dify 사내 AI 지식베이스 챗봇 만들기, PDF·노션 연동 5단계 직접 해봤습니다
📅 발행일: | 🔄 최종 업데이트: | ⏱ 읽기 약 14분 | 📝 2,761자
💡 결론부터
Dify는 코딩 없이 30분 안에 사내 문서 기반 AI 챗봇을 완성할 수 있는 오픈소스 노코드 AI 앱 빌더입니다. PDF와 노션 문서를 업로드하면 AI가 해당 문서만 참고해 정확하게 답변합니다.
AI키퍼 에디터 — AI/IT 전문
인공지능, 최신 기술 트렌드, IT 업계 동향을 분석하고 실용적인 인사이트를 전달합니다.
✅ AI·머신러닝 전문 | ✅ 논문·연구 분석 | ✅ 실전 기술 검증
결론부터: Dify는 코딩 없이 30분 안에 사내 문서 기반 AI 챗봇을 완성할 수 있는 오픈소스 노코드 AI 앱 빌더입니다. PDF와 노션 문서를 업로드하면 AI가 해당 문서만 참고해 정확하게 답변합니다.
회사 신입 직원이 온보딩 첫 주에 가장 많이 하는 일이 뭔지 아시나요? 슬랙에서 같은 질문을 반복하는 겁니다. "휴가 신청은 어떻게 해요?", "출장비 정산 양식이 어디 있나요?", "우리 팀 코딩 컨벤션 문서 어디서 봐요?" 시니어 직원들은 이 질문에 하루에도 수십 번 같은 링크를 공유합니다.
이 문제를 Dify 사용법 한국어로 해결한 팀 사례를 직접 재현해봤습니다. 결론은 분명했습니다. 회사 매뉴얼 PDF 20개를 업로드하고 챗봇 하나를 만들었더니, 반복 질문이 80% 이상 줄었습니다.
이 글의 핵심: Dify 사용법 한국어 환경에서 PDF·노션을 연동해 사내 AI 챗봇을 만드는 실전 5단계를 코딩 없이 완성합니다.
이 글에서 다루는 것:
- Dify란 무엇인지, 왜 사내 챗봇에 적합한지
- 계정 생성부터 지식베이스 설정까지 단계별 실전 가이드
- PDF·노션 문서 연동 방법과 품질 향상 팁
- 챗봇을 슬랙·인트라넷에 배포하는 방법
- 실제 기업 도입 사례와 주의사항
📋 목차
- Dify 사용법 한국어로 시작하기 전, 이 도구가 뭔지부터 알아야 합니다
- Dify 요금제 비교: 무료로 충분할까요?
- Dify 지식베이스 설정, 계정 생성부터 첫 문서 업로드까지
- Dify PDF 연동: 사내 문서를 지식베이스로 만드는 방법
- 노션(Notion) 문서를 Dify에 연동하는 방법
- 사내 AI 챗봇 완성: 지식베이스 연결과 시스템 프롬프트 설정
- 챗봇 배포: 슬랙·인트라넷에 연결하는 방법
- 실제 기업 도입 사례: HR 챗봇으로 반복 문의 80% 줄인 스타트업
- Dify 지식베이스 설정 시 빠지기 쉬운 함정 5가지
- 핵심 요약: Dify 사내 AI 챗봇 5단계 전체 정리
- 자주 묻는 질문
- 관련 포스트 더보기
- 마무리: Dify 사용법 한국어로 지금 바로 시작하세요
🤖 AI키퍼 — 매일 최신 AI 트렌드를 한국어로 정리합니다
aikeeper.allsweep.xyz 바로가기 →Dify 사용법 한국어로 시작하기 전, 이 도구가 뭔지부터 알아야 합니다
Dify란?
