RAG를 "AI 응답을 더 똑똑하게 만드는 기법" 정도로만 아는지, *언제 필요하고 언제 과한가*까지 짚는지를 가른다. Long context·fine-tuning과의 선택 감각도 함께 본다.
RAG는 모델이 답하기 전에 외부 데이터에서 관련 부분을 검색해 컨텍스트로 함께 넣어 주는 패턴이다. 모델 자체에는 없는 "우리 회사 데이터", "최신 문서", "내부 위키" 같은 정보가 답에 반영되게 만든다. 동작은 단순하다 — 데이터를 작은 단위(청크)로 쪼개 임베딩으로 저장하고, 사용자 질문이 들어오면 의미 검색으로 가장 관련 있는 청크를 찾아 모델 프롬프트에 함께 넣는다.
RAG를 직접 도입해본 경험이 있다면 청크 전략이나 검색 품질에서 만난 문제를 사례로 풀 수 있다
RAG가 필요해 보였는데 long context로 끝낸 사례가 있다면 과한 설계를 피한 근거가 된다
검색 품질이 답 품질을 끌어내린 경험이 있다면 RAG의 함정을 구체적으로 보여줄 수 있다
Fine-tuning vs RAG를 비교 검토해본 경험이 있다면 선택 기준의 사례로 활용할 수 있다
아직 공개된 답변이 없어요. 첫 공개 답변을 남겨보세요.