RAG 소개 — 데이터를 LLM에 연결하는 RAG 패턴

RAG 소개

Large Language Model은 강력한 추론 머신이지만 내 데이터에 대해서는 아무것도 모르는 것과 같아요. **RAG(Retrieval-Augmented Generation)**는 검색을 통해 내 데이터를 LLM에 제공하는 인기 있는 기법입니다. RAGStack은 이 RAG 패턴을 구현하는 방법을 안내해요.

출처: https://docs.datastax.com/en/ragstack/intro-to-rag/index.html

RAG 구성 요소

RAGStack은 RAG 프로세스의 각 단계를 구현하기 위한 도구를 제공해요.

  • 인덱싱(Index Data for Retrieval) — 문서를 벡터 스토어에 인덱싱
  • 검색(Retrieve) — 질문과 관련된 컨텍스트를 검색
  • 증강 생성(Generate with Augmented Context) — 검색된 컨텍스트로 응답 생성

왜 RAG인가

LLM의 추론 능력을 유지하면서도, 내부 지식에는 없는 내부 데이터(문서, DB, 위키)를 컨텍스트로 보강해 더 정확하고 근거 있는 답변을 만들 수 있어요.

다음 단계

RAG의 각 단계를 구현하는 구체적인 방법(데이터 로딩·스플리팅·검색)은 RAGStack 문서의 아키텍처 섹션을 참고해요.

더 알아보기