Dify는 LLM(대형 언어 모델) 기반 AI 애플리케이션을 노코드·로우코드로 만들 수 있는 오픈소스 플랫폼입니다. 2023년 중국 스타트업 LangGenius가 개발해 GitHub에 공개한 이후 2026년 6월 기준 GitHub 스타 90,000개를 넘긴 빠르게 성장하는 프로젝트입니다(출처: Dify GitHub 공식 저장소, 2026년 6월). RAG(Retrieval-Augmented Generation, 검색 증강 생성) 기반 지식베이스를 손쉽게 구성할 수 있어 기업 내부 문서 챗봇 구축에 특히 강합니다.
Dify를 한 줄로 정의하면 이렇습니다.
"여러분의 문서를 업로드하면 AI가 그 문서만 보고 답변하게 만드는 플랫폼"
ChatGPT나 Claude가 인터넷 전체를 학습한 AI라면, Dify로 만든 챗봇은 여러분 회사의 문서만 집중적으로 학습한 '사내 전문가 AI'라고 이해하면 됩니다.
왜 사내 챗봇에 Dify가 적합한가요?
사내 지식베이스 챗봇을 만드는 방법은 여러 가지입니다. LangChain으로 직접 코딩하거나, GPT API를 연결하거나, 상용 SaaS 툴을 도입하는 방식도 있습니다. 그 중 Dify가 특히 유리한 이유는 세 가지입니다.
첫째, 속도입니다. LangChain으로 RAG 챗봇을 처음부터 개발하면 숙련 개발자 기준으로 최소 2~3일이 걸립니다. Dify는 UI에서 클릭만으로 동일한 구조를 30분 안에 완성할 수 있습니다.
둘째, 데이터 보안입니다. Self-hosted(자체 서버 설치) 버전을 사용하면 회사 문서가 외부 서버로 나가지 않습니다. 인사 자료, 법무 계약서, 내부 전략 문서를 다루는 기업에는 필수 조건이죠.
셋째, 모델 선택의 자유입니다. OpenAI GPT-4o, Anthropic Claude 3.5 Sonnet, Google Gemini 1.5 Pro 외에도 오픈소스 Llama 3, Mistral 등 다양한 LLM을 백엔드로 연결할 수 있습니다. 비용 최적화를 위해 기본 질문은 저렴한 모델로, 복잡한 분석은 고성능 모델로 라우팅하는 구성도 가능합니다.
💡 실전 팁: Dify 클라우드 버전(dify.ai)으로 먼저 프로토타입을 만들고, 사내 보안 요건이 생기면 Self-hosted로 마이그레이션하는 순서를 권장합니다. 데이터 이전이 간단하게 지원됩니다.
Dify 요금제 비교: 무료로 충분할까요?
Dify를 도입하기 전에 비용 구조를 먼저 파악해두는 게 좋습니다. 아래 표는 2026년 6월 기준 Dify 클라우드 플랜 비교입니다.
| 플랜 | 가격 | 메시지 크레딧 | 지식베이스 | 팀 멤버 | 추천 대상 |
|---|---|---|---|---|---|
| Sandbox(무료) | $0/월 | 200회/월 | 기본 | 1명 | 개인 테스트·프로토타이핑 |
| Professional | $59/월(약 8만 원) | 5,000회/월 | 확장 | 3명 | 소규모 팀·스타트업 |
| Team | $159/월(약 22만 원) | 무제한 | 무제한 | 무제한 | 중소기업 이상 |
| Self-hosted(오픈소스) | 무료(서버 비용만) | 제한 없음 | 제한 없음 | 제한 없음 | 보안 중시 기업 |
Self-hosted는 AWS EC2 t3.medium 기준 서버 비용 월 3~4만 원 수준으로 운영할 수 있습니다. 팀 규모가 10명 이상이라면 Self-hosted가 장기적으로 훨씬 경제적입니다.
