LangChain 의 RAG 파헤치기(기본편/심화편)

오늘은 2가지 버전의 RAG 관련 글을 정리했습니다.

LangChain 의 각 모듈이 방대하여 모든 내용을 다루지는 못했지만, 차차 기존 내용에 업데이트를 해나갈 계획입니다.

1. [기본편]
LangChain 을 활용한 RAG 에 익숙하지 않은 분들은
[기본편]인 "LangChain으로 네이버 뉴스 기반 Q&A 애플리케이션 구축하기"
링크: https://teddylee777.github.io/langchain/rag-naver-news-qa/

2. [심화편]
이미 기본편 내용을 숙지하고 계신 분들은
"LangChain RAG 파헤치기: 문서 기반 QA 시스템 설계 방법"
링크: https://teddylee777.github.io/langchain/rag-tutorial/

심화편에서는 기본편 + 다음 내용을 다룹니다

- 문서로드(document loader) - PDF, txt, 웹페이지 등
- 분할(splitter) - Character, Recursive 차이점
- 임베딩(embedding)
- 새로운 SemanticChunker 내용 포함
- 벡터스토어(vectorstore)
- 리트리버(retriever)
- Sparse + Dense 조합인 Ensemble 결과가 인상적입니다.
- 프롬프트(prompt) - LangSmith Hub - 체인 생성

마지막으로 템플릿 형식으로 코드를 제공합니다.

즐거운 하루 되시길 바랍니다.
감사합니다.

#langchain #rag #gpt