RAG 구축했는데 왜 답변이 이상할까? | 전문가가 짚어주는 7가지 실수

RAG 시스템, 벡터 DB 연결하고 LLM 붙이면 끝이라고 생각하셨나요?

실제 현업에서 RAG 프로젝트를 리뷰하면 반복적으로 나타나는 문제들이 있습니다.
이 영상에서는 전문가 피드백을 바탕으로 RAG 구축 시 꼭 피해야 할 7가지 실수를 정리했습니다.

━━━━━━━━━━━━━━━━━━━━━━
✅ RAG 구축 체크리스트
━━━━━━━━━━━━━━━━━━━━━━
□ 사용자 유형 및 질의 시나리오 정의
□ 하이브리드 검색 (시멘틱 + BM25) 구현
□ 복합 질의 (AND/OR/NOT) 처리 로직
□ 추천 근거 데이터 확보
□ LLM 선택 근거 문서화
□ 의도 분류 → 검색 → 리랭킹 파이프라인
□ 운영 단계 대비 (연계 질의, 필터 검증)

━━━━━━━━━━━━━━━━━━━━━━
🔗 관련 영상
━━━━━━━━━━━━━━━━━━━━━━
▶ 하이브리드 검색 구현 실습 (예정)
▶ LangChain RAG 파이프라인 구축
▶ 벡터 DB 비교 (Pinecone vs Milvus vs Chroma)

#RAG #LLM #벡터검색 #하이브리드검색 #BM25 #리랭킹 #AI개발 #챗봇 #검색시스템 #LangChain #임베딩 #프롬프트엔지니어링