Skip to main content
**리트리벌(Retrieval)**은 Agent가 무언가를 찾아봐야 할 때 벌어지는 일입니다. 쿼리와 데이터 소스를 주면, 리트리벌이 가장 쓸모 있을 만한 작은 청크 묶음을 돌려줍니다. 좋은 리트리벌이 잘 답하는 Agent와 환각하는 Agent를 가르는 경우가 많습니다. Nora에 탄탄한 기본값이 있지만, 노브는 모두 드러나 있습니다.
리트리벌 화면 — 왼쪽에 점수와 함께 검색 결과가 순위로 늘어서고, 오른쪽에 고른 청크의 전문과 유사도가 보인다

​
순서대로 본 파이프라인

  1. 쿼리 구성 Agent의 질문. 더 또렷하게 하려고 다시 쓸 수 있습니다.
  2. 필터 메타데이터(태그, 소스, 날짜, 엔티티)로 후보를 좁힙니다.
  3. 랭크 하이브리드 벡터 + 키워드 채점.
  4. 융합 여러 신호를 하나의 관련도 점수로 합칩니다.
  5. 그라운드(선택) 돌려주기 전 인과 그래프에 대조합니다.
  6. 컷오프 점수 상위 N 청크를 돌려줍니다.
단계마다 리트리벌 프리셋으로 정할 수 있습니다.

​
리트리벌이 일어나는 곳

  • Agent 블록 안 데이터 소스가 붙은 모델 호출은 먼저 리트리벌을 부릅니다.
  • Tool 안 특별한 retrieve 도구가, Agent가 필요하다고 정할 때 드러나게 검색하게 합니다.
  • 파운더리 파이프라인 안 한 출력이 다른 것의 컨텍스트를 먹이는 이어진 파이프라인용입니다.

​
손볼 수 있는 것

하이브리드 검색

벡터 유사도와 키워드 매칭의 균형.

프리셋

리트리벌 설정을 저장해 Agent 끼리 다시 씁니다.

필터

메타데이터 필터. 태그, 소스, 엔티티, 날짜.

랭킹

가중치, 부스트, 리랭커 토글.

그라운딩

돌려주기 전 리트리벌한 사실을 검증합니다.

진단

내 청크가 왜 안 나올까?