•  책의 일부 내용을 미리 읽어보실 수 있습니다.
  미리보기

1장 VectorRAG & GraphRAG 개념 이해하기

1.1 RAG란 무엇인가?
____1.1.1 RAG란?
____1.1.2 RAG의 필요성
____1.1.3 RAG 핵심 원리
____1.1.4 RAG 구현 방법
1.2 VectorRAG란 무엇인가?
____1.2.1 벡터란?
____1.2.2 벡터 처리 과정
____1.2.3 벡터 저장소
____1.2.4 VectorRAG란?
____1.2.5 VectorRAG는 언제 사용하나요?
1.3 GraphRAG란 무엇인가?
____1.3.1 그래프란?
____1.3.2 GraphDB: Neo4j
____1.3.3 GraphRAG란?
____1.3.4 GraphRAG는 언제 사용하나요?

2장 OpenAI 개념과 원리 이해하기

2.1 OpenAI란?
2.2 OpenAI 모델
____2.2.1 GPT 시리즈
____2.2.2 ChatGPT
____2.2.3 DALL·E 시리즈
____2.2.4 Whisper
____2.2.5 Sora
____2.2.6 임베딩
2.3 ChatGPT의 원리
____2.3.1 트랜스포머란?
____2.3.2 트랜스포머가 등장한 이유
2.4 OpenAI 추론 모델: o3-mini
____2.4.1 추론을 해야 하는 질문
____2.4.2 정답이 확실한 질문
2.5 OpenAI 모델 사용 시 고려사항

3장 DeepSeek 개념과 원리 이해하기

3.1 DeepSeek란?
3.2 DeepSeek가 부각된 배경
3.3 DeepSeek-R1의 원리
3.4 DeepSeek 모델
3.5 DeepSeek 모델 사용 시 고려사항

4장 실습 환경 준비하기

4.1 아나콘다 설치 및 구성
____4.1.1 아나콘다 설치하기
____4.1.2 아나콘다 가상 환경 구성하기
4.2 API 키 준비하기
4.3 DeepSeek 모델 준비하기
4.4 Neo4j 설치 및 구성하기
____4.4.1 Neo4j 설치하기
____4.4.2 Neo4j 사용 방법 익히기
____4.4.3 Neo4j에서 Cypher 사용하기

5장 VectorRAG 실습: OpenAI API 사용

5.1 자동차 데이터 검색하기
5.2 웹 데이터 검색하기
5.3 PDF에서 다육이 데이터 검색하기
5.4 랭체인의 메모리 사용하기
5.5 여러 파일에서 데이터 가져와 검색하기
5.6 랭체인 & 라마인덱스 비교
5.7 VectorRAG에 부적합한 사례

6장 VectorRAG 실습: DeepSeek 모델 사용

6.1 자동차 데이터 검색하기
6.2 웹 데이터 검색하기
6.3 PDF에서 다육이 데이터 검색하기
6.4 랭체인의 메모리 사용하기
6.5 여러 파일에서 데이터 가져와 검색하기

7장 GraphRAG 실습

7.1 랭체인에서 그래프 사용하기
7.2 축구 데이터 검색하기
____7.2.1 축구 데이터 생성하기
____7.2.2 축구 데이터 검색하기
7.3 PDF 파일 불러와서 검색하기
7.4 영화 데이터 검색하기
____7.4.1 영화 데이터 생성하기
____7.4.2 영화 데이터 검색하기
7.5 자동차 데이터 검색하기
____7.5.1 자동차 데이터 생성하기
____7.5.2 자동차 데이터 검색하기
7.6 건강 데이터 검색하기
____7.6.1 건강 데이터 생성하기
____7.6.2 건강 데이터 검색하기

8장 Copilot과 GraphRAG 비교 및 RAG의 사회적 영향

8.1 Copilot에서 사용하는 그래프 기반 검색과 GraphRAG 비교
____8.1.1 Copilot에서 사용하는 검색
____8.1.2 일반적인 RAG와 Copilot 검색 비교
8.2 RAG 패러다임 이후: 다음 단계는?
____8.2.1 RAG의 한계와 발전 방향
____8.2.2 AI Agent와 강화학습
8.3 RAG의 사회적 영향
____8.3.1 신뢰성과 투명성 문제
____8.3.2 AI의 윤리적 고려 사항
____8.3.3 정책 및 규제 이슈
8.4 인간 삶의 변화
____8.4.1 업무의 변화
____8.4.2 개인 삶의 변화

찾아보기

개념과 원리를 핵심 위주로 간단하게!
기본 예제를 구현하며 배우는 RAG 입문!

