Rag

# Multi-Index RAG: 의미 검색 + 키워드 검색을 하나로 묶는 하이브리드 파이프라인 (RRF 완전 정복)

Multi-Index RAG: 의미 검색 + 키워드 검색을 하나로 묶는 하이브리드 파이프라인 (RRF 완전 정복)지금까지 우리는 두 가지 검색 방식을 따로 만들어왔어요. 의미 검색(Vector / Semantic) 으로 동의어·맥락을 잡고, 어휘 검색(BM25 / Lexical) 으로 정확한 키워드를 잡았죠. 그런데 운영 환경에서는 두 방식 다 필요한 경우 가 압도적으로 많습니다.오늘은 두 인덱스를 하나의 통합 검색 시스템 으로 묶는 패턴을 다룹니다. 핵심 메시지: "같은 인터페이스를 따르도록 만들고, 결과를 RRF(Reciprocal Rank Fusion) 로 합쳐라."특히 RRF 알고리즘 은 점수 체계가 다른 여러 검색기를 공정하게 합치는 표준 기법 이에요. 이 글 하나로 RRF 의 작동 원리, 가중..

AI 2026. 5. 24. 18:03

"Claude RAG 실습 일지 — 100줄 RAG 시스템 직접 돌려본 결과와 부딪힌 함정 (Voyage 3 RPM)"

title: "Claude RAG 실습 일지 — 100줄 RAG 시스템 직접 돌려본 결과와 부딪힌 함정 (Voyage 3 RPM)"description: "33_34 통합 가이드의 RAG 파이프라인을 실제 폴더에 짜서 돌려본 후기. 전체 소스 코드, 샘플 데이터, 실 터미널 출력, Voyage 무료 등급 rate limit 해결까지."tags:ClaudeAnthropicRAGVectorIndexVoyageAIEmbeddingCosineDistancePromptEngineeringPython실습검색증강생성RateLimitClaude RAG 실습 일지 🧪 — 100줄 RAG 시스템 직접 돌려보고 부딪힌 함정까지"지난 글에서 RAG 6단계 흐름과 코드는 봤다. 그래서 — 진짜 돌려보면 어떤가?"이전 글 Cl..

AI 2026. 5. 24. 16:19

# Claude RAG 완벽 가이드 🧭 — 개념부터 100줄 직접 구현까지 한 번에 끝내기 [이론]

title: "Claude RAG 완벽 가이드 — 개념부터 100줄 직접 구현까지 한 번에 끝내기"description: "RAG의 6단계 파이프라인 흐름과 그것을 코드로 직접 구현하는 방법을 한 글에 통합. 청킹, 임베딩, 코사인 유사도, VectorIndex, rag_answer 함수까지 모두 포함."tags:ClaudeAnthropicRAGVectorDatabaseEmbeddingCosineSimilarityVectorIndexLLM검색증강생성PromptEngineering인공지능Claude RAG 완벽 가이드 🧭 — 개념부터 100줄 직접 구현까지 한 번에 끝내기"RAG가 뭔지 알고, 청킹·임베딩도 들었는데, 결국 사용자가 질문하면 정확히 뭐가 어떻게 돌아가는지 그림이 잘 안 그려져요. 그리고 ..

AI 2026. 5. 24. 16:06

# RAG 파이프라인 5단계 직접 구현하기: 청크부터 검색까지 100줄로 완성

RAG 파이프라인 5단계 직접 구현하기: 청크부터 검색까지 100줄로 완성지난 글까지 우리는 개념과 도구 를 갖췄어요. 청킹(post 31), 임베딩(post 32) 까지 끝났죠. 이제 진짜 재미있는 부분 — 그 모든 걸 합쳐서 동작하는 RAG 시스템 을 직접 구현합니다.오늘 만들 시스템은 단순합니다. 벡터 DB(Pinecone, Chroma 등) 같은 외부 의존성도 없어요. 우리가 직접 작은 VectorIndex 를 만들고, 그 안에 임베딩을 저장하고, 코사인 유사도로 검색합니다. 약 100줄짜리 RAG 가 완성돼요.오늘은 5단계 흐름 의 코드, VectorIndex 의 동작 원리, 검색 결과 해석 방법, 그리고 이 단순 구현이 운영에서 깨지는 케이스 까지 정리합니다.🎯 이 글에서 배우는 것RAG 파..