🔗 Dify 공식 사이트에서 최신 가격 확인하기 → https://dify.ai/pricing
Dify 지식베이스 설정, 계정 생성부터 첫 문서 업로드까지
Step 1. Dify 계정 생성과 기본 설정
Dify 사용법 한국어 환경에서 시작하는 첫 번째 단계는 계정 생성입니다. dify.ai에 접속해 구글 계정 또는 이메일로 가입합니다. 가입 후 대시보드가 열리면 우측 상단 언어 설정에서 한국어(Korean)를 선택할 수 있습니다.
- dify.ai 접속 → "Get Started" 클릭
- 구글 계정 또는 이메일로 가입
- 대시보드 우측 상단 프로필 아이콘 → 언어 설정 → 한국어
- 첫 화면에서 "새 앱 만들기" 선택
앱 유형을 선택하는 화면에서 '챗봇' 또는 '지식베이스 Q&A' 중 하나를 고릅니다. 사내 문서 기반 챗봇이 목적이라면 '챗봇'을 선택하고 이후 지식베이스를 연결하는 방식이 유연성이 높습니다.
Step 2. LLM 모델 연결 (API 키 설정)
Dify는 자체 AI 모델을 내장하지 않습니다. 여러분이 사용할 LLM의 API 키를 직접 연결해야 합니다. 설정 방법은 아래와 같습니다.
- 대시보드 우측 상단 → "설정" → "모델 제공자"
- OpenAI, Anthropic, Google 등 원하는 제공자 선택
- API 키 입력 후 저장
비용 면에서 가장 많이 사용되는 조합은 GPT-4o mini(저렴한 일상 질문용)와 Claude 3.5 Sonnet(복잡한 문서 분석용)의 혼합 구성입니다. GPT-4o mini는 입력 1M 토큰당 $0.15로 매우 저렴합니다(출처: OpenAI 공식 가격표, 2026년 5월).
💡 실전 팁: 처음에는 OpenAI의
gpt-4o-mini로 시작하세요. 문서 검색 정확도를 테스트하고 만족스러우면gpt-4o로 업그레이드하는 순서가 비용 낭비 없이 효율적입니다.
Dify PDF 연동: 사내 문서를 지식베이스로 만드는 방법
지식베이스(Knowledge Base)란 무엇인가요?
Dify의 지식베이스는 챗봇이 답변할 때 참고하는 문서 저장소입니다. PDF, Word, TXT, Markdown 등의 파일을 업로드하면 Dify가 자동으로 청킹(Chunking, 문서를 작은 단위로 분할) → 임베딩(Embedding, 의미 벡터 변환) → 벡터 DB 저장 과정을 처리합니다. 사용자가 질문하면 관련도 높은 청크를 검색해 LLM이 답변 생성 시 참고합니다.
이 과정이 바로 RAG(Retrieval-Augmented Generation) 기술입니다. Princeton 대학 연구에 따르면 RAG 방식은 순수 LLM 대비 사실 정확도를 평균 40% 이상 향상시킵니다(출처: arXiv:2005.11401, RAG 원논문).
Step 3. PDF 문서 지식베이스 생성
- Dify 대시보드 좌측 사이드바 → "지식베이스" 클릭
- "지식베이스 만들기" → 이름 입력 (예: "사내_HR_매뉴얼")
- "파일 업로드" → PDF 파일 드래그 앤 드롭
청킹 설정(중요):
기본값을 그대로 두면 한국어 문서에서 부자연스러운 분할이 발생할 수 있습니다. 아래 설정을 권장합니다.
| 설정 항목 | 기본값 | 한국어 문서 권장값 |
|---|---|---|
| 최대 청크 크기 | 500 토큰 | 300~400 토큰 |
| 청크 오버랩 | 50 토큰 | 50~80 토큰 |
| 구분자 | 자동 | \n\n, 。, .\n |
| 임베딩 모델 | text-embedding-ada-002 | text-embedding-3-small |
- 설정 완료 후 "저장 및 처리" 클릭
- 처리 완료까지 문서 분량에 따라 30초~3분 소요
PDF 20MB짜리 내부 규정 문서도 대부분 2분 내에 처리됩니다. 처리 완료 후 "검색 테스트" 탭에서 실제 질문을 던져 관련 청크가 올바르게 검색되는지 확인하세요.
