본 논문은 대규모 언어 모델(LLM)과 지식 그래프(Semantic Artifacts)를 결합하여 컬렉션 탐색을 지원하는 새로운 워크플로우인 GhostWriter를 소개한다. Retrieval Augmented Generation 연구 분야에 속하는 GhostWriter는 지역적이고 적응 가능한 챗봇 생성을 위한 워크플로우이다. 백엔드 EverythingData 툴킷을 기반으로, GhostWriter는 컬렉션에 대한 질의 및 "챗팅"을 가능하게 하는 인터페이스를 제공한다. 반복적으로 적용하여, 개요 파악, 특정 개념 및 맥락에 대한 자세한 학습, 연구 질문의 제어된 방식으로의 개선 등 연구자의 정보 요구를 지원한다. GESIS Leibniz-Institute for the Social Sciences에서 발행한 method data analysis 저널의 논문 컬렉션에 대한 워크플로우를 시연하고, 추가 적용 분야를 제시한다.