AI 에이전트, 5분 만에 배포하세요 무료로 시작
Seoul Region | 데이터는 한국에 머뭅니다

우리 회사 문서를
가장 잘 아는 AI.

흩어진 사내 문서를 업로드하면, 질문에 맞는 답과 출처를 바로 찾아줍니다.

출처 기반 답변
96/100

질문

답변

출처

필요한 근거를 5개 후보 안에서 찾음근거: LongMemEval 공개 벤치마크

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

더 정확하고, 더 빠르게, 더 효율적으로

정확도는 높이고,
업무 시간과 AI 비용은 줄입니다.

Schift는 정답 문서를 먼저 좁혀 사람이 다시 찾는 시간과 LLM 입력 토큰을 함께 줄입니다.

팀 업무 시간

월 440시간 절감

50명 팀 기준

팀원 수

50명

하루 질문

3회

질문당 절감

8분

근무일

22일

LLM 입력 비용

AI 토큰도 비용입니다.

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

정답을 놓칠까 봐 Top 1000을 LLM에 밀어 넣는 방식보다, Schift는 검색 단계에서 Top 10으로 좁혀 입력 토큰을 약 100배 줄이고, 질문당 입력 비용은 약 118배 차이납니다. Claude Opus 4.6 $5/1M input token 기준. 조건: 소방법 corpus 평균 586자/chunk를 한국어 context 약 0.8 token/char로 산정
소방법 Ground Truth

정답 문서를 찾는 비율이 다릅니다.

소방법 문서 6,084개와 ground truth 질문 200개로 평가했습니다. 정답 문서가 상위 10개 결과 안에 포함되면 성공입니다.

정답 포함률 @ Top 10

일반 AI 검색

36%

문서를 고정 길이로 대충 묶어 검색하는 naive chunking 검색

정답 포함률 @ Top 10

Schift

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

작동 방식

스캐폴드. 빌드. 배포.

01

에이전트 스캐폴드

npx create-schift — 템플릿을 고르고, API 키를 입력하세요. 몇 초 만에 동작하는 에이전트 프로젝트를 받습니다.

$ npx create-schift@latest
02

데이터 업로드

SDK나 대시보드로 문서를 푸시하세요. Schift가 OCR, 청킹, 임베딩을 처리합니다. 에이전트가 즉시 검색할 수 있습니다.

await rag.upload(['manual.pdf', 'faq.docx'])
03

프로덕션에 배포

npm run dev로 로컬 테스트. 준비되면 schift deploy. 모니터링과 로깅이 내장된 에이전트가 라이브됩니다.

$ schift deploy

지금 사용 가능

Framework npx create-schift@latest TypeScript SDK npm install @schift-io/sdk Python SDK pip install schift MCP npx schift-mcp REST API api.schift.io
프리미티브

에이전트에 필요한 전부. 불필요한 건 없이.

프리미티브 5개. 보일러플레이트 제로. RAG, 도구, 메모리가 기본 내장된 에이전트를 바로 배포하세요.

TypeScript

에이전트 런타임

자동 도구 디스패치가 포함된 ReAct 루프. 지시를 정의하고, 도구를 등록하고, agent.run()을 호출하세요. 나머지는 Schift가 처리합니다.

agent.ts
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?')
TypeScript

내장 RAG

문서를 올리고, 의미로 검색하고, 출처 포함 답변을 받으세요. OCR, 청킹, 임베딩, 리랭킹 — 전부 관리형.

rag.ts
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')
TypeScript

도구 호출

아무 async 함수나 도구로 등록하세요. 타입 안전 파라미터, 자동 검증, 에러 복구. OpenAI와 Anthropic 포맷 지원.

tools.ts
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),
}
TypeScript

모든 LLM, 엔드포인트 하나

GPT, Claude, Gemini — 코드 변경 없이 모델 교체. OpenAI 호환 라우팅에 자동 폴백 내장.

model.ts
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')
템플릿

템플릿으로 시작. 더 빠르게 배포.

프로덕션 수준 에이전트 템플릿. 고르고, 커스터마이즈하고, 배포하세요.

cs-chatbot

고객 지원

RAG 기반 지원 에이전트 + 리드 수집.

