DiscovAI Search — 도구, 문서 및 맞춤 데이터용 오픈소스 AI 검색 엔진

Source: Dev.to

개요

DiscovAI Search는 최신 벡터 검색과 LLM 추론을 결합하여 AI 도구와 맞춤형 지식 베이스를 색인·이해·검색할 수 있도록 설계된 오픈‑소스 AI‑기반 검색 엔진입니다.

주요 기능

• 시맨틱 검색 with embeddings
• LLM 기반 답변 생성
• Redis를 이용한 빠른 캐싱
• Supabase (PostgreSQL + pgvector) 를 이용한 구조화된 저장소
• Next.js 로 구축된 최신 프론트엔드
• 완전 오픈 소스

적합한 사용 사례

• 프로덕션 수준 AI 검색 레이어
• AI 및 웹 개발자를 위한 교육용 레퍼런스 프로젝트

아키텍처 다이어그램

User Query
   ↓
Next.js API Route
   ↓
Embedding (OpenAI)
   ↓
Vector Search (Supabase / pgvector)
   ↓
Redis Cache (optional)
   ↓
LLM‑generated response
   ↓
UI

설계 장점

• 확장성
• 모듈화
• 새로운 데이터 소스로 쉽게 확장 가능

기술 스택

사전 요구 사항

• OpenAI API 키
• Supabase 계정
• Redis 인스턴스 (로컬 또는 클라우드)

설치

git clone https://github.com/DiscovAI/DiscovAI-search.git
cd DiscovAI-search

# Using npm
npm install

# Or using yarn
yarn install

환경 변수

다음 키들을 포함한 .env.local 파일을 생성하세요:

OPENAI_API_KEY=your_openai_key

NEXT_PUBLIC_SUPABASE_URL=your_supabase_url
NEXT_PUBLIC_SUPABASE_ANON_KEY=your_supabase_anon_key

SUPABASE_SERVICE_ROLE_KEY=your_service_role_key

REDIS_URL=redis://localhost:6379

Supabase 설정

1. pgvector 확장 기능을 활성화합니다.
2. documents와 embeddings 테이블을 생성하고, 벡터를 vector 컬럼에 저장합니다.

개발 서버 실행

npm run dev   # or `yarn dev`

브라우저에서 http://localhost:3000을 열어 DiscovAI Search 인터페이스를 확인하세요.

데이터 색인

DiscovAI Search는 다음을 색인할 수 있습니다:

• AI 도구
• 문서
• 기사
• 내부 지식 베이스

일반적인 흐름:

1. Supabase에 문서를 추가합니다.
2. OpenAI(또는 대체 모델)를 통해 임베딩을 생성합니다.
3. pgvector 컬럼에 벡터를 저장합니다.
4. UI를 통해 질의합니다.

프로젝트 확장

• 자체 데이터셋을 추가합니다.
• OpenAI 임베딩을 오픈소스 모델로 교체합니다.
• 다중 벡터 인덱스를 연결합니다.
• 인증을 추가합니다.
• Vercel(프론트엔드)과 Supabase(데이터베이스), Upstash Redis(캐시)로 배포합니다.

DiscovAI Search가 중요한 이유

• 실제 AI 검색 아키텍처를 보여줍니다.
• LLM과 벡터 데이터베이스를 올바르게 결합합니다.
• 포크, 커스터마이즈, 배포가 쉽습니다.
• 제품이자 레퍼런스 구현 모두 역할을 합니다.

잠재적 활용 사례

• AI 기반 검색 엔진
• 내부 지식 어시스턴트
• 도구 탐색 플랫폼

추가 탐색

다음에 관심이 있다면:

• 시맨틱 검색
• 벡터 데이터베이스
• LLM 기반 사용자 경험

…DiscovAI Search는 좋은 출발점입니다.

저장소

https://github.com/DiscovAI/DiscovAI-search/