LiKE 인터페이스에서 마주치는 용어의 짧은 정의 — 특히 분석과 AI 작업 시.

#AI 및 검색

용어 의미
색인화(임베딩) 문서의 텍스트를 시맨틱 검색을 구동하는 숫자 벡터로 변환합니다. 문서가 생성되거나 업데이트될 때 자동으로 수행됩니다. 색인화 없이는 문서가 AI 검색에서 발견되지 않습니다.
전사 오디오 녹음을 텍스트로 변환합니다. 편집기에서 오디오 노트를 업로드할 수 있습니다 — LiKE가 이를 일반 문서처럼 사용되는 텍스트로 변환합니다.
AI 검색(RAG) 15단계의 파이프라인: 쿼리 검증 → 준비 → 색인 검색 → 순위 지정 → 소스 링크가 있는 답변 생성.
Quality Score 5가지 구성 요소(완전성, 구조, 가독성, 일관성 및 유용성)에 걸친 0~100의 문서 품질 등급. 어떤 문서를 개선할 가치가 있는지 이해하는 데 도움이 됩니다.
공백(Gap Alerts) 지식 베이스에 답이 없는 사용자 질문. 문서를 생성하거나 확장해야 한다는 신호.

#답변 유형

분석 → 결과 유형별에서 각 AI 답변에는 다음 유형 중 하나가 태그됩니다:

유형 의미
AI 생성 발견된 소스를 기반으로 모델이 처음부터 답변을 생성했습니다.
캐시로부터 유사한 질문에 대해 이전에 저장된 답변을 재사용합니다 — 모델에 대한 새로운 호출 없이. 토큰을 절약하고 답변 속도를 높입니다.
기술적 답변 모델이 일반적인 답변을 제공하지 않았습니다 — 예를 들어 베이스에 관련 정보가 없거나 AI를 일시적으로 사용할 수 없습니다. 발견된 문서의 직접 발췌가 표시됩니다.

#토큰 및 비용

토큰은 AI 모델의 텍스트 처리 단위입니다(대략 단어의 ¾). 비용 유형별:

비용 유형 의미
Input tokens 모델에 전송되는 쿼리 및 컨텍스트의 텍스트.
Output tokens 모델이 생성한 답변의 텍스트.
Indexing tokens 문서를 색인화할 때 벡터를 구축하는 데 소비됨("색인화" 참조).
Cache Hit Rate 캐시에서 제공되는 답변의 비율. 높을수록 토큰 소비가 낮아집니다.

#지식 베이스 구조

용어 의미
스페이스 자체 문서, 구성원 및 권한이 있는 격리된 지식 영역. 검색은 항상 단일 스페이스 내에 머뭅니다.
컬렉션 스페이스 내에서 문서를 그룹화하는 폴더. 중첩 및 드래그 앤 드롭을 지원합니다.
가시성(publish state) 문서의 접근 수준: Public(익명 포함 모두에게 표시), Internal(팀만 — 기본값), Draft(편집자만) 또는 Inherited(상위 컬렉션으로부터 수준을 가져옴).
팁: 인터페이스에서 낯선 용어를 마주치면 — 이 베이스에 대한 AI 검색을 통해 여기에서 찾아보세요.