정답 포함률 @ Top 10
일반 AI 검색
36%
문서를 고정 길이로 대충 묶어 검색하는 naive chunking 검색
흩어진 사내 문서를 업로드하면, 질문에 맞는 답과 출처를 바로 찾아줍니다.
질문
답변
출처
TypeScript | RAG | Tools | Any LLM | Open Source
97%+
검색 정확도 BEIR 벤치마크 기준
<300us
p50 검색 지연시간 1M 벡터 기준
5min
첫 에이전트 배포까지
3
바로 쓸 수 있는 템플릿
Schift는 정답 문서를 먼저 좁혀 사람이 다시 찾는 시간과 LLM 입력 토큰을 함께 줄입니다.
팀 업무 시간
50명 팀 기준
팀원 수
50명
하루 질문
3회
질문당 절감
8분
근무일
22일
LLM 입력 비용
Claude Opus 4.6 input 기준
정답 놓칠까 봐 많이 넣는 방식
Top 1000 · 469,000 tokens
질문 1회 input 비용 약 $2.35
Schift가 먼저 좁히는 방식
Top 10 · 4,690 tokens
질문 1회 input 비용 약 $0.02
소방법 문서 6,084개와 ground truth 질문 200개로 평가했습니다. 정답 문서가 상위 10개 결과 안에 포함되면 성공입니다.
정답 포함률 @ Top 10
36%
문서를 고정 길이로 대충 묶어 검색하는 naive chunking 검색
정답 포함률 @ Top 10
95%
문서 전체, 첫 문장, 질의 공간을 함께 보는 다중 관점 검색
Schift는 같은 ground truth에서 일반 naive chunking보다 정답 문서를 2.7배 더 자주 상위 10개 안에 포함했습니다.
조건: 10개 인접 chunk 고정 묶음 vs Schift 다중 관점 검색 · R@10, duplicate-aware · 6,084 chunks · 200 queries
에이전트 스캐폴드
npx create-schift — 템플릿을 고르고, API 키를 입력하세요. 몇 초 만에 동작하는 에이전트 프로젝트를 받습니다.
$ npx create-schift@latest 데이터 업로드
SDK나 대시보드로 문서를 푸시하세요. Schift가 OCR, 청킹, 임베딩을 처리합니다. 에이전트가 즉시 검색할 수 있습니다.
await rag.upload(['manual.pdf', 'faq.docx']) 프로덕션에 배포
npm run dev로 로컬 테스트. 준비되면 schift deploy. 모니터링과 로깅이 내장된 에이전트가 라이브됩니다.
$ schift deploy 지금 사용 가능
프리미티브 5개. 보일러플레이트 제로. RAG, 도구, 메모리가 기본 내장된 에이전트를 바로 배포하세요.
자동 도구 디스패치가 포함된 ReAct 루프. 지시를 정의하고, 도구를 등록하고, agent.run()을 호출하세요. 나머지는 Schift가 처리합니다.
import { Agent } from '@schift-io/sdk' const agent = new Agent({ name: 'support-bot', instructions: 'Answer from the knowledge base.', tools: [searchDocs], model: 'gpt-4.1-nano', }) const result = await agent.run('How do I reset?')
문서를 올리고, 의미로 검색하고, 출처 포함 답변을 받으세요. OCR, 청킹, 임베딩, 리랭킹 — 전부 관리형.
import { RAG } from '@schift-io/sdk' const rag = new RAG({ bucket: 'support-docs', topK: 5, }) await rag.upload(['manual.pdf', 'faq.docx']) const results = await rag.search('password reset')
아무 async 함수나 도구로 등록하세요. 타입 안전 파라미터, 자동 검증, 에러 복구. OpenAI와 Anthropic 포맷 지원.
import type { AgentTool } from '@schift-io/sdk' export const collectLead: AgentTool = { name: 'collect_lead', description: 'Collect visitor contact info', parameters: { type: 'object', properties: { email: { type: 'string' } }, }, handler: async ({ email }) => saveLead(email), }
GPT, Claude, Gemini — 코드 변경 없이 모델 교체. OpenAI 호환 라우팅에 자동 폴백 내장.
const agent = new Agent({ model: 'gpt-4.1-nano', // swap to 'claude-sonnet-4-6' // or 'gemini-2.5-flash' // — zero code change needed }) // Automatic fallback if primary model fails const result = await agent.run('Summarize this contract')
프로덕션 수준 에이전트 템플릿. 고르고, 커스터마이즈하고, 배포하세요.
RAG 기반 지원 에이전트 + 리드 수집.
계약서 분석 및 법률 문서 검색.
논문 Q&A + 교차 참조 인용.
라이브 데모
Schift AI 에이전트에게 직접 물어보세요. 회원가입 필요 없습니다.
Schift에 대해 뭐든 물어보세요 — 요금, 기능, 연동 방법 등.
이런 걸 물어보세요
Schift Public Bucket
1,600+ 법률, 판례, 행정규칙. 문서 업로드 없이 바로 검색.
검색어를 입력하면 관련 법령이 표시됩니다
같은 HNSW 알고리즘, 같은 머신, 같은 벡터. Schift SQ8은 FAISS보다 4배 적은 메모리로 sub-300us p50을 제공하고, 디스크 영속성, 지식 그래프, 컴팩션을 함께 제공합니다.
꼬리 지연시간 3.3배 개선, 처리량 2.3배 증가
1M 벡터 기준 Schift SQ8 p99는 502us, FAISS는 1,653us입니다. 순수 인메모리 라이브러리와 달리 Schift는 디스크 영속성, WAL 복구, 지식 그래프 검색, 라이브 컴팩션을 포함합니다.
74K
vectors/sec projection
4x
메모리 절감 (SQ8)
0
재임베딩 불필요
Apple Silicon, 단일 스레드 검색, 동일 머신. HNSW M=32, efConstruction=200, efSearch=50. 전체 벤치마크 소스는 GitHub에서 확인할 수 있습니다.
이미 OpenAI나 Gemini를 프로덕션에서 쓰고 계신가요? 검색 품질을 벤치마크하고, dry-run을 확인하고, 복구율이 증명되면 전환하세요. 데이터베이스는 계속 운영됩니다.
100%
104K 문서에서 검색 정확도
50
도메인 적응에 필요한 문서 수
78%
압축으로 스토리지 절감
마이그레이션 후 확장
Schift DB
관리형 벡터 스토리지. 검색과 마이그레이션을 하나의 런타임에서.
Schift API
컬렉션, 라우팅, 벤치마크. canonical space를 위한 컨트롤 플레인.
Schift Projection
마이그레이션 런타임. 문서 50개만으로 도메인 적응.
마이그레이션이 어려우신가요?
기존 데이터베이스에서 Schift로의 전체 이전을 저희 팀이 대행합니다. 스키마 매핑, 데이터 이전, 검증까지 포함.
무료 티어 포함. 신용카드 불필요.
도움이 필요하신가요?