포트폴리오/RAG/키워드 RAG

PROJECT 01 / KEYWORD RAG

키워드 RAG.

벡터와 BM25의 검색 순위를 합치고 리랭킹한 근거로 답변합니다.

UI 미리보기

화면과 동작 흐름을 확인하는 프로토타입입니다. 실제 문서 검색이나 AI 추론은 수행하지 않으며, 입력과 무관한 고정 예시를 보여줍니다.

이 모듈의 초점질문 → 벡터 + BM25 → RRF → 리랭킹 → LLM

벡터 Top-20과 BM25 Top-20을 검색하고, 유사도 기준은 벡터 후보에 적용합니다. RRF로 후보 순위를 합친 뒤 리랭커가 상위 근거를 고릅니다.

ARCHITECTURE

키워드 RAG 구성도

구성 요소의 역할과 데이터 흐름을 확인할 수 있습니다.

편집 가능한 draw.io 도면

키워드 RAG 구성도. 브라우저에서 문서를 청크로 나누고 임베딩을 만들어 벡터 DB와 텍스트 저장소에 저장합니다. 벡터 Top-20과 BM25 Top-20을 검색하고, 유사도 기준은 벡터 후보에 적용합니다. RRF로 후보 순위를 합친 뒤 리랭커가 상위 근거를 고릅니다. Next.js 화면, FastAPI, 검색 저장소와 로컬 LLM의 기술 아이콘을 포함합니다. 실제 검색은 연결 예정입니다. — 실선은 현재 동작, 점선은 연결 예정입니다. 구성 요소의 역할과 연결 예정 흐름을 표시한 설계입니다.

구성도 텍스트 설명

사전 색인: 브라우저에서 문서를 청크로 나누고 임베딩을 만들어 벡터 DB와 텍스트 저장소에 저장합니다.
검색: 벡터 Top-20과 BM25 Top-20을 검색하고, 유사도 기준은 벡터 후보에 적용합니다.
근거 선별: RRF로 후보 순위를 합친 뒤 리랭커가 상위 근거를 고릅니다.
공통 흐름: 입력 검증 → 검색 → 근거 선별 → 답변 생성 → 출력 검증. 근거가 부족하면 부족 안내로 종료합니다.
현재는 모의 이벤트와 고정 예시 답변을 사용하는 UI 미리보기입니다. 실제 검색과 모델은 연결 예정입니다.

처리 파이프라인5 STEPS · UI 미리보기

01
입력 검증
대기
질문의 형식과 길이를 확인합니다.
02
벡터 + BM25
대기
의미 기반 벡터 검색과 단어 일치 기반 BM25 검색을 실행해 RRF로 순위를 합칩니다.
03
근거 선별
대기
답변을 뒷받침하는 근거를 선별합니다.
04
답변 생성
대기
선별한 근거를 바탕으로 답변합니다.
05
출력 검증
대기
답변과 출처를 확인합니다.

문서에 질문하기

INPUT

어떤 내용이 궁금하신가요?

개인정보나 비공개 문서를 입력하지 마세요.0 / 1,000

예시 질문

미리볼 상태

질문을 입력하고 미리보기를 시작해 보세요.

답변과 근거

OUTPUT

답변의 시작은 좋은 질문에서

미리보기를 실행하면 예시 답변과 참조 문서를 확인할 수 있습니다.

RAG 전체 모듈MPNet / BM25 / RRF / Reranking