낱장 문서는 잘 찾던 AI가 왜 ‘전체 흐름과 숨은 연결 고리’를 물으면 막힐까? — GraphRAG(지식그래프 결합 RAG) 쉽게 이해하기

쉬운 IT 개념 도감 · GraphRAG (지식그래프 결합 검색증강생성)※ 이 글은 Gemini의 도움을 받아 초안을 구성하고 AI 생성 일러스트·도식을 활용했으며, 기술 개념과 작동 원리는 공식 논문과 개발자 문서를 바탕으로 확인했습니다.TL;DR — GraphRAG(지식그래프 결합 검색증강생성)는 문서를 단순한 글자 조각으로만 잘라 두는 대신, 글 속에 등장하는 인물·조직·기술·사건 같은 개체(Entity)와 그들 사이의 관계(Relationship)를 그물망(지식그래프)으로 묶고 그룹별 요약본을 미리 만들어 두는 검색 기술입니다. 덕분에 여러 문서에 흩어진 단서를 이어야 하는 질문이나 방대한 자료 전체의 흐름을 묻는 질문에도 맥락을 놓치지 않고 답할 수 있습니다.낱장 메모만 따로 뽑아 읽는 것이 기..

단어가 하나도 안 겹치는데 AI는 어떻게 같은 뜻의 문서를 찾을까? — 벡터 데이터베이스(Vector DB)와 HNSW 인덱스 쉽게 이해하기

쉬운 IT 개념 도감 · 벡터 데이터베이스 (Vector DB)와 HNSW 인덱스 (Hierarchical Navigable Small World)※ 이 글은 Gemini의 도움을 받아 초안을 구성하고 AI 생성 일러스트·도식을 활용했으며, 기술 개념과 작동 원리는 공식 논문과 개발자 문서를 바탕으로 확인했습니다.TL;DR — 벡터 데이터베이스(Vector Database)는 글자 철자 대신 문장의 ‘의미’를 숫자 좌표(벡터)로 바꾸어 뜻이 비슷한 데이터끼리 가까운 곳에 모아 두는 저장소입니다. 여기에 HNSW(Hierarchical Navigable Small World) 인덱스라는 ‘다층 급행열차 환승망’을 얹으면, 수백만 개의 문서를 처음부터 끝까지 다 비교하지 않고도 위층 급행 노선에서 아래층 골..

우리 회사 문서를 아는 AI, 새로 공부시킬까 참고서를 펼쳐 줄까? — RAG(검색증강생성)와 파인튜닝(Fine-Tuning) 차이

쉬운 IT 개념 도감 · RAG (Retrieval-Augmented Generation) vs 파인튜닝 (Fine-Tuning)※ 이 글은 Gemini의 도움을 받아 초안을 구성하고 AI 생성 일러스트·도식을 활용했으며, 기술 개념과 작동 원리는 공식 개발자 문서를 바탕으로 확인했습니다.TL;DR — RAG(검색증강생성, Retrieval-Augmented Generation)는 질문이 들어올 때 관련 외부 문서를 찾아 AI의 작업대에 펼쳐 주는 ‘오픈북 시험’ 방식이고, 파인튜닝(Fine-Tuning, 미세조정)은 모범 답안 데이터로 모델의 내부 신경망 가중치를 다시 훈련하는 ‘전공 수련’ 방식입니다. 수시로 바뀌는 최신 사실과 출처 근거가 필요할 때는 RAG를, 일관된 말투·출력 양식·특수한 판단 ..

자료를 잔뜩 넣어 줬는데 왜 AI는 엉뚱한 대답을 할까? — 컨텍스트 엔지니어링(Context Engineering) 쉽게 이해하기

쉬운 IT 개념 도감 · 컨텍스트 엔지니어링 (Context Engineering)※ 이 글은 Gemini의 도움을 받아 초안을 구성하고 AI 생성 일러스트·도식을 활용했으며, 기술 개념과 작동 원리는 공식 엔지니어링 문서를 바탕으로 확인했습니다.TL;DR — 컨텍스트 엔지니어링(Context Engineering)은 질문 한 줄을 예쁘게 다듬는 수준을 넘어, AI 모델의 제한된 작업 공간(컨텍스트 윈도우) 안에 ‘어떤 지침, 핵심 자료, 도구, 대화 기록을 넣고 무엇을 비워낼지’ 설계하는 기술입니다. 참고 자료를 무작정 많이 넣을수록 오히려 AI의 주의력이 분산되므로, 요리사가 도마 위에 지금 쓸 재료만 올려두듯 고밀도 정보만 선별해 배치해야 정확한 결과를 얻을 수 있습니다.창고(전체 데이터)에 재료가..

최근 게시글

티스토리툴바