RAG (Retrieval Augmented Generation)

RAG (Retrieval Augmented Generation)

외부 지식 베이스에서 관련 문서를 검색(Retrieval)하여 LLM의 생성(Generation)을 보강하는 기법으로, 환각 감소와 최신 정보 반영이 가능하며 파인튜닝 없이 도메인 지식 확장

구조: 질의 → 임베딩 → 벡터검색(유사문서) → 컨텍스트+질의 → LLM생성

구성요소: 문서DB, 임베딩모델, 벡터DB(FAISS·Pinecone·Weaviate), LLM

장점: 환각감소, 최신정보, 출처제공, 파인튜닝불필요, 비용효율

단점: 검색품질의존, 지연시간증가, 문맥길이제한

적용사례: 기업챗봇(내부문서), Q&A시스템, 고객지원, 법률·의료분석

비교: RAG(검색+생성) vs 파인튜닝(모델수정) vs 순수LLM(내재지식만)

연관: LLM, 벡터데이터베이스, 임베딩, 프롬프트엔지니어링