Skip to Content
BSage핵심 개념

BSage는 플러그인, 스킬, Knowledge Graph, 2nd Brain 네 가지 핵심 개념으로 구성됩니다.

플러그인 vs 스킬

BSage는 두 가지 확장 메커니즘을 제공합니다. 각각의 용도와 특성이 다르므로 정확히 이해하고 활용하는 것이 중요합니다.

비교 표

구분플러그인 (Plugin)스킬 (Skill)
구현 방식Python 코드Markdown (LLM 파이프라인)
용도외부 시스템과의 데이터 입출력텍스트 처리 및 분석
실행 주체BSage 서버 (백그라운드)LLM (요청 시 실행)
상태상시 실행 (이벤트 기반)필요 시 호출
credential필요 (API 키, 토큰 등)불필요
커스터마이징설정 파라미터 조정프롬프트 수정
예시Telegram 봇, Email 수신, S3 업로드요약, 번역, 위험 분석, 감정 분석

플러그인 상세

플러그인은 외부 시스템과 BSage를 연결하는 브릿지입니다. 세 가지 카테고리로 분류됩니다:

Input 플러그인

외부에서 BSage로 정보를 수집하는 플러그인입니다.

플러그인동작 방식트리거
TelegramTelegram 봇으로 받은 메시지를 수집메시지 수신 시 즉시
Slack지정된 Slack 채널의 메시지를 모니터링메시지 수신 시 즉시
DiscordDiscord 봇을 통해 메시지를 수집메시지 수신 시 즉시
EmailIMAP으로 이메일을 수신하여 수집새 메일 도착 시 (폴링)
RSSRSS/Atom 피드를 구독하여 새 글 수집피드 업데이트 시 (폴링)

Process 플러그인

수집된 정보를 가공하고 분석하는 플러그인입니다.

플러그인기능적용 시점
SummarizerLLM 기반으로 긴 텍스트를 자동 요약새 지식 수집 시
Tagger내용을 분석하여 자동으로 태그를 부여새 지식 수집 시
DangerAnalyzer위험 요소, 민감 정보를 자동 탐지새 지식 수집 시

Output 플러그인

BSage의 지식을 외부 시스템으로 내보내는 플러그인입니다.

플러그인기능출력 형식
S3Amazon S3 버킷으로 파일 업로드원본 파일
VaultObsidian Vault로 노트를 자동 생성/업데이트Markdown

스킬 상세

스킬은 Markdown으로 정의된 LLM 파이프라인입니다. 프롬프트 체인으로 구성되며, 텍스트를 입력받아 가공된 결과를 출력합니다.

특성설명
정의Markdown 파일에 프롬프트, 입력/출력 형식, 체인 순서를 기술
실행사용자 요청 또는 플러그인 파이프라인에서 호출 시 LLM이 실행
체이닝여러 스킬을 순차적으로 연결하여 복합 처리 가능
예시요약 스킬 → 번역 스킬 → 태깅 스킬 순서로 체이닝

플러그인과 스킬의 조합

플러그인과 스킬은 함께 사용할 때 가장 강력합니다:

[Input 플러그인] → [Process 플러그인/스킬] → [Output 플러그인]

예시 파이프라인:

  1. Telegram(Input)으로 논문 링크를 수신
  2. Summarizer(Process)가 논문을 자동 요약
  3. Tagger(Process)가 분야, 키워드를 자동 태깅
  4. Vault(Output)로 Obsidian 노트를 자동 생성

Knowledge Graph

BSage의 Knowledge Graph는 수집된 모든 지식을 그래프 구조로 연결하여, 단순한 검색을 넘어 지식 간의 관계를 탐색할 수 있게 합니다.

그래프 구성 요소

요소설명예시
노드 (Node)개별 지식 항목”PostgreSQL JSONB 인덱싱 가이드”
엣지 (Edge)노드 간 관계참조, 관련, 반박, 확장, 요약
속성 (Property)노드의 메타데이터태그, 카테고리, 생성일, 출처

엣지 유형

지식 간의 관계는 다음 유형으로 분류됩니다:

엣지 유형의미예시
참조 (references)A가 B를 인용/참조함논문이 다른 논문을 인용
관련 (related_to)A와 B가 같은 주제를 다룸두 개의 PostgreSQL 관련 메모
반박 (contradicts)A가 B의 내용과 상충서로 다른 기술적 주장
확장 (extends)A가 B의 내용을 확장/보완기존 메모에 추가 정보
요약 (summarizes)A가 B의 요약본Summarizer가 생성한 요약

Vector Store

Knowledge Graph는 Vector Store를 내장하여 의미 기반 검색을 지원합니다:

기능설명
임베딩 생성모든 지식 항목은 자동으로 벡터 임베딩이 생성됨
시맨틱 검색키워드가 아닌 의미로 검색 (예: “DB 성능 개선” → JSONB 인덱싱 메모 매칭)
유사도 기반 연결임베딩 유사도가 높은 지식을 자동으로 “관련” 엣지로 연결
검색 정확도코사인 유사도 기반 랭킹으로 가장 관련성 높은 결과 우선 표시

그래프 시각화

Knowledge Graph 페이지에서 제공하는 시각화 기능:

  • 인터랙티브 그래프: 노드를 클릭, 드래그, 줌하여 탐색
  • 클러스터링: 관련 노드가 자동으로 그룹화되어 표시
  • 경로 탐색: 두 노드 사이의 관계 경로를 시각적으로 표시
  • 시간축 필터: 특정 기간에 생성된 지식만 표시
  • 태그 필터: 특정 태그의 지식만 하이라이트

2nd Brain 구조

BSage는 Digital Garden 방법론을 기반으로 세 가지 영역에서 지식을 관리합니다.

Seeds (씨앗)

항목설명
정의새로 입력된 원시 정보, 아직 정제되지 않은 상태
입력 방식Chat 입력, 플러그인 수집, 수동 추가
자동 처리Tagger가 자동 태깅, Summarizer가 요약 생성
상태검토 대기 중

Garden (정원)

항목설명
정의정리되고 검증된 지식, 다른 지식과 연결된 상태
전환 조건사용자가 Seeds를 검토하고 승인 / 자동 품질 기준 충족
특징Knowledge Graph에서 엣지로 다른 지식과 연결됨
활용시맨틱 검색의 주요 검색 대상

Actions (실행)

항목설명
정의지식에서 도출된 실행 항목 (할 일, 아이디어, 프로젝트)
생성 방식사용자가 직접 생성 / BSage가 자동 추천
상태 관리TODO → IN_PROGRESS → DONE
연결해당 Action의 근거가 된 지식과 자동 연결

지식 흐름

외부 소스 → [Input 플러그인] → Seeds → [Process/스킬] → Garden → Actions
                                  ↕                        ↕
                            Knowledge Graph         Knowledge Graph
  1. 외부 소스(Telegram, Email, RSS 등)에서 정보가 수집됩니다.
  2. Seeds로 저장되고 자동 태깅/요약이 수행됩니다.
  3. 사용자 검토 또는 자동 기준에 따라 Garden으로 승격됩니다.
  4. Garden의 지식에서 실행 항목이 도출되면 Actions가 생성됩니다.
  5. 모든 단계에서 Knowledge Graph에 노드와 엣지가 추가됩니다.
Last updated on
시작하기Plugins