TL;DR

Jonex는 텍스트·이미지·오디오·비디오를 포함한 멀티모달 입력을 파싱해 온톨로지 기반으로 지식을 컴파일하고 그래프·벡터 인덱스를 병행 운영하는 엔터프라이즈 지식 플랫폼입니다. Docker Compose로 전체 스택을 빠르게 띄우고 OpenAI-호환 LLM·임베딩·VLM·ASR 엔드포인트와 연동해 온톨로지 우선 검색과 RAG 스타일 하이브리드 검색을 지원합니다. Neo4j·Milvus·MinIO 같은 표준 인프라 통합과 Atomic RAG·LightRAG 같은 오픈소스 파서 연동으로 실무 검증 경로가 마련되어 있으며, 멀티테넌시와 전체 플랫폼 운영을 염두에 둔 설계가 장점입니다.

핵심 포인트

• 온톨로지 우선 접근법을 적용해 검색 이전에 도메인 추론을 지식층에 반영합니다. 온톨로지 컴파일은 엔티티 정규화와 관계 모델링을 통해 지식 그래프 노드를 구성하고, 검색 시 해당 구조를 활용해 의미적 정합성을 높입니다. 이로 인해 단순 임베딩 유사도 기반 검색보다 도메인 맥락이 중요한 응답에서 더 신뢰할 만한 근거를 제공할 수 있습니다.
• 멀티모달 파싱을 플랫폼 핵심으로 통합하여 텍스트뿐 아니라 이미지·오디오·비디오에서 추출된 정보를 동일한 지식 모델로 합칩니다. OCR·ASR·vision-language 처리 결과가 온톨로지 매핑을 거쳐 동일한 개념 공간에 들어가므로 이질적 데이터 간의 관계를 연결할 수 있습니다. 파서 컴포넌트는 독립적으로 스케일 가능하며 외부 Atomic RAG 같은 파서와 연동해 처리량을 늘릴 수 있습니다.
• 배포·운영 관점에서 Docker Compose 기반의 전체 스택과 개별 컴포넌트 분리 배포를 모두 지원합니다. Neo4j·Milvus·MinIO 같은 표준 인프라와의 통합이 미리 구성되어 있어 상용화 초기 환경을 빠르게 준비할 수 있습니다. 멀티테넌시와 게이트웨이 기반 접근 제어는 엔터프라이즈 환경에서 도메인 단위로 분리된 지식 서비스를 운영할 때 유용합니다.
• 멀티모달 파싱 파이프라인이 텍스트·이미지·오디오·비디오 입력에서 OCR·ASR·vision-language 처리와 장면·행동 인식을 거쳐 구조화된 엔티티와 관계를 추출합니다. 이 과정은 파서 프로파일을 통해 확장 가능하며 외부 Atomic RAG나 RAG-Anything 같은 파서와 연동할 수 있습니다. 추출 결과는 온톨로지 컴파일의 입력으로 자동 전송되어 도메인 개념에 맞춰 정규화됩니다.

이미지 분석