LangChain Vector Store를 도구(Tool) 변환하기

해당 포스트는 인프런에서 "AI 에이전트로 구현하는 RAG 시스템(w. LangGraph)" 강의를 듣고 정리한 내용입니다. 이번에는 벡터 스토어를 도구로 변환해서 사용해보려고 한다. 문서 가져와서 청크로 분할하기 (청킹)먼저 문서를 읽어와서 임베딩해서 벡터 스토어에 저장해서 검색하는 과정을 만들고 이러한 과정을 도구로 만들어서 사용해보려고 한다.강의에서 제공해 준 레스토랑 메뉴와 와인에 대한 메뉴와 식재료, 설명이 들어있는 문서를 가져와서 사용해보려고 한다. 먼저, 문서를 가져온다.from langchain.document_loaders import TextLoader# 메뉴판 텍스트 데이터를 로드loader = TextLoader("../../data/restaurant_menu.txt", encod..

• format_list_bulleted AI/RAG
• · 2025. 5. 20.
• textsms

Vector Store 검색 시 score 이해하기

vector store 에 검색을 통해서 데이터를 가져오려고 하는데 score 를 통해 유사한 문서를 가져오게 되고 이 score 라는 건 무조건 1에 가까운 줄 알았다. 하지만 검색을 해보니 score 의 의미가 각 라이브러리마다 다르다는 것을 알게 되었다. 먼저 유사도 계산을 통해 score 를 계산하는 경우 score 점수가 높을수록 비슷한다고 이해할 수 있고거리 계산을 통해 score 를 계산하는 경우 score 점수가 낮을수록 더 가까운 데이터라고 이해할 수 있다. 유사도와 거리 관점에서 score 를 이해해야한다는 것을 모르고 진행했던 것 같다. 기본적으로 Langchain 을 사용하면서 FAISS 를 사용하게 될 경우에는 FAISS 는 L2 거리 계산을 사용하기 때문에 거리가 가까울수록 유사..

• format_list_bulleted AI/RAG
• · 2025. 4. 22.
• textsms