통합 아키텍처 기준: 본 문서의 RAG 구조는 LMS(Leader's Mind Security) v4.0 아키텍처의 Knowledge Layer에 해당하며, Memory Agent(개인 기억)와 Knowledge Agent(전문 지식)가 담당합니다. Reasoning Agent 및 Podcast Reasoning이 조건부로 두 에이전트를 호출합니다.

1. LMS RAG 시스템 개요

프로젝트: LMS (Leader's Mind Security) - 리더십 멘탈 웰니스 SaaS

LMS의 RAG 시스템은 그린룸(greenroom) 사용자의 경험을 최대한 맞춤형 팟캐스트 콘텐츠로 변환합니다. 두 가지 독립 에이전트가 각각 다른 데이터 소스를 검색하며, Reasoning Agent가 필요에 따라 이들을 조건부로 호출합니다.

핵심 특징

• 그린룸 맞춤형 콘텐츠: 사용자의 그린룸 입력 내용 + 과거 이용 데이터 + 공유 허락한 그린룸 이야기
• 마인드 온톨로지 연동: 리더십 도메인 전문 지식과 사용자 개인 기억의 융합
• 듀얼 RAG 아키텍처: Personal RAG (개인 기억) + Expert RAG (전문 지식)

2. 듀얼 RAG 파이프라인

A. Personal RAG (Memory Agent 담당)

목적: 사용자의 개인 그린룸 데이터와 과거 상담 기록 검색

데이터 소스:

• 개인 그린룸 이용 데이터 (그린룸 방문 시 입력한 개인 이야기)
• 과거 상담 기록 및 조회 이력
• 사용자 프로필, 주요 인물 관계도, 가치관

구현:

• Vector DB(Pinecone)의 personal_memory index에 개인 기억을 임베딩
• 사용자 입력과 유사한 과거 경험을 벡터 유사도로 검색