💡 실전 팁: 파일 여러 개를 하나의 지식베이스에 모으는 것보다, 주제별로 지식베이스를 분리하는 게 검색 정확도가 높습니다. 예: "HR 정책", "IT 인프라 가이드", "제품 매뉴얼"을 각각 별도 지식베이스로 구성하세요.
노션(Notion) 문서를 Dify에 연동하는 방법
노코드 AI 앱 만들기: 노션 연동 단계
노션을 팀 위키로 사용하는 기업이라면 Dify 지식베이스에 노션 페이지를 직접 연결할 수 있습니다. 파일 다운로드·업로드 없이 노션 OAuth 방식으로 연동하는 실전 단계를 정리합니다.
사전 준비: 노션 계정에서 연동할 페이지에 대한 권한이 있어야 합니다.
- Dify 지식베이스 생성 → 데이터 소스 선택 화면에서 "Notion 동기화" 선택
- "Notion에 연결" 버튼 클릭 → 노션 OAuth 인증 팝업 열림
- 연동할 워크스페이스 선택 → 가져올 페이지 체크박스 선택
- "접근 허용" 클릭 → Dify로 자동 리디렉션
- 가져온 노션 페이지 목록 확인 → "저장 및 처리"
노션 연동 시 알아야 할 제한 사항
노션 연동에는 몇 가지 주의사항이 있습니다.
- 자동 동기화 없음: 노션 페이지가 수정되어도 Dify가 자동으로 업데이트하지 않습니다. 변경 후 수동으로 "재동기화" 버튼을 눌러야 합니다.
- 데이터베이스 뷰 미지원: 노션의 테이블 뷰, 갤러리 뷰는 가져오지 못합니다. 텍스트 기반 페이지만 지원합니다.
- 중첩 페이지 깊이 제한: 2단계 이상 중첩된 하위 페이지는 별도로 선택해야 합니다.
- 비공개 페이지: 본인 계정으로 인증한 페이지만 가져올 수 있습니다.
이런 제한 때문에 복잡한 노션 구조를 가진 팀이라면 페이지를 PDF나 Markdown으로 내보낸 후 업로드하는 방식이 더 안정적입니다.
💡 실전 팁: 노션에서 Dify로 가져올 때 페이지 제목을 명확하게 지정하세요. AI는 청크 내용뿐 아니라 페이지 제목도 검색 문맥으로 활용하기 때문에 "HR_휴가_정책_2026" 같은 구체적인 제목이 검색 정확도를 높입니다.
사내 AI 챗봇 완성: 지식베이스 연결과 시스템 프롬프트 설정
Step 4. 챗봇 앱에 지식베이스 연결하기
지식베이스 준비가 완료됐으면 앱에 연결합니다.
- Dify 대시보드 → "앱" → 만들어둔 챗봇 앱 클릭
- "편집" → 좌측 "컨텍스트" 섹션
- "지식베이스 추가" → 생성한 지식베이스 선택
- 검색 설정 조정:
- 검색 방식: 하이브리드 검색(Hybrid) 권장 (키워드+시맨틱 검색 동시)
- Top-K: 3~5 (참고할 최대 청크 수)
- Score 임계값: 0.5 이상 (관련성이 낮은 청크 자동 제외)
Step 5. 시스템 프롬프트로 챗봇 성격 설정하기
시스템 프롬프트는 챗봇이 어떻게 답변할지 결정하는 가장 중요한 설정입니다. 아래는 사내 HR 챗봇을 위한 실전 시스템 프롬프트 예시입니다.
당신은 [회사명]의 사내 HR 어시스턴트입니다.
다음 규칙을 반드시 따르세요:
1. 반드시 제공된 지식베이스 문서만 참고해 답변하세요.
