[ Azure OpenAI #12 ] RAG 동작 원리 완전 정리: Chunking, Embedding, Vector Store, Retrieval, Generation
지난 글에서는 RAG가 왜 필요한지 살펴봤습니다.핵심은 간단했습니다.LLM은 말을 잘 생성하지만, 최신 정보나 회사 내부 문서를 자동으로 알고 있는 것은 아닙니다.그래서 답변하기 전에 관련 자료를 먼저 찾아보고, 그 자료를 근거로 답하게 만드는 구조가 필요합니다. 이번 글에서는 그 구조가 실제로 어떻게 동작하는지 살펴보겠습니다.문서를 어떻게 준비하고,왜 잘게 나누고,임베딩은 어디에 쓰이며,Vector Store는 무엇을 저장하고,사용자의 질문이 들어왔을 때 어떤 방식으로 답변이 만들어지는지 순서대로 정리하겠습니다.이번 글의 핵심 질문RAG는 단순히 “문서를 검색해서 GPT에게 넣는 것”이 아닙니다. 긴 문서를 검색하기 좋은 형태로 나누고, 의미 기반으로 찾을 수 있게 변환한 뒤, 질문과 관련 있는 조각만..
2026. 6. 18.
