RAG Chatbot

Concierge Services using RAG-based Chatbots

임대관리와 생활편의 서비스 맥락에서 RAG, structured outputs, function calling, pgvector 검색을 결합한 챗봇 사례입니다.

A chatbot case combining RAG, structured outputs, function calling, and pgvector search for rental-management and concierge workflows.

RAGStructured outputspgvectorONNX Runtime
RAG chatbot flow

문제

Problem

생활편의 요청은 자연어 대화처럼 보이지만 실제로는 예약, 주문, 상태 확인, 데이터 조회 같은 구조화된 업무로 이어집니다.

Concierge requests look conversational, but they must often resolve into structured operations such as booking, ordering, status checks, and data lookup.

설계

Design

  • 문서/FAQ/서비스 데이터를 검색 가능한 지식으로 구성하고 pgvector 기반 검색을 적용했습니다.
  • Organized service documents, FAQs, and operational data into searchable knowledge with pgvector retrieval.
  • Azure OpenAI structured outputs와 function calling을 사용해 대화 결과를 업무 액션으로 변환했습니다.
  • Used Azure OpenAI structured outputs and function calling to convert conversations into operational actions.
  • Streamlit, Docker, ONNX Runtime 기반 프로토타입과 서비스 검증 환경을 구축했습니다.
  • Built prototype and validation environments with Streamlit, Docker, and ONNX Runtime.

기여

Contribution

자연어 대화와 실제 서비스 액션 사이의 경계를 구조화하고, 검색 품질과 업무 흐름을 함께 검증했습니다.

Structured the boundary between natural conversation and service actions while validating retrieval quality and workflow behavior together.