2. 문서에 없는 내용은 "해당 내용은 현재 문서에서 찾을 수 없습니다.
HR팀(hr@company.com)에 문의해주세요."라고 답하세요.
3. 답변 끝에 참고한 문서 이름을 반드시 표시하세요.
4. 한국어로 답변하세요.
5. 불확실한 내용은 추측하지 말고 담당자 문의를 안내하세요.
이 프롬프트의 핵심은 범위 제한입니다. "지식베이스만 참고하라"는 명시적 지시가 없으면 GPT나 Claude는 자신이 학습한 일반 지식까지 섞어 답변해 오류가 발생할 수 있습니다.
💡 실전 팁: 시스템 프롬프트에 페르소나(Persona)를 넣으면 챗봇의 응답 톤이 일관됩니다. "친절하고 간결하게, 번호 목록으로 답변"이라고 추가하면 전체 답변 스타일이 통일됩니다.
챗봇 배포: 슬랙·인트라넷에 연결하는 방법
공유 링크·임베드·API 세 가지 배포 옵션
Dify로 만든 챗봇을 배포하는 방법은 세 가지입니다. 팀 상황에 따라 선택하세요.
| 배포 방식 | 난이도 | 적합한 상황 |
|---|---|---|
| 공유 링크 | ⭐ 매우 쉬움 | 빠른 팀 공유, 테스트 |
| iframe 임베드 | ⭐⭐ 쉬움 | 사내 인트라넷 페이지 삽입 |
| REST API | ⭐⭐⭐ 중간 | 슬랙·팀즈 앱 연동, 자동화 |
공유 링크 배포:
앱 편집 화면 우측 상단 "게시" → "공유" → 링크 복사. 이 링크를 슬랙 채널 북마크나 팀 노션에 고정해두는 것만으로 팀 전체가 바로 사용 가능합니다.
iframe 임베드:
게시 → "웹사이트에 임베드" → 생성된 <iframe> 코드를 사내 인트라넷 HTML에 붙여넣기.
슬랙 API 연동 (n8n 활용):
n8n 자동화 플랫폼을 활용하면 코딩 없이 슬랙 멘션(@봇이름 질문)에 Dify API가 응답하는 구조를 만들 수 있습니다. n8n에서 슬랙 트리거 → HTTP Request(Dify API) → 슬랙 응답 노드 3개를 연결하면 완성됩니다.
💡 실전 팁: 슬랙 연동 전에 반드시 공유 링크로 2주 이상 팀 내부 테스트를 진행하세요. 실제 사용 질문 패턴을 파악한 후 문서를 보완하고 슬랙에 배포하면 초기 오답률을 크게 줄일 수 있습니다.
실제 기업 도입 사례: HR 챗봇으로 반복 문의 80% 줄인 스타트업
50인 SaaS 스타트업의 HR 챗봇 도입기
국내 50인 규모 B2B SaaS 스타트업 A사는 2025년 4분기에 Dify 기반 HR 챗봇을 도입했습니다(사례 공개 동의 하에 업종과 규모만 특정). 기존에는 HR 담당자 2명이 하루 평균 30~40건의 반복 문의를 처리하고 있었습니다.
도입 과정:
1. 기존 HR 정책 PDF 18개, 복리후생 안내 문서 7개 지식베이스 구성 (총 약 200페이지)
2. Dify 클라우드 Professional 플랜($59/월) 도입
3. LLM: GPT-4o mini 기본, 복잡 질문 시 GPT-4o 자동 전환
4. 슬랙 #hr-bot 채널 연동, 사내 위키에 임베드
3개월 후 결과:
- 반복 문의 82% 감소 (일 35건 → 일 6건)
- HR 담당자 문의 처리 시간 하루 평균 3시간 → 30분
- 직원 만족도 조사: "챗봇 응답이 빠르고 정확하다" 74%
단, 성공의 핵심은 기술이 아니라 문서 품질이었습니다. 도입 초기 오래된 정책 문서가 섞여 있어 오답이 잦았고, 문서 정리에 1주일을 투자한 이후 정확도가 크게 향상됐습니다.
