Query Memory

클라이언트 하나가 지식, 에이전트, 웹 분석을 아우른다. 그래서 SDK를 한 번 초기화하면 같은 API 키를 어디서나 재사용한다. 회사 스스로의 표현은 이것이 분절된 도구 더미를 단일 엔드포인트로 대체한다는 것이다. 이는 그렇지 않으면 세 가지 연동과 세 벌의 자격 증명을 유지해야 할 팀에 특히 중요하다. 움직이는 부품이 줄어든다. 교체할 키도 줄어든다.

Query Memory는 PDF, DOCX, 시트, HTML, 이미지, 일반 텍스트를 구조화 요소로 분석한다. 사이트는 전용 멀티모달 모델이 복잡한 레이아웃에서 98% 넘는 정확도를 기록해 기존 OCR과 범용 LLM을 앞선다고 주장한다. 자기 문서로 시험해 보기 전까지는 그 수치를 공급자 주장으로 다루는 편이 낫다.

파일은 빠른 의미 검색을 지원하는 검색 가능한 지식 베이스에 연결된다. 조회는 순위가 매겨진 청크와 주변 맥락을 돌려주므로, 날것의 텍스트를 쏟아붓는 대신 출처에 근거한 재료를 모델에 먹일 수 있다. 각 허브는 권한 관리 상태를 유지해 민감한 문서가 올바른 사용자에게만 한정된다.

모델 제어, 프롬프트, 출처를 인식하는 응답을 갖춘 출처 기반 AI 에이전트를 배포할 수 있다. 에이전트 조회는 같은 SDK 표면을 통과한다. 연동은 얕게 유지된다. 어시스턴트를 내놓는 팀에게는 별도의 에이전트 실행 환경을 호스팅하고 확장할 필요가 사라진다.

웹 분석은 도메인 한정 추출과 순위 기반 검색을 실행해 살아 있는 외부 맥락을 가져온다. 문서 쪽과 같은 출력 형식을 쓴다. 웹 페이지와 PDF가 같은 모양으로 들어온다. 내부와 외부 소스를 합칠 때 이 일관성이 실질적인 이점이다.

플랫폼은 Microsoft SharePoint, Google Drive, Snowflake, Databricks, Oracle Cloud Infrastructure, Dropbox로의 커넥터를 나열하고, 400개가 더 있다고 주장한다. 이 범위 덕분에 팀은 모든 것을 먼저 이전하는 대신 데이터가 이미 있는 곳에서 색인할 수 있다. 각 커넥터의 깊이는 착수 전에 소스별로 확인할 가치가 있다.

대시보드는 24시간, 7일, 30일 요청 수와 사용한 저장 공간, API 키와 엔드포인트별로 나눈 트래픽, 최근 서비스 활동을 보여준다. 이를 운영 환경에서 돌리는 팀에게 이 가시성은 간단한 질문에 답한다. 어느 엔드포인트가 튀고 있고, 어느 키가 그러고 있는가. 완전한 관측성 제품군은 아니다. 그래도 어느 서비스가 실제로 돈을 잡아먹는지 보는 데 필요한 기본은 갖췄다.