> ## Documentation Index
> Fetch the complete documentation index at: https://docs.nora.my/llms.txt
> Use this file to discover all available pages before exploring further.
# 리트리벌 개요
> Agent가 추론할 때 맞는 컨텍스트를 찾는 방법. 하이브리드 랭킹, 필터, 그라운딩
\*\*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.
## 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 프리셋**으로 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
벡터 유사도와 키워드 매칭의 균형.
리트리벌 설정을 저장해 Agent 끼리 다시 씁니다.
메타데이터 필터. 태그, 소스, 엔티티, 날짜.
가중치, 부스트, 리랭커 토글.
돌려주기 전 리트리벌한 사실을 검증합니다.
내 청크가 왜 안 나올까?