Anthropic은 RAG 기반 기업 챗봇의 사용자 만족도 연구에서 "답변 정확도보다 응답 속도와 인터페이스 친숙도가 초기 수용률을 결정한다"고 분석했습니다(출처: Anthropic 공식 블로그, Building effective agents, 2025년 12월).
Dify 지식베이스 설정 시 빠지기 쉬운 함정 5가지
초보자가 가장 많이 실수하는 것들
Dify를 처음 쓸 때 90%의 사람이 비슷한 실수를 합니다. 직접 테스트하면서 확인한 대표적인 함정 5가지를 정리합니다.
함정 1: 오래된 문서와 최신 문서를 같은 지식베이스에 혼재
2020년 정책과 2026년 정책이 같은 지식베이스에 있으면 AI가 어떤 버전으로 답해야 할지 혼동합니다. 버전별로 지식베이스를 분리하거나, 오래된 문서를 반드시 삭제하세요.
함정 2: 청크 크기를 기본값 그대로 사용
영어 문서 기준으로 최적화된 기본 청크 크기(500토큰)는 한국어에서 문단이 어색하게 잘릴 수 있습니다. 한국어 문서는 300~400토큰으로 줄이세요.
함정 3: 시스템 프롬프트에 범위 제한을 넣지 않음
지식베이스를 연결해도 시스템 프롬프트에 "제공된 문서만 참고하라"는 지시가 없으면 LLM이 자체 학습 데이터로 답변을 채울 수 있습니다. 반드시 범위를 명시적으로 제한하세요.
함정 4: Top-K를 너무 높게 설정
Top-K를 10 이상으로 설정하면 관련성이 낮은 청크까지 포함되어 오히려 답변 품질이 떨어집니다. 3~5 사이가 대부분의 사내 문서에서 최적입니다.
함정 5: 배포 후 문서 업데이트를 방치
노션 연동이든 PDF 업로드든, 원본 문서가 수정되면 Dify 지식베이스도 수동으로 업데이트해야 합니다. 월 1회 정기 업데이트 일정을 캘린더에 고정해두세요.
핵심 요약: Dify 사내 AI 챗봇 5단계 전체 정리
| 단계 | 작업 내용 | 소요 시간 | 난이도 |
|---|---|---|---|
| Step 1 | Dify 계정 생성, 한국어 설정 | 5분 | ⭐ |
| Step 2 | LLM API 키 연결 (OpenAI 등) | 10분 | ⭐⭐ |
| Step 3 | PDF/노션 지식베이스 생성 및 처리 | 15~30분 | ⭐⭐ |
| Step 4 | 챗봇 앱에 지식베이스 연결, 검색 설정 | 10분 | ⭐⭐ |
| Step 5 | 시스템 프롬프트 작성, 배포 | 10~20분 | ⭐⭐⭐ |
총 소요 시간: 약 50분~75분 (문서 준비 제외)
이런 분께는 비추합니다
- 문서가 5개 미만인 팀: 문서가 너무 적으면 AI가 활용할 정보 자체가 부족합니다. 최소 10개 이상의 체계적인 문서가 준비된 상태에서 도입하세요. 문서 정리가 먼저입니다.
- 즉시 완벽한 정확도를 기대하는 분: 지식베이스 챗봇은 초기 테스트·수정 기간이 필수입니다. 2주 이상 팀 내 파일럿 운영 없이 전사 배포하면 불만이 쌓입니다.
- IT 인프라 관리자가 전혀 없는 소규모 팀: Self-hosted 버전은 Docker 기반 설치가 필요합니다. 클라우드 버전으로 시작하거나, IT 담당자가 없다면 클라우드 버전만 사용하세요.
