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