#RAG
총 6편
자작 RAG와 Bedrock Knowledge Base 비교
날짜만 물으면 엉뚱한 달을 꺼내오던 자작 RAG를 BM25로 고친 경험을, AWS Gen AI 자격증(AIP-C01)이 다루는 Bedrock Knowledge Base와 청킹·검색·비용 기준으로 나란히 놓고 정리했습니다.
업무용 AI 비서의 탄생 (2편) 기억을 입히는 이중 인덱싱
질문 기록을 로컬 벡터 저장소에 쌓고 의미·단어 하이브리드 검색과 도메인별 군집으로 AI 비서에 과거 맥락을 붙인 과정과 그 한계를 적었습니다.
RAG 하이브리드 검색 BM25와 벡터
벡터 검색만 쓰던 RAG가 날짜와 장소명에서 틀리는 것을 BM25를 함께 돌려 고친 과정과 아직 남은 한계를 적었습니다.
백엔드 개발자의 AI 비서 만들기 (3편)
AI 비서에 장기 기억을 붙이려고 대화 전체 붙여넣기와 MEMORY.md 요약을 거쳐 LanceDB 벡터 검색까지 간 과정과 한계를 적었습니다.
자바 개발자의 AI 입문기 (4편) - RAG 실전, Knowledge Base 검색 챗봇 만들기
RAG 파이프라인을 완성해서 회사 문서 기반 검색 챗봇을 만듭니다. 문서 로딩부터 답변 생성까지 전체 과정을 다룹니다.
자바 개발자의 AI 입문기 (3편) - RAG 기초, 문서를 벡터로 저장하기
RAG(Retrieval-Augmented Generation)의 기초 개념을 설명합니다. 문서를 벡터로 변환하고 ChromaDB에 저장하는 과정을 자바 개발자 관점에서 다룹니다.