본 논문은 대규모 언어 모델(LLM)과 지식 그래프를 결합하여 컬렉션 탐색을 지원하는 새로운 워크플로우인 GhostWriter를 소개한다. Retrieval Augmented Generation(RAG) 연구 분야에 속하는 GhostWriter는 로컬 및 적응형 챗봇 생성을 자세히 설명한다. 백엔드에 EverythingData 툴킷을 기반으로, GhostWriter는 컬렉션에 대한 질의 및 "채팅"을 가능하게 하는 인터페이스를 제공한다. 반복적으로 적용하여 연구자가 논문 컬렉션과 상호 작용할 때 개요 파악, 특정 개념 및 그 맥락에 대한 자세한 학습, 연구 질문의 제어된 방식으로의 개선 등 정보 요구 사항을 지원한다. GESIS Leibniz-Institute for the Social Sciences에서 발행한 method data analysis 저널의 논문 컬렉션에 대한 워크플로우를 시연하고, 추가 적용 분야를 제시한다.
