소개
최근에 사용해본 노코드 AI 플랫폼 중에 가장 인상 깊었던 서비스 하나를 소개해보려 합니다 — 바로 PUNKU.AI 입니다.
이 플랫폼은 별도의 코딩 없이 다양한 AI 에이전트를 만들 수 있도록 도와주는 도구인데요, 특히 벡터 검색 기반의 챗봇을 빠르게 구현할 수 있어서 매우 유용했습니다.
🤔 RAG란?
RAG (Retrieval-Augmented Generation)는 AI가 답변을 생성할 때, 외부 문서나 데이터에서 먼저 필요한 정보를 검색(Retrieve)하고, 그 문맥을 바탕으로 자연어로 답변을 생성(Generate)하는 방식입니다.
기존 LLM이 모르는 정보를 단순히 추측하는 것과 달리, 신뢰성 있는 외부 지식을 바탕으로 응답할 수 있게 도와줍니다.
즉, 내가 직접 업로드한 파일이나 내부 데이터에 기반한 정확하고 맥락 있는 응답을 받을 수 있어요.
진행 방법 (사용 예시: iPhone 16 매뉴얼 Q&A 챗봇)
제가 실험한 건 간단했습니다:
애플 공식 사이트에서 iPhone 16 사용자 매뉴얼 PDF를 다운로드하고
그 파일을 벡터 DB에 업로드한 뒤
사용자가 자주 묻는 질문을 해보는 시나리오를 구성했어요.
1. app.punku.ai 에서 회원가입을 합니다.
2. 상단 메뉴에서 + New Flow를 클릭하고, Starter Project 중 ‘Vector Store RAG’를 선택합니다.
3. 아래 두 플로우를 순차적으로 실행합니다:
📚 Load Data: 로컬 파일을 벡터 DB에 업로드
🐕 Retriever: 업로드한 데이터 기반으로 질문에 답변하는 챗봇 실행
유료 플랫폼이지만 한달 무료 체험이 가능하다고 합니다 (할인 코드: ANNA25).
결과와 배운 점
챗봇이 문서에 기반해서 답을 해주니 신뢰도가 확실히 높음
잘 구조화된 문서(매뉴얼, 약관 등)를 넣으면 퀄리티도 확 높아짐
