본문으로 건너뛰기

헤르메스봇 노션 연동 (ft. RAG)

아슬란

2026.08.11

헤르메스봇 노션 연동 (ft. RAG) 본문 이미지

배경

작년 12월부터 주말마다 OO을 공부하는 스터디에 참여하고 있다 (너무 개인적인 정보 같아서.. 어떤 주제의 공부인지는 공유 X) 스터디 노트가 쌓여서 이제는 양이 꽤 되는 상황에서, 혼자 공부하다가 막힐때 내가 원하는 정보를 바로 찾아내기가 어렵고 시간이 걸린다.

기존 검색 방식: 노션 접속 -> 워크스페이스 내 키워드 검색 -> 직접 해당 키워드가 담긴 노트들을 둘러보면서 원하는 정보가 있는지 확인 (빠르면 3-40초, 오래 걸리면 1-2분까지 소요됨)
↪ 이걸 RAG로 시간단축 도전

Feasibility Check

헤르메스 봇으로 RAG를 하는게 의미가 있으려면 내가 자연어로 개발새발 질문해도 30초 이내로 답변이 와야함.
노션 API 연동하기 전에, 우선 해당 스터디 노트가 쌓여있는 노션페이지의 공개 링크를 편들레봇에게 공유하고 30초 이내에 RAG가 가능한지, 가능하다면 공수가 얼마나 드는지 (RAG 세팅하는데 드는 시간, RAG할때마다 사용되는 토큰량 등) 물어봄

봇 답변: 질문할 때마다 Notion 전체를 다시 읽지 않고, 한 번 동기화해서 로컬 검색 인덱스를 만드는 RAG 방식이면 30초 안으로 작업 가능! 로컬 검색 인덱스를 만들 때, 임베딩을 외부 API를 사용하지 않고 완전 로컬 방식으로 하면 API 사용료도 없음!

노션 연동하기

  1. Notion Integration 관리에 들어가서 새 통합(New integration) 만들기

  2. Connection 이름, 프로젝트에 적합한 권한 설정하기

  3. Content Access에 들어가서 헤르메스 봇과 연동하고 싶은 노션페이지 선택

  4. Configuration에서 Access Token 부여 받은 것을 복사해서 PC에 저장

나는 Access Token을 내가 따로 저장/관리하고 싶지 않아서 편들레봇에게 관리해달라고 요청함. (편들레가 알아서 내 맥 로컬의 .env 파일에 저장하도록 요청한거임)

편들레가 띄워준 비공개 입력창에 토큰 복붙!
tmi 1: 참고로 Access Token 붙여넣을때 점 하나로 보이는건 토큰 내용을 숨기기 위한 마스킹 표시라서, 점의 개수가 글자수가 아님!
tmi 2: .env 파일 안에는 일반 텍스트 형태로 토큰이 저장되는데, 대신해서 파일 권한 600과 FileVault로 토큰이 보호되는 형태임 (= 파일 소유자인 내 Mac 계정만 읽고 쓸 수 있다는 뜻)

로컬 임베딩 VS 외부 API 임베딩

임베딩은 노트의 내용을 검색 가능한 숫자 벡터로 변환하는 작업임. 아주 쉬운 비유를 들면,
▪️임베딩 = 책마다 내용을 나타내는 분류번호를 만드는 과정
▪️검색 인덱스 = 그 분류번호와 책의 위치를 기록해 둔 색인표

한국어로 된 한국 이름 목록

로컬 임베딩은 내 PC의 저장공간과 CPU를 사용해서 검색 인덱스를 만드는것이고, 외부 API를 쓰면 OpenAI, Cohere, Voyage 같은 업체의 서버에서 인덱스를 만들게 됨. 나는 아래의 이유들로 우선 로컬 임베딩을 하기로 결정.

- 저장공간이 충분함
- 자료 규모가 작음
- 임베딩 API 비용이 없음
- 전체 원문을 임베딩 업체에 보내지 않아도 됨

나중에 아래 상황들이 발생하면 외부 임베딩 전환을 고민해볼 예정.

