Agentic RAG란 무엇인가: 검색만 하는 RAG와 스스로 판단하는 RAG는 어디가 다를까
Agentic RAG와 기존 RAG의 차이를 query rewrite, document grading, retrieval loop, LangGraph 흐름으로 설명합니다. 검색 품질이 흔들릴 때 무엇을 자동화하고 무엇은 평가로 남겨야 하는지 실무 기준으로 정리합니다.
-
-
한국어 RAG에서 chunk size는 왜 더 까다로울까: 조사, 문단, 표를 어떻게 나눌지 정리
한국어 RAG에서 chunk size를 정할 때 조사, 문단, 표, overlap, retrieval 평가를 어떻게 봐야 하는지 설명합니다. 숫자보다 의미 경계와 평가셋을 먼저 봐야 하는 이유와 실무 점검 순서를 정리합니다.
-
RAG chunk size는 얼마가 적당할까
RAG chunk size를 문서 구조, 검색 품질, context window, 비용, 평가셋 기준으로 선택하는 방법을 설명합니다.
-
RAG context packing이 중요한 이유: 검색한 문서를 그대로 넣으면 왜 답이 흔들릴까
RAG context packing이 왜 중요한지 chunk 정렬, 중복 제거, 근거 우선순위, context budget, reranking 관점으로 설명합니다.
-
RAG에서 context engineering이 중요한 이유: 벡터DB만 붙이면 왜 답이 좋아지지 않을까
RAG에서 context engineering이 왜 중요한지 정리합니다. 벡터DB, retrieval, reranking, provenance, eval을 운영 관점에서 쉽게 설명합니다.
-
RAG에서 chunking은 왜 중요할까: 검색을 붙였는데도 답이 엇나가는 이유
RAG chunking이 왜 검색 품질을 좌우하는지, chunk size와 overlap을 어떻게 봐야 하는지, fixed-size와 structure-aware, semantic chunking 차이를 실무 기준으로 정리합니다.
