RAG with Python 쿡북 (Korean Edition)

제7장. 검색

이 작품은 AI를 사용하여 번역되었습니다. 여러분의 피드백과 의견을 환영합니다: [e-mail]

검색( ) 개선 검색 단계는 RAG 시스템의 정확도와 관련성을 높이는 가장 효과적인 방법입니다. 맞춤형의 고효율 시스템을 구축하려면 견고한 툴킷이 필요합니다. 이 장에서는 기본적인 벡터 검색을 넘어서는 고급 검색 기법을 소개합니다. 그림 7-1은 검색 전 단계와 검색 단계를 최적화하기 위한 기법들의 개요를 보여줍니다.

그림 7-1. 검색 프로세스를 향상시키는기법

실제 RAG 워크플로는 일반적으로 사용 사례에 따라 이러한 기술 중 여러 가지를 결합합니다. 그림 7-2는 여러 단계와 고급 검색 기술을 결합한 워크플로 예시를 보여줍니다. 이 워크플로는 다음 세 가지 핵심 단계를 보여줍니다: (1) 복잡한 쿼리를 집중적인 하위 쿼리로 분할하고, (2) 각 하위 쿼리를 적절한 도구 또는 데이터 소스로 라우팅하여 관련 정보를 검색하며, (3) 답변들을 종합적으로 추론하여 포괄적인 응답을 생성합니다.

그림 7-2. 다단계 검색 프로세스

이 장에 소개된 방법들을 워크플로를 개선하고 더 나은 검색 결과를 얻기 위해 조합할 수 있는 구성 요소로 생각하십시오. 사용 사례에 가장 적합한 방식으로 적용할 수 있는 고급 검색 기법 도구 모음이 필요합니다.

표 7-1은 이 장에서 다룬 7가지 기법을 요약한 것입니다. 각 기법을 이해하고, 특정 데이터 세트와 작업에 어떤 기법이 적합한지 결정해야 합니다.

표 7-1. 검색 향상 기법

기법	설명	레시피 참조
메타데이터 필터링	사용자에 대해 알고 있는 정보를 바탕으로 메타데이터를 사용하여 검색 결과 필터링하기	레시피 7.1
다중 쿼리 검색	더 관련성 높은 문서를 찾기 위해 동일한 prompt의 여러 버전을 생성하기	레시피 7.3
쿼리 라우팅 시스템	질문 라우팅 시스템을 사용하여 질문에 답하기 위해 사용할 최적의 데이터 소스나 도구를 식별하기	레시피 7.4
자동 병합 검색기	관련 데이터를 그룹화하여 더 크고 의미 있는 텍스트 단위를 추출하기	레시피 7.5
문장 창 검색	검색된 텍스트에 맥락을 더하기 위해 인접한 문장 포함하기	레시피 7.6
가상 문서 임베딩(HyDE)	검색 결과 개선을 위한 가상 문서 생성	레시피 7.2
쿼리 분해	복잡한 쿼리를 더 간단한 하위 쿼리로 분해하기	레시피 7.8
재순위 지정	LLMs을 통해 검색된 문서의 관련성을 검토 및 평가하기	레시피 7.7

이 장의 모든 코드 예제는 책의 GitHub 저장소에서 확인할 수 있습니다.

7.1 PostgreSQL에서 ...