리트리벌 개요

리트리벌은 Agent가 답할 때 필요한 컨텍스트를 지식에서 찾아오는 과정입니다. 쿼리가 들어오면 지식 전체에서 관련성이 높은 청크 몇 개를 선택해 Agent에게 건넵니다. 리트리벌 품질이 좋으면 Agent가 근거를 갖고 정확하게 답하고, 나쁘면 환각으로 이어지기 쉽습니다. Nora의 기본값만으로도 충분히 탄탄하지만, 필요하면 모든 설정을 직접 조정할 수 있습니다.

​

리트리벌 화면

리트리벌 페이지에서는 튜닝과 테스트를 한곳에서 할 수 있습니다.

• 상단 검색바에 쿼리를 입력하고 [Run] 버튼을 누르면 왼쪽에 검색 결과가 점수 순으로 나열됩니다. 결과를 하나 선택하면 오른쪽에서 청크 전문과 인접 청크, 메타데이터를 볼 수 있습니다.
• 검색바 안의 AI로 다듬기(✦) 버튼은 지금 쓴 쿼리를 채팅 모델이 리트리벌에 더 잘 맞게 다시 써 줍니다. 워크스페이스에 프로바이더 키가 있어야 눌립니다.
• 페이지 제목이 곧 프리셋 이름입니다. 제목을 클릭하면 프리셋 메뉴가 열려 다른 프리셋으로 바꾸거나 새로 만들 수 있습니다. 더블클릭하면 이름을 인라인으로 바로 고칩니다.
• 검색바 오른쪽 ⚙ 아이콘을 누르면 리트리벌 설정 독이 열립니다. 이후 페이지에서 소개하는 설정이 모두 이 독에 모여 있습니다.
• 설정/비교 토글로 모드를 전환합니다. 설정 모드에서는 프리셋 하나를 조정하며 테스트하고, 비교 모드에서는 여러 프리셋으로 같은 쿼리를 돌려 결과를 나란히 봅니다.

​

검색 한 번이 거치는 단계

쿼리 하나가 결과로 돌아오기까지 이런 단계를 거칩니다.

1. 쿼리 Agent의 질문을 받습니다. HyDE를 켰다면 모델이 가상 답변을 만들어 질문 대신 검색에 씁니다.
2. 검색 설정한 검색 방식(벡터·키워드·하이브리드·KG-루트)으로 지식에서 후보 청크를 모읍니다.
3. 랭킹 후보마다 벡터 점수와 키워드 점수를 하나로 합쳐 순위를 매깁니다. 최소 유사도보다 점수가 낮은 청크는 여기서 걸러집니다.
4. 재랭킹(선택) 리랭커를 켰다면 후보를 다시 채점해 더 관련 있는 청크를 위로 올립니다.
5. 인과추론(선택) 인과그래프를 연결했다면 그래프가 아는 청크의 순위를 올리고 관련 정보를 덧붙입니다.
6. 결과 반환 최종 순위 상위 Top k 개 청크가 Agent에게 전달됩니다.

이 단계들의 설정을 묶어 저장한 것이 리트리벌 프리셋입니다.

​

더 알아보기