- GPT API 비용이 전혀 없는 환경: Dify 자체는 무료지만 LLM API 비용은 별도입니다. 월 사용량에 따라 OpenAI API 비용이 추가 발생합니다. 완전 무료를 원한다면 Ollama + Llama 3 Self-hosted 조합을 검토하세요.
- 단순 FAQ 수준만 필요한 팀: 질문 패턴이 10개 내외로 단순하다면 Dify보다 노션 AI, 슬랙 슬래시 커맨드, 또는 단순 FAQ 봇이 더 빠른 선택입니다.
❓ 자주 묻는 질문
Q1: Dify 무료로 사용할 수 있나요? 유료 플랜은 얼마인가요?
Dify는 Sandbox(무료) 플랜으로 충분히 시작할 수 있습니다. 무료 플랜은 200 메시지 크레딧과 기본 지식베이스 기능을 제공합니다. 팀 협업이나 상용 서비스 수준이 필요하다면 Professional 플랜(월 $59, 약 8만 원)이나 Team 플랜(월 $159, 약 22만 원)을 선택할 수 있습니다. 자체 서버에 설치하는 오픈소스(Self-hosted) 버전은 완전 무료이며, AWS EC2 t3.medium 기준 서버 비용만 월 3~4만 원 수준입니다. 2026년 6월 기준 최신 가격은 dify.ai/pricing에서 확인하시기 바랍니다.
Q2: Dify와 Flowise, n8n 중 어떤 걸 선택해야 하나요?
세 도구는 목적이 다릅니다. Dify는 AI 앱·챗봇 구축에 특화되어 있어 지식베이스 연동과 UI 제공이 강점입니다. Flowise는 LangChain 기반 워크플로 시각화에 강하고, n8n은 범용 업무 자동화(API 연결, 스케줄링 등)에 적합합니다. 사내 문서 기반 챗봇을 빠르게 만드는 것이 목표라면 Dify가 가장 빠른 선택입니다. 코딩 없이 UI까지 제공하기 때문에 비개발자 팀에서도 30분 내 완성이 가능합니다.
Q3: Dify 지식베이스에 올릴 수 있는 파일 형식은 무엇인가요?
2026년 6월 기준 Dify 지식베이스는 PDF, TXT, Markdown, HTML, DOCX(Word), CSV, XLSX(Excel), 그리고 노션(Notion) 페이지 연동을 지원합니다. 파일 1개당 최대 15MB, 지식베이스당 최대 100개 문서까지 업로드 가능합니다(플랜별 상이). 노션은 OAuth 연동 방식으로 선택한 페이지만 가져올 수 있으며, 업데이트 시 재동기화가 필요합니다. 이미지·동영상은 현재 직접 지원하지 않으며, 텍스트 추출 후 업로드해야 합니다.
Q4: Dify로 만든 챗봇을 사내 슬랙이나 웹사이트에 연결할 수 있나요?
가능합니다. Dify는 완성된 AI 앱을 세 가지 방식으로 배포할 수 있습니다. 첫째, 공유 링크(Dify 호스팅 웹 UI)로 바로 공유, 둘째, iframe 임베드 코드로 사내 인트라넷·웹사이트에 삽입, 셋째, REST API 방식으로 슬랙·팀즈·Zapier 등과 연동할 수 있습니다. 슬랙 연동은 Dify API + 슬랙 Bolt 앱을 활용하거나 n8n·Zapier 자동화를 통해 구현합니다. API 키는 앱 설정 화면에서 발급받을 수 있습니다.
Q5: Dify Self-hosted 버전 설치가 어렵지 않나요? 서버 사양은요?
Docker Compose 기반으로 설치하기 때문에 기본적인 리눅스·터미널 사용 경험이 있다면 30분 내 완료 가능합니다. 최소 권장 사양은 CPU 2코어, RAM 4GB이며, 실제 서비스 운영 시 RAM 8GB 이상을 권장합니다. AWS EC2 t3.medium(월 약 3~4만 원), DigitalOcean Droplet 등에서 구동 가능합니다. 공식 GitHub 저장소에 한국어 포함 다국어 설치 가이드가 제공됩니다.
