전체 시리즈

RAG Playground

완결

공공데이터포털 API로 RAG 기법을 실험하는 학습 프로젝트

10편 · 2026년 2월 19일 — 2026년 4월 16일
#RAG #Python #Qdrant #OpenAI #공공데이터
처음부터 읽기
  1. 1

    공공데이터로 RAG 뚝딱거려보기

    공공데이터포털 API를 활용한 RAG 에이전트 개발 프로젝트 시작

  2. 2

    [RAG Playground] Quest 1: 프로젝트 환경 세팅

    Python uv와 LangChain을 활용한 프로젝트 구조 설계

  3. 3

    [RAG Playground] Quest 2: 공공데이터 API 수집 파이프라인 구축 계획

    부산광역시 가족사랑카드 API 연동 및 데이터 정제 전략

  4. 4

    [RAG Playground] Quest 3: Naive RAG 파이프라인 구축 (feat. Qdrant)

    ChromaDB에서 Qdrant Cloud로 전환하고, OpenAI 임베딩 기반 Naive RAG 파이프라인을 완성하기까지

  5. 5

    [RAG Playground] Quest 4: Hybrid Search로 검색 품질 끌어올리기

    BM25 키워드 검색과 벡터 검색을 결합한 Hybrid Search 구현기 — Naive RAG의 한계를 정면 돌파합니다

  6. 6

    [RAG Playground] Quest 5: Re-ranker 도입으로 검색 품질 한 단계 더

    Hybrid Search로 후보를 뽑고, Re-ranker로 다시 정렬하는 2단계 파이프라인 구축기

  7. 7

    [RAG Playground] Quest 6: Query Rewriting으로 검색 질의 똑똑하게 바꾸기

    HyDE와 Multi-Query 기법으로 사용자 질의를 재작성해 검색 품질을 향상시키는 실험기

  8. 8

    [RAG Playground] Quest 7: Agentic RAG으로 검색 전략을 스스로 고르게 만들기

    질의 분석, 멀티 소스 라우팅, relevance 기반 fallback까지 넣어 Agentic RAG 실행 루프를 만든 기록

  9. 9

    [RAG Playground] 에필로그: Naive RAG에서 Agentic RAG까지

    공공데이터로 RAG 뚝딱거려보기 시리즈를 마무리하며 — 무엇을 만들었고, 무엇을 배웠는지

  10. 10

    RAGPlay — RAG 파이프라인을 손으로 만져볼 수 있는 인터랙티브 도구

    RAGPlay(ragplay.vercel.app)을 직접 써보고 정리한 리뷰. 한국어 사내 문서를 넣고 Fixed, Recursive, Parent-Child 청킹을 직접 비교해봤습니다.

다른 시리즈 둘러보기

4편

NL-to-SQL Agent

자연어를 SQL로 변환하는 AI 에이전트를 단계별로 구현하는 프로젝트

1편

Decision Models

생성형 LLM에서 판단·분류 책임을 분리하고 확률/판별 특화 모델을 결합하는 아키텍처 실험 기록