10. RAG

3강 실습 중심 ⏱ 약 70분 0. 학습 목표→ 저장한 문서를 질문으로 찾고, 찾은 문서를 근거로 답변을 만들고, 근거가 없으면 답하지 않게 만듭니다.더보기0.1 이번 글에서 다룰 내용 2강 9절 마지막에서 명령 하나를 실행해 봤습니다. 같은 명령을 다시 실행합니다. 쉘 프롬프트# 질문과 가까운 문서 한 건 찾기cd ~/rag-basicpython3 -c "import chromadbfrom config import get_settingsfrom embedder import embedsettings = get_settings()client = chromadb.PersistentClient(path=str(settings.chroma_path))collection = client.get_collection..

2강 실습 중심 ⏱ 약 70분 0. 학습 목표→ 배포받은 질의응답 10건을 검색할 수 있는 형태로 바꾸고, 벡터로 변환해 저장소에 넣습니다.더보기0.1 이번 글에서 다룰 내용 1강 9절에서 명령 두 줄을 실행해 봤습니다. 같은 명령을 다시 실행합니다. 쉘 프롬프트# 문서에 적힌 말로 찾을 때와 다른 표현으로 찾을 때cd ~/rag-basicgrep -c "국선대리인" data/ip_qa_basic.jsongrep -c "무료" data/ip_qa_basic.json30이 두 숫자가 이번 강의의 출발점입니다. 무엇을 뜻하는지 데이터를 놓고 보겠습니다. 배포받은 10건 중 ip-004 문서는 다음과 같습니다.{ "id": "ip-004", "type": "법령", "title": "특허심판원국선대리인의..

1강 개념 중심 ⏱ 약 40분 0. 학습 목표→ LLM이 무엇을 못 하는지 직접 확인하고, 그것을 RAG가 어떻게 푸는지 전체 구조를 잡습니다.더보기0.1 이번 글에서 다룰 내용 0강에서 작업 폴더와 가상환경, 패키지 세 개, Ollama와 모델 두 개, 기초 데이터, 설정 파일까지 준비했습니다. 그런데 이 환경으로 무엇을 왜 만드는지는 아직 확인하지 않았습니다. 이 과정에서 만들 것은 지식재산권 관련 질문에 근거를 갖춘 답을 돌려주는 프로그램입니다. 그런데 "질문에 답하는 것"은 대규모 언어 모델(LLM, Large Language Model)이 이미 하는 일입니다. 왜 따로 만들어야 하는지부터 확인해야 합니다.0강에서 준비한 qwen3.5:4b 모델에 직접 물어봅니다. 배포받은 데이터 안에 답이 들어..

0강 환경 구축 ⏱ 약 60분 0. 학습 목표→ 이 과정 전체에서 사용할 작업 폴더와 도구를 한 번에 준비하고, 준비된 것을 실행해 확인합니다.더보기0.1 이번 글에서 다룰 내용 이 과정에서는 지식재산권 질의응답 문서를 근거로 답하는 프로그램을 만듭니다.그 프로그램이 지금 상태에서 실행되는지 먼저 확인해 봅니다. 쉘 프롬프트# 이 과정에서 사용할 도구가 지금 있는지 확인python3 -c "import chromadb"ollama listTraceback (most recent call last): File "", line 1, in ModuleNotFoundError: No module named 'chromadb'ollama: command not found 두 줄 모두 실패합니다.문서를 저장할 프..