Architecture · Ghil Labs

신뢰는 구조에서 나옵니다

LLM이 잘하는 일과 코드가 잘하는 일을 구조로 분리한다 — Ghil Labs의 모든 시스템을 관통하는 설계 원칙입니다. 아래 다이어그램의 노드를 클릭하면 각 구성 요소의 역할을 볼 수 있습니다.

System 01 · Hybrid RAG

개인 지식과 공개 지식을 분리하는 이중 트랙 검색

민감한 개인 자산 데이터는 로컬에, 공개 가능한 지식은 클라우드에. 하나의 임베딩 모델(BGE-M3)이 두 트랙을 모두 구동하고, MCP 서버가 어떤 AI 클라이언트에서든 검색을 가능하게 합니다.

노드를 클릭해 상세 보기

LOCAL · PRIVATE TRACK CLOUD · PUBLIC TRACK DOCUMENTS MD · PDF · NOTES BGE-M3 EMBEDDINGS CHROMADB LOCAL VECTOR MCP SERVER FASTMCP · PY AI CLIENTS CLAUDE · AGENTS PGVECTOR SUPABASE EDGE API VERCEL · REST WEB / APPS ASSET OS · PUBLIC
—

—

—

System 02 · Agentic Orchestration

LLM은 판단, 계산은 코드, 최종 결정은 사람

DealDesk의 언더라이팅 파이프라인. 코디네이터가 서브에이전트를 지휘하고, 숫자는 결정적(deterministic) 계산 도구가 산출하며, 신뢰도가 기준 미달이면 사람에게 에스컬레이션합니다.

노드를 클릭해 상세 보기

REQUEST DEAL INPUT COORDINATOR ORCHESTRATOR RESEARCH SUBAGENT UNDERWRITE SUBAGENT CALC TOOL DETERMINISTIC CONF. GATE REPORT CONF ≥ THRESHOLD HUMAN CONF < THRESHOLD
—

—

—

Design Principles

모든 시스템에 적용되는 세 가지 규칙

01 · Numbers in Code

숫자는 LLM이 아니라 코드가 계산한다

DSCR, Cap Rate, 세금 시뮬레이션 — 검증 가능해야 하는 모든 수치는 결정적 함수로 계산합니다. LLM은 해석과 설명을 담당할 뿐, 산수를 하지 않습니다.

02 · Private / Public Split

개인 데이터와 공개 지식은 물리적으로 분리한다

자산·세무 데이터는 로컬 트랙(ChromaDB)에만 존재합니다. 클라우드(pgvector)에는 공개 가능한 지식만 올라갑니다. 편의를 위해 프라이버시를 희생하지 않습니다.

03 · Human at the Gate

확신이 없으면 사람에게 넘긴다

신뢰도 점수가 기준 미달이면 시스템은 답을 지어내는 대신 에스컬레이션합니다. AI는 검산자이지 의사결정자가 아닙니다 — 최종 판단은 항상 사람의 몫입니다.