RAG Day 6: 프로덕션 배포와 최적화 – 실서비스 준비
RAG 시스템을 프로덕션에 배포하기 위한 RAG 평가 지표, 비용 최적화, 모니터링 방법을 알아봅니다. 실서비스 준비를 위한 완벽 가이드입니다.
RAG Day 5: Claude 통합과 답변 생성 – 검색 결과로 답변 만들기
RAG 시스템에서 컨텍스트 주입과 프롬프트 엔지니어링으로 답변 생성 품질을 높이는 방법을 알아봅니다. Claude 통합부터 출처 표시까지 실습합니다.
RAG Day 4: 검색 최적화와 리랭킹 – 관련 문서 정확히 찾기
RAG 시스템의 검색 품질을 높이는 방법을 알아봅니다. 시맨틱 검색, 키워드 검색, 하이브리드 검색을 비교하고 리랭킹으로 검색 결과를 개선합니다.
RAG Day 3: 임베딩과 벡터 데이터베이스 – 텍스트를 숫자로 변환하기
RAG 시스템의 핵심인 임베딩과 벡터 데이터베이스를 알아봅니다. Voyage AI로 텍스트를 벡터로 변환하고, Supabase Vector와 pgvector로 벡터 데이터베이스를 구축합니다.
RAG Day 2: 문서 처리와 청킹 전략 – 효과적인 텍스트 분할
RAG 시스템의 첫 단계인 문서 처리와 청킹 전략을 알아봅니다. PDF 파싱, 마크다운 처리, 텍스트 분할 기법으로 RAG 전처리 파이프라인을 구축하고 검색 품질을 높이는 방법을 TypeScript로 구현합니다.
RAG Day 1: RAG 개념과 아키텍처 – 내 문서를 아는 AI 만들기
RAG(Retrieval Augmented Generation)란 무엇인가? LLM의 환각 문제를 해결하고 벡터 데이터베이스를 활용해 내 문서 기반으로 답변하는 AI 챗봇 시스템의 RAG 아키텍처를 TypeScript로 구현합니다.