-
OA-RAG: 온톨로지 reasoner를 도구로 쓰는 Agentic RAG
by
검색 증강 생성(RAG, Retrieval-Augmented Generation)을 붙이면 대규모 언어 모델(LLM, Large Language Model)의 환각(Hallucination)은 줄어든다. 그런데 검색기가 관련 문단을 제대로 가져와도 문단과 문단을 잇는 논리는 여전히 LLM 몫이고, 답변만 보면 문서에서 나온 내용인지 모델이 원래 알던 내용인지 가려지지 않는다. 이번에 읽은 … 더 보기
-
RAG 검색 알고리즘을 바꾸지 않고 검색 품질을 개선한 방법_AIOps
by
질의 중심(Query-Centric) 데이터 설계를 통한 Q&A 기반 VOC 챗봇의 검색 실패 개선 사례 본문의 질문·답변과 데이터 구조 예시는 원리를 설명하기 위한 가상 사례입니다. 아키텍처 그림은 기술적 역할을 단순화한 개념도입니다. 1. 정답이 있는데도 검색되지 않는 문제 검색 증강 생성(RAG, Retrieval-Augmented Generation) … 더 보기
-
php2shell 취약점의 동작 원리와 원격 코드 실행(RCE) 방어 전략: PHP부터 React·Next.js(React2Shell)까지의 대응 방안
by
— PHP부터 React·Next.js(React2Shell)까지, 웹 프레임워크의 ‘입구’를 노리는 최신 공격과 완벽 대응 가이드 “우리 회사는 프론트엔드에 React와 Next.js를 쓰고 있어 PHP와는 무관한데, 왜 PHP2Shell 취약점을 알아야 할까요?” 지난 2026년 10월 21일, 전 세계 웹 생태계를 지탱하는 PHP 엔진에서 치명적인 원격 코드 … 더 보기
-
에이전트가 모든 문의를 환불로 보낼 때 — 요청 유형을 제어하는 여섯 가지 구조
by
들어가며 쇼핑몰 고객 문의를 처리하는 대규모 언어 모델(LLM, Large Language Model) 기반 에이전트를 만들었다고 해 봅시다. 처음 만든 기능이 환불 처리였기 때문에 프롬프트도 환불 중심으로 쓰여 있습니다. 주문을 조회하고, 환불 가능 여부를 확인하고, 환불을 접수하는 흐름입니다. 그런데 이 에이전트가 이상하게 … 더 보기
-
LLM Agent란 무엇이고, 언제 필요한가? RAG와 비교하고 직접 구현해보기
by
들어가며 LLM Agent는 도구가 필요한 질문에서만 확실히 RAG를 이겼고, 규정만 묻는 질문에서는 RAG로 충분했다. 30개 질문으로 직접 비교해 얻은 결과다. 사내 규정 챗봇을 만들다 보면 “이제 RAG 말고 Agent를 써야 하나?”라는 질문이 나온다. 이 글은 그 질문에 감이 아니라 숫자로 … 더 보기
-
LangGraph와 Gemini로 만든 회의록 자동화 에이전트: 도구 호출(Tool Calling) 신뢰성 확보 사례
by
1. 기술 개요 데이터 분석 사업을 여러 건 동시에 진행하다 보면 회의록 작성이 큰 부담이 됩니다. 올해 진행 중인 경기도 분석 사업만 해도 분석 과제가 23건이고, 과제마다 방향성 회의, 진행 상황 보고 회의, 결과 보고 회의를 한 번씩만 해도 69번의 … 더 보기









