#검색
4개의 포스트
RAG는 생각보다 단순합니다 — 벡터 DB 없이 시작하는 6단계 레시피
RAG를 어렵게 느끼는 이유는 개념이 아니라 '처음부터 임베딩·벡터 DB·청킹을 다 갖춰야 한다'는 오해 때문입니다. 오픈북 시험 비유로 RAG의 뼈대를 3분 안에 잡고, 라이트하우스 뉴스레터가 정리한 6가지 RAG 레시피를 전문 검색부터 전체 임베딩까지 계단처럼 올라가며 살펴봅니다. 실제 시스템의 60%는 검색기 하나와 프롬프트 한 장으로 충분합니다. 우리 팀에 맞는 출발점을 고르는 진단 도구와, 같은 질문을 세 방식으로 검색해 보는 놀이터를 함께 담았습니다.
제로클릭 시대 — AI가 웹의 오래된 계약을 파기했다
2026년 8월, 프랑스 신문협회가 구글을 경쟁당국에 제소했다. AI 요약이 언론사 트래픽을 최대 38% 깎아냈다는 규제기관의 추정이 근거였다. 30년간 웹을 지탱해 온 암묵적 계약 — '콘텐츠를 긁어가는 대신 방문자를 돌려보낸다' — 이 깨지고 있다. 구글은 크롤 5번에 방문자 1명을 돌려보내지만, AI 크롤러는 수천, 수만 번을 긁고 1명을 돌려보낸다. Stack Overflow의 질문은 76% 줄었고, 한국의 네이버 블로거들은 수익 급감을 호소한다. 이 글은 이 계약이 어떻게 만들어졌고 왜 깨졌는지, 지금 무슨 일이 벌어지고 있는지, 그리고 콘텐츠를 만드는 조직이 실무적으로 무엇을 해야 하는지를 정리한다.
OpenSearch 완전 정복: 오픈소스 전쟁에서 태어난 검색·분석 엔진의 모든 것
Elasticsearch의 라이선스 전쟁에서 AWS가 포크하여 탄생한 OpenSearch. 검색 엔진의 기원부터 Lucene, Elasticsearch의 부상, 라이선스 분쟁, 그리고 OpenSearch가 로그 분석·벡터 검색·AI까지 확장하는 현재를 풀어본다.
벡터 데이터베이스 완전 정복: AI가 '의미'를 검색하는 시대의 새로운 저장소
'강아지 사진'을 검색하면 'puppy', '댕댕이', '반려견' 사진도 찾아주는 검색. 키워드가 아닌 '의미'로 검색하는 기술의 핵심에 벡터 데이터베이스가 있다. 임베딩이 무엇이고, ANN 알고리즘이 어떻게 작동하며, RAG에서 왜 필수인지를 논문과 실전 사례로 풀어본다.