  • FAQ 답변
  • 출처 인용
  • 리드 캡처
legal-qa

법률 Q&A

계약서 분석 및 법률 문서 검색.

  • 조항 추출
  • 판례 검색
  • 한국 법률 지원
research-qa

연구 어시스턴트

논문 Q&A + 교차 참조 인용.

  • PDF 수집
  • 교차 논문 종합
  • 인용 추적
두 가지 경로

코드. 또는 클라우드.

직접 제어하고 싶으면 코드로, 인프라 없이 바로 시작하려면 클라우드로.

Schift SDK

npx create-schift로 시작, 데이터 연결, 에이전트 배포. TypeScript 우선, 오픈소스.

1
npx create-schift
2
데이터 연결
3
에이전트 배포
시작하기

Schift Cloud

관리형 RAG 파이프라인, 임베딩, 벡터 검색, LLM 라우팅, 옵저버빌리티. 인프라 제로.

1
문서 업로드
2
에이전트 연결
3
자동 스케일링
무료 가입

모든 유스케이스를 위한 에이전트.

지원 "비밀번호 초기화 어떻게 해요?" 문서에서 즉시 답변 + 출처 인용
법률 "해지 조항이 뭐야?" 계약서에서 정확한 조항 추출
연구 "치료법 X 연구 결과 요약해줘" 논문 간 교차 종합 + 인용
내부 "우리 회사 휴가 정책이 뭐야?" 사내 핸드북에서 몇 초 만에 답변

라이브 데모

직접 체험해 보세요

Schift AI 에이전트에게 직접 물어보세요. 회원가입 필요 없습니다.

AI Schift 에이전트
Schift RAG 기반

Schift에 대해 뭐든 물어보세요 — 요금, 기능, 연동 방법 등.

이런 걸 물어보세요

Schift Public Bucket

법령 검색, 바로 해보세요

1,600+ 법률, 판례, 행정규칙. 문서 업로드 없이 바로 검색.

검색어를 입력하면 관련 법령이 표시됩니다

성능

FAISS보다 2.3배 빠르게.
꼬리 지연시간은 3.3배 더 낮게.

같은 HNSW 알고리즘, 같은 머신, 같은 벡터. Schift SQ8은 FAISS보다 4배 적은 메모리로 sub-300us p50을 제공하고, 디스크 영속성, 지식 그래프, 컴팩션을 함께 제공합니다.

1M 벡터 dim=1024 top-10 단일 스레드 HNSW M=32
Schift Engine
SQ8 4배 압축
p50 277us
p99 502us
QPS 3,400
FAISS HNSW
인메모리 전용
p50 621us
p99 1,653us
QPS 1,503

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.

기존 벡터가 있는 팀을 위해

수백만 벡터.
재임베딩 제로.

이미 OpenAI나 Gemini를 프로덕션에서 쓰고 계신가요? 검색 품질을 벤치마크하고, dry-run을 확인하고, 복구율이 증명되면 전환하세요. 데이터베이스는 계속 운영됩니다.

sourceopenai/3-large
vectors2.4M
↓ s.project()
targetschift canonical
recovery99.7%
time32 sec

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.

문의하기 →

요금제

심플. 투명.

선불 크레딧, 필요시 자동 충전, 큰 팀을 위한 전용 인스턴스.

Metric

Price

문서 처리 OCR + 청킹 + 임베딩을 하나의 가격으로
$0.009 / 페이지
검색 업로드한 문서 전체에 대한 의미 기반 검색
$0.005 / 요청
저장 파일 + 자동 압축 벡터
$0.03 / GB·월
임베딩 직접 API, Upstage 대비 85% 저렴
$0.015 / 1M tokens
LLM OpenAI 호환 라우팅, 하나의 엔드포인트로 모델 교체
원가 + 5%

첨 에이전트를
5분 만에 배포하세요.

무료 티어 포함. 신용카드 불필요.

웹사이트 없이도 체험 가능 월 10K executions 무료 5분 만에 배포

도움이 필요하신가요?