의미 보존 RAG 파이프라인 만들기
중급45분2026-06-06
문서 구분자 `---`로 시장 검증 인터뷰, 제품 설명서, 운영 프로토콜 같은 문서를 의미 단위로 나눈 뒤 Hugging Face 임베딩과 ChromaDB로 검색 가능한 RAG 파이프라인을 만듭니다. 최종적으로 `semantic_rag_app.py`, ChromaDB 벡터DB 컬렉션, 그리고 질문·검색 근거·생성 답변을 한 화면에서 확인하는 Gradio 기반 RAG 디버깅 UI를 완성합니다.
이 코칭은 터미널에서 진행됩니다
오른쪽 패널에서 설치 명령어를 복사하세요이런 걸 배워요
- 문서 구분자를 기준으로 의미 단위 청크를 구성합니다
- Hugging Face 임베딩으로 문서를 벡터화해 ChromaDB에 저장합니다
- 메타데이터 필터링으로 검색 범위를 좁힙니다
- Gradio UI 코드로 질문, 검색 근거, 생성 답변을 함께 확인합니다
어떻게 진행해요
1. 실행 환경 확인
2. 필요 패키지 설치
3. 의미 단위 샘플 문서 작성
4. RAG 파이프라인 코드 작성
5. 벡터DB 생성과 검색 확인
6. 검색 근거 확인 UI 추가
7. 샘플 질문으로 품질 점검
AI 튜터가 각 단계를 하나씩 안내해줄 거예요