AI 2026. 5. 23. 23:38

# "Claude RAG 파이프라인 완벽 가이드 — 청킹부터 응답 생성까지 6단계 한눈에 보기"

title: "Claude RAG 파이프라인 완벽 가이드 — 청킹부터 응답 생성까지 6단계 한눈에 보기"description: "텍스트 청킹, 엠베딩, 벡터 DB, 코사인 유사도, 최종 프롬프트 결합까지 — RAG의 전체 흐름을 단계별 예제로 풀어 정리합니다."tags:ClaudeAnthropicRAGVectorDatabaseEmbeddingCosineSimilarityLLM검색증강생성PromptEngineering인공지능Claude RAG 파이프라인 완벽 가이드 🧭 — 청킹부터 응답 생성까지 6단계로 한눈에 정리"RAG가 뭔지는 알겠는데, 실제로 안에서 무슨 일이 벌어지는지 가 헷갈려요."이전 글에서 우리는 RAG(검색 증강 생성) 의 개념과 텍스트 청킹 전략 을 살펴봤습니다. 그런데 막상 "그래서 ..

AI 2026. 5. 23. 23:14

# 텍스트 임베딩(Text Embeddings) 입문: 의미를 숫자로 바꾸는 의미 기반 검색의 핵심 도구

텍스트 임베딩(Text Embeddings) 입문: 의미를 숫자로 바꾸는 의미 기반 검색의 핵심 도구지난 글에서 문서를 청크로 나누는 방법 까지 배웠어요. 이제 청크들이 손에 있어요. 그런데 사용자가 질문을 던지면 수백·수천 개의 청크 중 어느 게 관련 있는지 어떻게 골라낼까요?가장 단순한 답은 키워드 검색 입니다. "버그" 라는 단어가 들어간 청크를 찾는 거죠. 하지만 사용자가 "오류" 라고 물으면? "glitch" 라고 물으면? 키워드 매칭은 동의어·맥락을 이해 못해서 막힙니다.여기서 의미 기반 검색(Semantic Search) 이 등장해요. 그리고 그 핵심 기술이 오늘의 주인공 — 텍스트 임베딩(Text Embeddings) 입니다. "의미를 숫자로 바꿔서, 비슷한 의미끼리 가까운 거리에 두는" ..

AI 2026. 5. 22. 01:51

# 텍스트 청킹 전략 4가지: RAG 의 성능을 결정짓는 가장 중요한 선택

텍스트 청킹 전략 4가지: RAG 의 성능을 결정짓는 가장 중요한 선택지난 글에서 RAG 의 큰 그림 을 봤어요. "문서를 잘게 나눠서 검색 가능한 형태로 저장한 뒤, 질문과 관련된 조각만 골라 Claude 에게 보낸다." 그 첫 단계가 바로 청킹(chunking) — 문서를 어떻게 자르느냐 — 입니다.이게 왜 중요할까요? 청킹이 망가지면 그 위에 어떤 좋은 검색·LLM 을 쌓아도 답이 틀립니다. 강의에서 든 예시가 인상적이에요.의료 연구 + 소프트웨어 엔지니어링 두 섹션이 섞인 문서.사용자: "올해 엔지니어들은 버그를 몇 개 고쳤어?"청킹이 잘못되면 → 의료 연구 섹션의 "bug" (벌레) 문맥이 검색에 걸려옴 → 완전히 엉뚱한 답.오늘은 4가지 청킹 전략(Size / Sentence / Structu..

AI 2026. 5. 22. 01:15

# RAG 입문: 800페이지짜리 문서를 Claude에게 통째로 던지지 말아야 하는 이유

RAG 입문: 800페이지짜리 문서를 Claude에게 통째로 던지지 말아야 하는 이유회사에 800페이지짜리 재무 보고서 가 있다고 해봅시다. 사용자가 묻습니다."이 회사가 가진 리스크는 뭐야?"가장 단순한 답변 방법은 뭘까요? "문서 통째로 프롬프트에 붙여넣고 물어보면 되지 않나?" 이론상 가능합니다. Claude 의 컨텍스트 윈도우는 200K 토큰까지 받으니까요. 그런데 실제로 그렇게 운영하면 비용·속도·정확도 셋 다 박살납니다.오늘부터 시작하는 Chapter 5 (RAG and Agentic Search) 는 이 문제를 우아하게 푸는 방법론입니다. 핵심 아이디어는 "전부 담지 말고, 질문에 가장 관련 있는 조각만 골라서 담아라." 이게 바로 RAG (Retrieval-Augmented Generati..

AI 2026. 5. 20. 01:59

페이징

1 2

티스토리툴바