에이전트 / AI 개발 개념
RAG
RAG는 Retrieval-Augmented Generation의 줄임말로, 외부 문서에서 관련 정보를 검색해 LLM 답변에 참고시키는 방식입니다.
쉬운 설명
외부 문서에서 관련 내용을 검색해 LLM 답변에 참고시키는 방식.
배경과 쓰임까지 이해하기
조금 더 자세히
RAG는 외부 문서에서 관련 정보를 찾아 LLM 답변에 참고시키는 방식입니다. 보통 LLM은 학습 이후의 최신 정보나 회사 내부 문서, 개인 자료를 기본적으로 알지 못합니다. RAG는 질문이 들어오면 문서나 데이터베이스에서 관련 내용을 검색하고, 그 내용을 LLM에게 함께 전달해 답변하게 합니다. 예를 들어 사내 문서 챗봇, 제품 매뉴얼 질의응답, 법률/계약서 검색, 논문 기반 답변, 고객지원 지식 베이스 등에 사용됩니다.
RAG는 원문 근거를 답변에 붙이기 좋지만, 검색이 잘못되면 답변도 흔들릴 수 있습니다. LLM Wiki가 지식을 미리 위키처럼 정리해 축적하는 방식이라면, RAG는 질문할 때마다 필요한 자료를 찾아 붙이는 방식입니다. 한마디로, RAG는 LLM이 외부 문서를 찾아보고 답하게 만드는 검색 기반 답변 방식입니다.
실제로는 이렇게 만나요
RAG은(는) 실제 작업 흐름에서 LLM, LLM Wiki, Database 같은 개념과 함께 등장합니다.
- 이런 거 할 때 나와요 LLM이 학습하지 않았거나 최신이거나 사내 문서에만 있는 정보를 근거로 답해야 할 때 자주 사용합니다.
- 이렇게 생겼어요 RAG은(는) LLM, LLM Wiki, Database 같은 주변 개념과 함께 문서, 설정 화면, 오류 메시지에서 자주 보입니다.
- 나오는 화면 예시 에이전트 / AI 개발 개념 작업을 하다가 LLM, LLM Wiki, Database를 확인하는 화면
헷갈리기 쉬운 점
RAG는 질문 시점에 관련 문서를 찾아 답변에 넣는 방식이고, LLM Wiki는 문서를 미리 정리해 누적되는 위키로 만드는 방식입니다.
왜 알아두면 좋을까요?
LLM이 학습하지 않았거나 최신이거나 사내 문서에만 있는 정보를 근거로 답해야 할 때 자주 사용합니다.
Checklist
실제로 볼 때 확인할 것
- 01
정의보다 쓰이는 상황을 먼저 본다
- 02
관련 개념을 함께 확인한다
- 03
실제 프로젝트에서 등장한 위치를 기록한다