local-doc-rag-skill은(는) 무엇을 하나요?
로컬 문서를 AI 기술로 색인 – Claude Code 지식 2026
개요
local-doc-rag-skill은 로컬 파일 시스템에 있는 문서(예: 프로젝트 위키, API 문서, 기술 매뉴얼)를 자동으로 색인하고, AI 어시스턴트가 질의 시 관련 정보를 검색 증강 생성(RAG) 방식으로 활용할 수 있도록 지원하는 스킬입니다.
주요 기능
- 로컬 문서 색인: 지정된 디렉터리의 마크다운, 텍스트, PDF 등 문서를 재귀적으로 스캔하여 텍스트 청크로 분할하고 임베딩합니다.
- 벡터 검색: 질의와 유사한 문서 조각을 벡터 유사성 검색(코사인 유사도)을 통해 빠르게 찾습니다.
- 컨텍스트 주입: 검색된 문서 조각을 AI 프롬프트에 자동으로 포함시켜 더 정확하고 최신 정보에 기반한 답변을 생성합니다.
- 플랫폼 호환성: Claude Code에 최적화되었으며, Cursor, Codex 등 다른 AI 코딩 도구에서도 사용 가능합니다.
사용 방법
-
설치: 스킬을 Clone하거나 다운로드합니다.
git clone https://github.com/camilemuz/local-doc-rag-skill.git cd local-doc-rag-skill -
환경 설정: 필요한 Python 패키지를 설치합니다.
pip install -r requirements.txt -
문서 색인:
INDEX_PATH환경 변수에 문서 디렉터리 경로를 설정한 후 스킬을 실행합니다.export INDEX_PATH=/path/to/your/docs python index.py -
질의: AI 어시스턴트와 대화할 때 자동으로 관련 문서가 검색되어 컨텍스트로 제공됩니다.
구성
index.py: 문서 색인 스크립트retriever.py: 질의 기반 벡터 검색 모듈config.yaml: 색인 설정(청크 크기, 임베딩 모델 등)data/: 생성된 벡터 인덱스 저장 디렉터리
환경 변수
| 변수 | 설명 | 기본값 |
|---|---|---|
INDEX_PATH | 색인할 문서 디렉터리 경로 | ./docs |
EMBEDDING_MODEL | 임베딩 모델 이름 | all-MiniLM-L6-v2 |
CHUNK_SIZE | 문서 청크 크기 (토큰 수) | 512 |
라이선스
MIT