LLM은 놀라울 만큼 많은 것을 알고 있지만, 정작 내 노트, 회사 내부 문서, 최신 회의록, 서비스 안의 책과 블로그 글은 스스로 알지 못합니다. 그래서 문서 기반 AI를 만들 때 필요한 것은 단순한 챗봇이 아니라, 필요한 근거를 찾아 읽고 출처와 함께 답하는 구조입니다.
이 책은 RAG를 "벡터 DB에 문서를 넣고 검색하는 기술"로만 다루지 않습니다. 문서 수집, 전처리, 청킹, 임베딩, 메타데이터, 하이브리드 검색, Reranking, 출처 표시, 평가와 개선까지 하나의 흐름으로 연결해 설명합니다. 각 단계가 왜 필요한지, 어디에서 품질이 흔들리는지, 실제 지식베이스를 만들 때 무엇을 먼저 설계해야 하는지 차근차근 살펴봅니다.
개인 노트 검색, 책 기반 Q&A, 사내 문서 챗봇, 고객지원 지식베이스처럼 "답이 특정 문서 안에 있는" 문제를 해결하고 싶다면 이 책이 좋은 출발점이 될 것입니다. 마지막에는 앞에서 배운 내용을 모아 내 문서와 노트를 이해하는 AI 지식 비서를 설계하는 전체 구조까지 완성합니다.
