태그
#rag
11개 기사
AI를 위한 문서 파싱: PDF, 표, 그리고 지저분한 나머지
모델이 문서를 추론하기 전에, 무언가가 그것을 깨끗한 텍스트로 바꿔야 합니다. 그 화려하지 않은 단계가 조용히 모든 하류를 결정합니다.
검색 증강 생성(RAG), 제1원리에서 출발하기
RAG는 흔히 여러 도구를 쌓아 올린 스택으로 설명됩니다. 그걸 걷어내면 단 하나의 단순한 아이디어가 남습니다. 모델이 답하기 전에 알맞은 자료를 읽게 하라는 것입니다.
프로젝트에 맞는 임베딩 모델 고르기
임베딩 모델 선택은 리더보드 순위보다 적합성의 문제입니다. 내 데이터와 예산에서 검색이 제대로 작동할지를 실제로 좌우하는 요소를 짚어봅니다.
정말로 작동하는 문서 Q&A: 패턴과 함정
내 문서에 질문을 던지는 것은 가장 유용한 AI 데모이자 조용히 망치기 가장 쉬운 일입니다. 실전에서 살아남는 패턴들을 정리합니다.
과장을 걷어낸 벡터 데이터베이스: 무엇을 하고 언제 필요한가
벡터 데이터베이스는 하룻밤 사이 유행어가 됐습니다. 실제로 무엇을 하는지, 어떤 문제를 푸는지, 정말 필요한지 가르는 솔직한 신호를 짚어봅니다.
AI 답변에 출처 달기
출처는 검증할 수 없는 답변을 확인 가능한 답변으로 바꿉니다. 모델이 출처를 인용하게 만들고, 그것도 정직하게 인용하게 만드는 방법입니다.
검색을 위한 문서 청킹 잘하기
검색은 청크만큼만 좋습니다. 올바른 구절이 온전하게, 맥락을 갖춘 채 돌아오도록 문서를 나누는 법을 소개합니다.
간단한 RAG 파이프라인 만들기: 개념으로 따라가기
검색 증강 생성(RAG)을 단계별로 차근차근 쌓아 올립니다. 마법도, 특정 스택도 없이 파이프라인의 형태와 중요한 결정만 다룹니다.
파인튜닝 vs RAG vs 프롬프팅: 선택 가이드
모델이 원하는 대로 동작하게 만드는 세 가지 방법 — 그런데 대부분의 팀은 가장 무거운 것부터 집어 듭니다. 올바른 순서로 고르는 법을 짚어 봅니다.
사내 AI 검색: 현실적인 이야기
질문하면 사내 문서 전체에서 답을 받습니다. 데모는 마법 같습니다. 실제 데이터와 실제 권한이 들어오면 무엇이 어려워지는지 짚어봅니다.
고객 지원에 LLM을 투입하면 가장 먼저 무너지는 것
지원 챗봇은 가장 쉬운 AI 데모이면서도 제대로 운영하기는 가장 어려운 일입니다. 실제 배포가 무너지는 지점과, 살아남는 시스템을 가르는 기준을 짚어봅니다.