테스트 지원 사용
마지막 업데이트: 2026. 9. 15.테스트 도우미를 사용하여 데이터에 대한 질문을 하고 데이터가 올바르게 전송되었고 최신 상태인지 확인합니다. 또한 잘못된 데이터나 기밀 데이터를 공유하지 않는지 확인할 수도 있습니다.
질문하기
데이터 작업 페이지에서 테스트 도우미를 시작합니다.
- 데이터 작업을 실행합니다.
- 완료되면 메뉴 막대에서 테스트 도우미를 클릭합니다. 테스트 도우미가 오른쪽 패널에서 열립니다.
질문을 하려면 질문을 입력하고 다음 방법으로 보냅니다.
- 키보드의 ENTER 키를 누릅니다.
- Enter를 클릭합니다.
테스트 도우미는 데이터가 메타데이터로 정의된 경우에만 데이터를 사용할 수 있습니다.
- 데이터 집합 탭으로 이동합니다.
- 메타데이터 확인란을 선택합니다.
- 작업을 실행합니다. 완료되면 선택한 데이터에 대한 질문을 할 수 있습니다.
질문의 기록
이전 질문을 보고, 복사하고, 삭제하고, 다시 질문할 수 있습니다. 답변을 복사할 수도 있습니다.
대화를 저장할 수 없습니다.
을 클릭하고 질문 위에 마우스를 올려놓고 복사, 다시 보내기 또는 삭제 작업을 선택합니다.
질문을 기록에서 삭제하면 실행 취소할 수 없습니다.
설정
| 설정 | 설명 |
| 컨텍스트 내 문서 수 | 컨텍스트로 모델에 전달될 관련 문서의 수. |
| 프롬프트 템플릿 | AI가 포함할 문서를 필터링하기 위해 따라야 하는 템플릿을 입력합니다. |
| 필터 | 포함할 문서를 필터링하기 위한 표현식을 입력합니다. 필터는 메타데이터를 기반으로 하지만 파일 기반 지식 마트에는 메타데이터가 없으므로 구성하는 필터를 신중하게 고려합니다. 데이터를 포함하는 것보다 제외하는 것이 더 적절할 수도 있습니다. 자세한 내용은 테스트 지원 사용을 참조하십시오. |
| 문서 검색 | 드롭다운 목록에서 옵션을 선택합니다.
|
| 답변 생성 | 드롭다운 목록에서 옵션을 선택합니다.
|
필터의 예
테스트 지원 도구는 설정에서 사용할 필터를 정의하는 데 도움을 줄 수 있지만 필터 형식은 벡터 데이터베이스에 따라 다릅니다.
지식 마트의 예
아래 테이블은 테스트 지원 도구에서 반환된 필터와 질문의 몇 가지 예를 보여 줍니다.
| 벡터 데이터베이스 | 질문 | 필터로 사용할 답변 | 서식 | 설명서 |
|---|---|---|---|---|
| ElasticSearch | metadata.UnitsInStock = 39인 문서에 대한 필터를 작성합니다. | {'terms': {'metadata.UnitsInStock': [39]}}
|
JSON | |
| OpenSearch | metadata.UnitsInStock = 39인 문서에 대한 필터를 작성합니다. | {'terms': {'metadata.UnitsInStock': [39]}}
|
JSON | 전체 텍스트 쿼리 |
| 파인콘 | UnitsInStock = 39인 벡터를 가져오기 위한 Mongo 스타일 필터 | {"UnitsInStock": 39}
|
JSON | 메타데이터로 필터링 |
| Snowflake Cortex | metadata.UnitsInStock = 39인 행을 필터링하기 위한 Cortex SQL 쿼리를 작성합니다. |
|
SQL | SQL 구문 |
| Databricks | metadata.UnitsInStock = 39인 행을 필터링하기 위한 Databricks SQL 쿼리를 작성합니다. | {"metadata LIKE": "%\"UnitsInStock\":39%"} |
SQL | SQL 구문 |
답변은 데이터에 따라 달라지며, 이는 단지 예일 뿐입니다.
파일 기반 지식 마트의 예
필터를 사용하여 검색 범위를 특정 파일로 제한합니다. 아래 테이블은 몇 가지 예를 보여 줍니다.
| 벡터 데이터베이스 | 필터 | 서식 | 설명서 |
|---|---|---|---|
| ElasticSearch | {"terms": {"source_id.keyword": ["gs://ai-ready/test/hello.txt"]}}
|
JSON | |
| OpenSearch | {"terms": {"source_id.keyword": ["gs://ai-ready/test/hello.txt"]}}
|
JSON | 전체 텍스트 쿼리 |
| 파인콘 | {"source_id": "s3://username-filebased/docxfiles/newF/cv.docx"}
|
JSON | 메타데이터로 필터링 |
| Snowflake Cortex | "source_id" like "s3://username-filebased/pdf/small_pdf/%"
|
SQL | SQL 구문 |
| Databricks | "source_id" like "s3://username-filebased/pdf/small_pdf/%"
|
SQL | SQL 구문 |
답변은 데이터에 따라 달라지며, 이는 단지 예일 뿐입니다.