AI 에이전트에게 나만의 기억을: 로컬 지식 베이스 데모

안녕하세요. 저는 aiFetchly 팀의 멤버입니다. 이 글에서는 저희가 만드는 오픈소스·로컬 우선 데스크톱 AI 에이전트 aiFetchly(https://www.aifetchly.com)의 로컬 지식 베이스, 즉 AI 에이전트에게 주는 '나만의 기억'을 데모 중심으로 소개합니다.

AI 에이전트가 일을 잘하려면, 단순히 똑똑한 모델만으로는 부족합니다. 우리 팀의 서비스, 가격, 과거 제안, 고객의 선호도를 기억하고 있어야 합니다. 그런데 그 기억이 클라우드에 흩어져 있거나, 매번 새로 설명해야 한다면 에이전트는 매번 처음부터 다시 시작하는 것과 같습니다.

로컬 지식 베이스는 이 문제를 바꿉니다. 자주 쓰는 문서 — 서비스 설명, 자주 묻는 질문, 과거 견적서, 온보딩 노트 — 를 지식 베이스에 넣어두면, 에이전트는 고객 업무를 할 때 그 문서를 참조합니다. 문서가 로컬에 우선한다는 점도 중요합니다. 고객 정보가 포함된 업무 자료를 굳이 외부로 보내지 않아도 된다는 뜻입니다.

데모에서 확인할 수 있는 흐름은 이렇습니다.

1. 고객 메일이나 문의가 들어옵니다.

2. 에이전트가 지식 베이스에서 관련 서비스와 과거 이력을 찾습니다.

3. 그 내용을 바탕으로 답장 초안을 만듭니다.

4. 담당자가 초안을 검토하고, 톤과 조건을 확인한 뒤 보냅니다.

사람의 역할은 사라지지 않습니다. 최종 판단과 관계 맺기는 여전히 사람의 일입니다. 에이전트는 반복되는 검색과 초안 작성을 줄여줄 뿐입니다.

데모 영상:

https://www.youtube.com/watch?v=FTGsQ27HsfA

요금 안내: aiFetchly는 Community 플랜이 무료, Go 월 5달러, Plus 월 10달러, Pro 월 30달러입니다. AI Content Assistant는 Plus 전용 기능입니다. 먼저 무료 Community 플랜으로 자신의 문서로 지식 베이스를 만들어보는 것을 추천합니다.

여러분이라면, 에이전트에게 가장 먼저 기억시키고 싶은 문서는 무엇인가요? 가격 예외, 고객별 선호, 과거 프로젝트 기록 중 무엇이 먼저 떠오르시나요? 댓글로 공유해 주세요.

자세히 보기: https://www.aifetchly.com