LLM은 놀라울 만큼 유창하지만, 실무에서 정말 중요한 질문 앞에서는 자주 흔들립니다. 사내 정책은 바뀌고, 제품 문서는 누적되고, 코드베이스는 복잡해지며, 사용자는 늘 문서와 다른 표현으로 묻습니다. 이때 필요한 것은 더 화려한 프롬프트가 아니라, 더 정확하고 더 통제된 검색 시스템입니다. 이 책은 바로 그 지점에서 출발합니다.
이 책은 임베딩의 원리부터 청킹, 벡터 DB, 하이브리드 검색, 리랭킹, 컨텍스트 구성, 평가, 운영, 보안, 멀티모달 RAG, Agentic RAG까지 RAG를 구성하는 전체 층위를 하나의 설계 문제로 연결해 설명합니다. 단순히 "문서를 넣고 챗봇을 만든다"는 튜토리얼이 아니라, 왜 검색이 틀리는지, 왜 답변이 흔들리는지, 무엇을 먼저 고쳐야 하는지를 판단하게 만드는 실무형 설계서입니다.
특히 이 책은 독자가 기술 이름만 많이 아는 상태에서 멈추지 않도록 돕습니다. Dense 검색과 BM25를 언제 함께 써야 하는지, 리랭커가 언제 이득이 되고 언제 손해가 되는지, 평가 없이 RAG를 개선하면 왜 감에 의존하게 되는지, 운영 가능한 시스템으로 가려면 무엇을 기록하고 무엇을 통제해야 하는지까지 차근차근 짚습니다. 읽고 나면 단순히 챗봇 하나를 만드는 사람이 아니라, 검색 품질을 진단하고 개선 루프를 설계할 수 있는 사람이 될 것입니다.
이 책의 핵심 메시지는 끝까지 분명합니다. 좋은 RAG는 좋은 프롬프트가 아니라, 좋은 검색 시스템에서 나옵니다. 그리고 그 검색 시스템은 임베딩 모델 하나나 벡터 DB 하나로 완성되지 않습니다. 문서 수집, 구조 보존, 권한 제어, 평가, 관측 가능성, 운영 감각까지 함께 갖춰질 때 비로소 믿을 만한 지식 시스템이 됩니다. 이 책은 그 전체 그림을 독자와 함께 끝까지 따라갑니다.