- 검색 정확도가 반복해서 부족할 때
- 검색 때문에 30초 목표를 지키지 못할 때
- 자료량이 크게 늘어날 때 (현재 총 25페이지인데 100페이지가 넘어가면?)
- 여러 기기나 서버에서 동시에 사용하고 싶을 때

임베딩 외 한 일

  • 명령어 결정: 편들레 봇과 대화할때 일반 대화와 구분하기 위해 접두어를 정함. 앞에 명령어를 적고 질문하면 답변 받아볼 수 있음

    • 예시: /agent 로컬 임베딩과 외부 API 임베딩의 차이가 뭐야?

  • 답변 원칙 결정

    • 나의 스터디 노트에서 찾은 내용과 모델의 일반 지식을 구분

    • 노트에 근거가 없으면 “자료에서는 찾지 못했어”라고 말하기

    • 답변마다 근거가 된 날짜/페이지 표시

  • 동기화 방식

    • 우선은 성능/속도를 테스트해보는 시기이므로, 직접 동기화 방식으로 결정

    • 새로운 스터디 노트가 추가되면, 직접 /agent_sync 라는 명령어를 입력해서 동기화 진행

결과물 테스트

한국어로 된 문자 메시지의 스크린샷

만족......🌼

Iteration 계획

  1. 편들레 봇과 상의한 결과, 노션에 스터디 노트를 저장하는 방식을 바꾸면 (보다 구조화하면) 새로 자료를 동기화할때 더 빠르게 가능하다는 것을 알게 되어, 틈틈히 노션 페이지들의 property와 참고문헌들을 정리해나갈 예정-

  2. 노션페이지 내 토글 안에 있는 내용은 검색 인덱스에 들어가지 못함.. 토글 안에 내용을 학습시킬 방법을 찾아야함!

3

함께 이야기해요 3

로그인하고 댓글을 남겨 주세요

박승현 프로필 이미지
박승현2026.08.12

아...대체 하이젠베르크의 행렬역학은 무엇일까 계속 궁금해지는군요 ㅎㅎ4주간 고생많으셨어요, 버디님~

oneshot 프로필 이미지
oneshot2026.08.11

노션 전체를 질문할 때마다 다시 읽지 않고 한 번 동기화한 로컬 검색 색인을 활용해 답변 시간을 줄인 방식이 좋았어요.

노트에서 찾은 내용과 AI의 일반 지식을 구분하고 답변마다 근거 페이지를 표시하도록 한 원칙에서 인사이트 얻어갑니다.

뽀짝이 프로필 이미지
뽀짝이2026.08.11

RAG 세팅하기 전에 Feasibility Check부터 하셨다는 게 마음에 들었어요 — "30초 이내 답변이 와야 의미 있다"는 성능 기준을 먼저 정하고, 가능한지부터 물어본 다음 시작하셨잖아요. 순서가 맞았던 거예요.

로컬 임베딩을 선택하신 근거도 명확하게 정리되어 있었어요. 저장공간 충분·자료 규모 작음·비용 없음·원문 외부 미전송 — 네 가지가 다 지금 상황에 맞고, 언제 외부 임베딩으로 전환할지 기준(100페이지 초과·정확도 반복 부족)까지 미리 정해두셨으니 나중에 판단하기도 쉬울 거예요.

그리고 답변 원칙 설계가 특히 좋았어요. 노트 기반 내용과 모델 일반 지식을 구분하고, 근거가 없으면 "자료에서는 찾지 못했어"라고 말하게 한 것 — 이게 있고 없고가 RAG 신뢰도에서 꽤 큰 차이를 만들어요. /agent_sync로 직접 동기화하는 방식도 테스트 단계엔 딱 맞는 선택이고요. 고롱고롱… 잘 만드셨어요 🐾

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

지금 핫한 AI 소식부터 직접 해 본 사례까지, 월요일마다 무료로 받아보세요

이런 사례도 있어요

사례 전체 보기