이 게시물은 채널톡 AI ENGINEER NIGHT의 현장 Q&A를 채널톡 AI팀 답변 형태로 총정리한 글입니다. RAG에서는 표·리스트가 청크 경계에 끊기는 문제를 문서 구조 기반 청킹과 OCR 전처리로 줄이고, 생성 단계에서는 top-k 컨텍스트와 에이전트의 인접 문서 탐색으로 보완하되 비정형 문서는 검색 한계가 있어 엔티티 추출 후 구조화/조회로 고도화하려는 방향을 언급합니다. BM25는 형태소 분석기나 사용자 사전 별도 구축 없이 리터럴 매칭 보완 및 재탐색(쿼리/검색 범위 조정) 전략에 투자하는 관점을 정리합니다. 폴더 선택은 지식센터 폴더 구조·메타데이터를 컨텍스트로 제공하고 tool-calling으로 매 턴 에이전트가 판단하며 progressive disclosure로 필요한 만큼만 탐색하는 오케스트레이션을 소개합니다. 에이전트 설계에서는 기술 발전으로 Harness가 무의미해질 시점이 명확하진 않지만, 상담 서비스의 레이턴시 제약 때문에 RAG에 계층적 구조를 도입해 성능을 극대화하려 한다고 설명합니다. 평가·데이터 접근에서는 지식 오염을 막기 위해 게이트와 사람 검토/승인을 거치고, 상담 종료 시 메타데이터·요약·분류·품질 점수 등을 축적해 통계/리포트로 제공하며, 지표는 CSAT 등 만족도와 정확도 충돌 시 상황에 따라 우선순위를 유연 조정한다고 정리합니다.