영상 링크: Introducing RAG 2.0: Agentic RAG + Knowledge Graphs (FREE Template)
채널명: Cole Medin
RAG 2.0: 에이전틱 RAG와 지식 그래프 통합 템플릿 소개 핵심 요약
- 영상 제목은 “RAG 2.0: 에이전틱 RAG와 지식 그래프 통합(무료 템플릿)”으로, 최근 각종 RAG(검색 증강 생성) 전략을 심도 있게 실험한 경험에 기반함
- 제작자는 최종적으로 **에이전틱 RAG(Agentic RAG)**와 **지식 그래프(Knowledge Graph)**라는 두 가지 전략을 결합한 AI 에이전트를 개발함
- 이 에이전트는 질의에 따라 정보 검색 위치와 방식을 스스로 판단해 가장 적합한 데이터 소스를 활용함
- 벡터 데이터베이스로 PostgreSQL + PG Vector 조합을, 플랫폼으로는 Neon의 서버리스 PostgreSQL 서비스를 사용함
- 텍스트 문서를 여러 청크로 분할하고 임베딩을 생성해 벡터 DB에 저장함
- 동 동일 문서를 Graffiti와 Neo4j 기반의 지식 그래프에도 저장, 기업 간의 관계성 등 다양한 리포지토리 데이터를 구조적으로 관리함
- 사용자는 단일 기업에 대한 단순 질문(예: “구글의 AI 이니셔티브는?”)은 벡터 DB를, 관계형 질문(예: “Amazon과 Anthropic의 파트너십”)은 지식 그래프 쿼리를 이용하도록 할 수 있음
- 시스템 프롬프트나 직접적인 호출을 통해 벡터 DB와 지식 그래프를 동시에 활용하는 것도 가능함
- 모든 과정에서 에이전트는 어떤 툴을 사용했는지 명시적으로 알려주며, 답변의 신뢰성을 높임
- 영상의 끝에서는 무료 템플릿과 전체 튜토리얼 영상 링크를 공유함
세부 요약 - 주제별 정리
검색 증강 생성(RAG) 전략 중 에이전틱 RAG와 지식 그래프가 반복적으로 우수함을 입증함
- 최근 몇 달간 다양한 RAG(검색 증강 생성) 전략을 직접 테스트하고 비교함
- 이 중에서 에이전틱 RAG(Agentic RAG)와 지식 그래프(Knowledge Graphs)가 지속적으로 우수하고 효과적으로 선택됨
- 두 전략 모두 각각 장점이 커서, 별도로도 활용 가능하지만, 특히 결합했을 때 시너지가 높다는 점을 강조함
새로운 AI 에이전트는 최고의 답변을 제공하기 위해 정보 검색 방식을 자동으로 선택함
- 개발한 에이전트는 질의의 성격을 지능적으로 해석해 정보 검색 경로와 도구를 선택함
- 단지 “어디서 답을 찾을까”라는 문제를 넘어서, 답변을 가장 잘 제공할 수 있는 자료원(벡터 DB, 지식 그래프)을 에이전트가 직접 결정함
- 이로써 사용자의 질문에 가장 적합한 방식으로 답변 수준을 극대화함
벡터 데이터베이스로 PostgreSQL 및 PG Vector, Neon을 활용하여 데이터 임베딩을 실행함
- 문서 청킹(document chunking) 및 임베딩(embeddings) 생성을 통해 데이터를 벡터화
- 벡터 데이터베이스는 PostgreSQL에 PG Vector 확장(Extension)을 설치하여 구현함
- 서버리스 구조의 PostgreSQL 플랫폼으로 Neon 서비스를 선택, 효율성 및 관리 편의성 강조
- 임베딩된 데이터는 주로 빅테크 기업의 AI 이니셔티브, 파트너십 등 방대한 정보로 구성됨
동일한 정보를 Graffiti와 Neo4j 기반의 지식 그래프에도 저장해 관계형 데이터 리포지토리를 구축함
- 동일 문서를 지식 그래프에도 구조적으로 저장, Graffiti(데이터 전처리 및 인입용)와 Neo4j(그래프 데이터베이스) 조합 활용
- 지식 그래프를 통해 Amazon과 Anthropic과 같이 기업 간의 파트너십, 활용 플랫폼 등 관계형 쿼리 수행 가능
- 같은 정보라도 관계지향적으로 표현해 쿼리의 복잡성 및 활용성이 높아짐
에이전트는 질문의 성격에 따라 벡터 DB 또는 지식 그래프를 선택적으로 검색함
- 단일 기업에 관한 질문(예: “Google의 AI 이니셔티브는?”) 입력 시, 에이전트는 벡터 데이터베이스만 활용함
- 결과적으로 벡터 DB에서 답변을 찾아 유저에게 제시하고, 사용된 툴(여기선 벡터 DB)을 명확히 표시함
- 관계형 질문(예: “Amazon과 Anthropic의 관계는?”)에는 시스템 프롬프트 기준에 따라 지식 그래프 쿼리가 자동 선택됨
- 이때도 결과와 함께 사용한 툴 종류(그래프 쿼리)까지 명시적으로 알려줌
시스템 프롬프트 또는 명시적 호출로 두 데이터 소스를 동시에 활용하는 것도 가능함
- 시스템 프롬프트 조정 혹은 직접적인 명령(“벡터 DB와 그래프 모두 사용하라”)을 통해 두 데이터 소스 동시 활용이 가능
- 이런 방식으로 에이전트가 벡터 DB와 지식 그래프 모두를 검색해 보다 종합적이고 신뢰할 수 있는 답변 제공
- 쿼리 결과마다 어떤 자료원이 활용되었는지도 클리어하게 안내
AI 에이전트 구축과 실습에 필요한 무료 템플릿 및 전체 제작법 영상 제공함
- 영상 마지막에는 본 에이전트의 무료 템플릿과 실습 과정 전체가 담긴 별도의 풀버전 튜토리얼 영상 링크를 소개
- Cloud Code를 활용한 개발 지원 팁과 함께, 누구나 실제로 구현 가능한 가이드임을 강조
- 신규 AI 프로젝트, RAG 시스템 설계 및 에이전트 개발에 활용할 수 있도록 실무 적용성을 확보함