SQL 서버 벡터 검색 실전: DiskANN 인덱스, 하이브리드 검색, RAG 구성법
마이크로소프트 SQL 팀이 개발자 세션에서 시연한 SQL 서버 벡터 검색을 정리했다. DiskANN 근사 인덱스와 재현율 측정, 전문 검색을 섞는 하이브리드 검색, PDF 청킹 기반 RAG 구성까지 단계별로 다룬다.
핵심 내용 읽기 →
AI TOPIC
하이브리드 검색 최신 뉴스와 핵심 해설
하이브리드 검색 관련 핵심 뉴스와 활용 인사이트 9편을 최신순으로 모았습니다.
RAG 핵심 원리 총정리, 청킹부터 임베딩과 벡터 검색, 리랭킹과 하이브리드 검색까지
검색 증강 생성이라 불리는 RAG를 요리사 비유로 풀고, 청킹과 임베딩, 벡터 검색과 리랭킹, 하이브리드 검색과 그래프RAG까지 실제로 RAG를 만들 때 필요한 다섯 가지 부품을 순서대로 짚었습니다.
핵심 내용 읽기 →
하이브리드 검색이란: 키워드 검색과 벡터 검색을 합치는 이유 (구글 AlloyDB 데모)
키워드 검색은 데이터에 없는 단어를 못 찾고, 벡터 검색은 브랜드명이나 번호처럼 의미 없는 값에 약하다. 구글 클라우드가 AlloyDB 데모로 보여준 하이브리드 검색의 원리와 실무 장벽을 정리했다.
핵심 내용 읽기 →
Vector Search 2.0: 임베딩·하이브리드 검색으로 앱에 시맨틱 검색 붙이기
구글 클라우드 테크가 Vector Search 2.0로 임베딩 생성부터 하이브리드 검색까지 자동화해, ML 전문가가 아니어도 의미 기반 시맨틱 검색을 앱에 붙이는 방법을 시연한다.
핵심 내용 읽기 →
RAG 입문 가이드: 벡터 검색·임베딩부터 에이전트형 RAG까지
맥락 증강(CAG), 캐시 증강, RAG, 에이전트형 RAG의 차이와 임베딩·벡터 검색·하이브리드 검색의 원리를 한 발표로 정리한 RAG 입문 정리.
핵심 내용 읽기 →
하이브리드 RAG 실전: Docling·PostgreSQL·로컬 LLM으로 멀티모달 비용 줄이기
문서를 그냥 업로드하면 토큰이 새어 나간다. Docling으로 마크다운 변환 후 청킹하고, 키워드·의미 검색을 결합한 하이브리드 RAG를 프레임워크 없이 구축하는 방법을 정리했다.
핵심 내용 읽기 →
RAG(검색 증강 생성) 완전 정복: 임베딩·청킹·하이브리드 검색·리랭커까지
RAG가 무엇이고 왜 필요한지부터 임베딩, 청킹, 벡터 DB, 하이브리드 검색, 리랭커, 컨텍스추얼 리트리벌까지 실무 관점에서 정리했습니다. 'RAG는 죽었다'는 주장의 진짜 맥락도 함께 짚습니다.
핵심 내용 읽기 →
하이브리드 RAG 검색 완전 정복 — BM25·임베딩·RRF·리랭커 직접 구현
키워드 검색 BM25와 밀집 임베딩을 RRF로 합치고 리랭커를 더해, 벡터 DB 없이도 NDCG로 평가 가능한 프로덕션급 하이브리드 RAG 검색을 처음부터 구현하는 과정을 정리했다.
핵심 내용 읽기 →
스패너 하이브리드 검색: 풀텍스트·벡터·그래프를 SQL 하나로
구글 드라이브부터 우버까지 떠받치는 스패너의 검색 기능을 정리했다. 풀텍스트·벡터·그래프를 별도 시스템 없이 한 데이터베이스에서 결합해 AI 검색 스택을 SQL 한 줄로 구현하는 방법과, 비용을 크게 줄인 Attio 사례를 담았다.
핵심 내용 읽기 →