RAG(검색 증강 생성)

RAG 개념부터 임베딩·벡터 검색까지

가이드비교2026-07-11

파인튜닝과 RAG를 비용, 데이터, 최신성, 유지보수 관점에서 비교하고 상황별 선택 기준을 정리합니다.

가이드입문2026-07-11

RAG(검색 증강 생성)가 무엇이고 어떻게 동작하는지, 언제 쓰면 좋고 어떤 한계가 있는지 쉬운 말로 정리합니다.

가이드입문2026-07-11

벡터 데이터베이스(벡터 DB)가 무엇이고 일반 DB와 어떻게 다른지, 벡터 검색(시맨틱 검색)은 어떻게 동작하는지, RAG에서 왜 필요한지 쉬운 말로 정리합니다.

용어2026-08-02

긴 문서를 검색과 모델 입력에 알맞은 크기의 조각으로 나누는 작업이다. RAG의 검색 품질을 좌우하는 첫 단계로 꼽힌다.

용어2026-08-02

모델이 자기 기억이 아니라 주어진 자료에 근거해 답하도록 만드는 설계다. 답변에 출처를 붙여 사실 여부를 검증할 수 있게 하는 것이 목표다.

용어2026-08-02

검색으로 1차로 걸러 낸 후보 문서를 다시 정밀하게 채점해 순서를 바로잡는 단계다. 넓게 건지는 일과 정확하게 고르는 일을 나눠 맡기는 2단계 검색 구조의 뒷부분이다.

용어2026-08-02

단어의 일치가 아니라 문장의 의미를 기준으로 관련 문서를 찾아내는 검색 방식이다. 질의와 문서를 각각 벡터로 바꾼 뒤 벡터 사이의 거리로 관련도를 판단한다.

용어2026-07-11

텍스트·이미지 같은 데이터를 임베딩 벡터로 저장하고, 의미가 가장 비슷한 항목을 빠르게 찾아주는 데이터베이스다. RAG의 문서 검색 단계를 담당하는 핵심 인프라다.

용어2026-07-10

텍스트·이미지 등 데이터를 의미를 담은 고정 길이 실수 벡터로 변환한 표현이다. 의미가 비슷한 대상일수록 벡터 공간에서 가깝게 놓인다.

용어2026-07-10

언어모델이 사실과 다르거나 근거 없는 내용을 그럴듯하게 생성하는 현상. 표현은 자연스럽지만 내용이 틀릴 수 있다.

용어2026-07-10

외부 지식원에서 관련 문서를 먼저 검색한 뒤, 그 내용을 근거로 언어 모델이 답변을 생성하는 방식이다. 모델의 내부 파라미터에만 의존하지 않고 검색된 문맥을 함께 활용한다.