검색 증강 생성

요청하신 개념 **‘검색 증강 생성’**에 대한 위키 노트를 6개 지정 소스 문서를 종합 분석하여 완벽히 작성 및 저장했습니다.

생성된 노트 정보

• 노트 파일 경로: 검색 증강 생성.md
• 개념 유형: concept (status: draft)

주요 반영 내용

1. Frontmatter 스키마: 6개 소스 문서 목록, 작성일/수정일(2026-08-27), 태그(llm, rag, search, agent) 및 별칭(RAG, Retrieval-Augmented Generation) 준수.
2. 비매개변수 메모리와 3단계 파이프라인: Lewis et al. (2020)의 비매개변수 메모리(Non-parametric Memory) 개념부터 500단어 청킹, text-embedding-3-small 임베딩, Ingestion-Retrieval/Generation-Feedback 3단계 프로덕션 파이프라인 상세화.
3. 9가지 실무 아키텍처 및 정량 수치 표기: Naive RAG, 대화형 RAG, CRAG(헬스케어 진단 오류 15% 감축, 지연시간 24초 증가), Adaptive RAG, Self-RAG, Fusion RAG(검색 비용 35배 증가), HyDE, Agentic RAG, GraphRAG(99% 결정론적 정확도) 등 구체적 수치와 출처 파일 표기.
4. 구체적 코드 예시 & 모델: Python 기반의 BM25(Sparse) + Dense Vector 하이브리드 검색 및 gpt-4o 기반 답변 생성 구현 코드와 실제 산업 활용 시나리오 수록.
5. 충돌 및 패러다임 분석: 다운스트림 1회성 RAG와 업스트림 LLM Wiki의 패러다임 차이, 기업 현장 95% 프로젝트 정체 및 5% 실증 가치와 FDE(현장 배치 엔지니어)의 역할 대비 서술.
6. Obsidian 위키링크 연동: [[LLM]], [[AI 환각 현상]], [[벡터 데이터베이스]], [[GraphRAG 지식 그래프 파이프라인]], [[BM25]], [[하이브리드 검색]] 등 타 주요 개념과의 연결성 확보.