LLM Wiki와 RAG의 차이: 대체 관계가 아니라 지식 수명주기다 (4/6)
LLM Wiki와 RAG의 차이를 query-time 검색 기술과 build-time 지식 수명주기로 나눕니다. Vector RAG·GraphRAG·Wiki가 한 시스템에서 결합되는 구조와 선택 기준을 설명합니다.
Tag index
LLM Wiki와 RAG의 차이를 query-time 검색 기술과 build-time 지식 수명주기로 나눕니다. Vector RAG·GraphRAG·Wiki가 한 시스템에서 결합되는 구조와 선택 기준을 설명합니다.
LLM Wiki를 코드베이스, 개인·연구, 조직 지식, 계약·그래프, 에이전트 메모리 다섯 유형으로 분류합니다. 입력·산출물·소비자·검수·보안 기준으로 내게 맞는 구조를 선택합니다.
작은 chunk의 검색 정밀도와 큰 문맥의 이해를 함께 얻는 parent-child retrieval부터 RAPTOR 요약 트리, HippoRAG 연상 그래프까지 계층형 RAG를 비교 설계합니다.
RAG metadata를 typed field와 controlled vocabulary로 설계합니다. SKOS concept ID와 entity resolution으로 자유 문자열을 정규화하고 provenance가 있는 검색 projection을 구축합니다.
Microsoft GraphRAG의 TextUnit·entity·relationship·Leiden community·community report indexing을 따라가고 local·global·DRIFT search의 질문 유형·비용·평가 기준을 구분합니다.
Vector 유사도 검색과 Knowledge Graph의 차이를 이해하고 entity·relation·claim·provenance·entity resolution·graph traversal을 설계해 관계형 질문에 답하는 RAG를 만듭니다.
Harness-1의 auto-seeding과 evidence graph를 ColBERT, Cross-Encoder, Personalized PageRank로 확장하는 설계를 정리합니다. 각 모델의 역할과 리스크, 구현 순서를 함께 봅니다.