이 책에서 다루는 내용: VectorRAG & GraphRAG

LLM 관련 기술의 핵심은 RAG입니다. RAG는 데이터 성격에 따라 VectorRAG와 GraphRAG로 구분할 수 있습니다.
이 책은 RAG 개념을 비롯해, 비슷하면서도 서로 다른 VectorRAG와 GraphRAG의 개념과 원리를 비교하며 알아봅니다.
기존에 사용했던 일반적인 RAG인 VectorRAG 방식과 데이터 간의 관계를 파악하고 활용할 수 있는 GraphRAG 방식을 각각 어떤 시나리오와 데이터에서 활용하면 좋을지 살펴보고, 랭체인을 이용한 구현 방법도 알아봅니다.

이 책에서 다루는 내용: 오픈AI & 딥씨크

랭체인을 이용해 본격적으로 구현하기에 앞서 RAG에 주로 활용되는 모델을 살펴볼 텐데, 이 책에서는 오픈AI 모델과 추론 모델, 그리고 오픈 소스인 딥씨크 모델의 원리와 배경에 대해 간단히 훑어봅니다.
이어서 VectorRAG를 구현한 동일한 랭체인 코드에서 오픈AI 모델과 딥씨크 모델을 각각 사용해볼 것입니다.
이로써 실제로 두 모델의 성능 차이가 어떤지 비교해볼 수 있습니다.
딥씨크 모델은 안전하게 사용하기 위해 Ollama를 통해 로컬에 내려받아 실행합니다.

이 책의 실습 시나리오: 기초 예제 구현하기

다양한 시나리오로 랭체인을 이용해 RAG를 구현해봅니다.
예제는 누구나 따라할 수 있고, 가장 기본이 되는 쉬운 기초 예제로 준비했으며, 오픈AI 모델과 딥씨크 모델의 차이 & VectorRAG와 GraphRAG의 차이를 이해할 수 있습니다.
마지막으로 코파일럿에서도 Vector 검색과 Graph 검색이 활용되므로, 코파일럿에서 사용하는 검색 방식과 VectorRAG, GraphRAG의 차이를 간단히 비교해봅니다.

[VectorRAG 예제]

ㆍ 자동차 데이터 검색하기
ㆍ 웹 데이터 검색하기
ㆍ PDF에서 데이터 검색하기
ㆍ 랭체인 메모리 사용하기
ㆍ 여러 파일에서 데이터 가져와 검색하기

[GraphRAG 예제]

ㆍ 축구 데이터 검색하기
ㆍ PDF 파일 불러와서 검색하기
ㆍ 영화 데이터 검색하기
ㆍ 자동차 데이터 검색하기
ㆍ 건강 데이터 검색하기

[지은이 서문]

이 책은 다음과 같은 분들을 위해서 만들었습니다.

ㆍ VectorRAG와 GraphRAG의 차이를 알고 싶은 사람
ㆍ VectorRAG와 GraphRAG의 구현 방법을 알고자 하는 개발자
ㆍ OpenAI와 DeepSeek의 차이를 알고 싶은 사람
ㆍ OpenAI와 DeepSeek의 성능 차이를 확인하고 싶은 사람

아무리 LLM 기반 기술이 발전하더라도, RAG는 그 근본이 되는 핵심 개념이라 할 수 있습니다.
특히 RAG에서 중요한 역할을 하는 것이 바로 VectorRAG와 GraphRAG입니다.
이 개념을 이해하고 있다면 이후에 등장하는 다양한 기술도 어렵지 않게 따라갈 수 있을 것입니다.
이 책이 그런 기초를 다지는 데 도움이 되기를 바랍니다.