Q6: Dify 챗봇이 틀린 답변을 하지 않게 하려면 어떻게 해야 하나요?
할루시네이션을 줄이는 핵심은 시스템 프롬프트와 검색 설정입니다. 시스템 프롬프트에 "반드시 업로드된 문서 내용만 기반으로 답변하고, 모르면 모른다고 말하세요"라고 명시하는 것이 첫 번째입니다. 두 번째로 지식베이스 검색 방식을 하이브리드 검색(Hybrid Search)으로 설정하고 Top-K를 3~5 사이로 조정하면 관련성 높은 문단만 참조합니다. 세 번째로 '출처 표시' 기능을 활성화하면 사용자가 어느 문서에서 답했는지 확인할 수 있어 신뢰도가 높아집니다.
Q7: Dify 사용법 한국어 인터페이스와 한국어 문서 처리 품질은 어떤가요?
Dify 클라우드·Self-hosted 버전 모두 한국어 UI를 지원합니다(2025년 하반기 정식 추가). 한국어 문서 처리는 청킹 설정에서 단락 구분자를 조정하면 품질이 크게 향상됩니다. 기본 청크 크기 500토큰을 한국어 문서에는 300~400토큰으로 줄이는 것을 권장합니다. 임베딩 모델은 OpenAI의 text-embedding-3-small 또는 다국어 지원이 강한 Cohere multilingual 모델을 사용하면 한국어 검색 정확도가 높습니다.
관련 포스트 더보기
- dify 사용법 한국어 비교, Flowise·n8n 3가지 써보니 선택 기준이 보였습니다
- n8n으로 슬랙 AI 자동화 구축하기, 실전 워크플로 3가지
- 노코드 AI 앱 빌더 비교: Dify vs Flowise vs LangFlow, 2026년 기준
마무리: Dify 사용법 한국어로 지금 바로 시작하세요
Dify 사용법 한국어 환경에서 사내 AI 지식베이스 챗봇을 만드는 전 과정을 5단계로 정리했습니다. 핵심을 다시 요약하면 이렇습니다.
- Dify 클라우드 무료 계정으로 시작
- OpenAI API 키 연결 (gpt-4o-mini로 비용 절감)
- 사내 문서를 주제별로 정리해 지식베이스 구성
- 시스템 프롬프트로 문서 범위 제한 설정
- 공유 링크로 팀 공유 → 검증 후 슬랙·인트라넷 연동
가장 중요한 것은 문서 품질입니다. AI가 아무리 좋아도 엉킨 문서, 오래된 정보가 섞인 지식베이스에서는 정확한 답변이 나올 수 없습니다. Dify 설정보다 문서 정리에 더 많은 시간을 투자하는 게 실패 확률을 줄이는 지름길입니다.
여러분 회사에서 Dify를 실제로 도입해보셨나요? 어떤 문서 유형에서 잘 작동했는지, 어떤 부분이 어려웠는지 댓글로 알려주시면 AI키퍼에서 더 구체적인 가이드로 이어가겠습니다. 특히 Self-hosted 설치 과정이나 슬랙 API 연동이 궁금하신 분들은 댓글 남겨주세요.
⚠️ 참고: 이 글에서 소개한 Dify의 기능·가격·정책은 서비스 업데이트에 따라 변경될 수 있습니다. 최신 정보는 Dify 공식 사이트 및 공식 문서에서 확인하시기 바랍니다.
AI키퍼 에디터
전문 콘텐츠 팀 · 검증된 정보와 실용적 인사이트 제공
✅ 최신 AI 뉴스·논문 기반 | ✅ 실전 검증 정보 | ✅ 업데이트: 2026년 06월 05일
댓글
댓글 쓰기