM/JOIN 에 그대로 붙여넣을 수 있는 FQN(catalog.schema.table) 이 클립보드에 복사된다. (뱃지에 마우스를 올리면 FQN이 툴팁으로 표시된다.)
3. 함수 이름 입력 — 영문 snake_case 식별자를 작성한다.
4. SQL 작성 — 복사한 FQN을 FROM 절에 붙여넣고 쿼리를 완성한다. 동적 값은 {{name}} 형식으로 넣는다.
5. 파라미터 정의 — 파라미터 추가 로 행을 추가하고, 쿼리에 쓴 {{name}} 과 동일한 이름·타입을 지정한다. 여러 개 추가하거나 X 로 삭제할 수 있다.
6. 설명·메타데이터 입력 후 저장 — 설명, 지식 이름, 카테고리, 경로, 공개 범위를 채우고 저장한다.

예시

-- 함수 이름: get_monthly_sales_total
-- 설명: 월별 전체 매출 합계. 매출 추이·리포트 질문에 사용.
SELECT
  DATE_TRUNC('month', order_date) AS month,
  SUM(amount) AS total_sales
FROM orders
WHERE order_date >= '{{start_date}}'
GROUP BY DATE_TRUNC('month', order_date)
ORDER BY month

• 파라미터: start_date (String) — 조회 시작일.

등록된 SQL 지식은 지식 사전 메인 화면에서 다른 지식과 함께 조회·편집할 수 있다. 상세 화면에서도 SQL 쿼리 라벨 옆의 Select Objects 뱃지로 FQN을 다시 복사할 수 있다.

파이프라인 연계

• 데이터프레임으로부터 대량 적재할 경우 Upsert Knowledge 노드를 사용한다.
• 비정형 문서에서 자동 추출하려면 Parse Pipeline 구성 참고.