DEVOCEAN

주요 안건

• 각자 준비한 RAG 관련 내용 공유

공유 내용

효상님: GraphRAG 활용기

• Microsoft GraphRAG를 이용해 LLM 기반 지식 그래프 생성·검색 테스트 진행

• 기존 VectorDB 기반 RAG와 달리 Entity-Relationship 기반 탐색 가능

• 테스트 사례: 『어린왕자』 텍스트로 지식 그래프 구축 → 질의 응답 실험

• 장점: 포괄적 질문 대응 가능, 탐색성 향상

• 한계: 그래프 복잡성 관리 및 오류 조정이 어려움

현우님: YouTube 댓글 분석 RAG 시스템

• 문제: YouTube 댓글 수천 개를 일일이 읽기 어려움 (정렬·검색 한계, 감정 분석 부재)

• 해결: 댓글 수집 → 벡터DB(Qdrant) 저장 → LangGraph 오케스트레이션 → LLM 응답 생성

• 기술 스택: YouTube API, LangGraph, Qdrant, Gemini 2.5 Flash

• 장점: 시청자 반응을 자연어 질의 → 요약 응답으로 변환

• 한계: 단순 키워드 기반 쿼리 분류, 재수집 비효율성, 다국어 처리 문제

다연님: RAG & Agent 개념 정리

• RAG 기본 원리: 검색 결과를 LLM에 제공해 답변 생성 → 최신성·정확성·출처 확보

• 사례: 정책 공약 챗봇 (PDF 수집→벡터DB→검색·출처 제공)

• Agent와 Workflow 비교

  • Workflow: 정해진 순서 기반, 안정적

  • Agent: 상황별 동적 판단 기반, 유연·적응적

• 사례: ERP 데이터 분석 Agent (NL→SQL 변환→쿼리 실행→시각화)

• 도구: Langflow, n8n 등 비개발자도 쉽게 RAG/Agent 구성 가능

필규님: GPT Agent 모드 업데이트 공유

• 최근 업데이트 내용 요약:

  • 멀티모달 입력 지원 확대 (텍스트 + 파일 기반 프롬프트)

  • 지속적 메모리 기능 강화 → 세션 간 컨텍스트 유지 가능

  • 에이전트 오케스트레이션 개선 → 외부 API·플러그인 호출이 더욱 유연해짐

다인님: Text-to-SQL 난제 정리

• Text2SQL 정의: 자연어 → SQL 변환

• 어려움

  1. 비즈니스 맥락 부족: 스키마+도메인 지식 결합 필요

  2. 사용자 의도 파악: 모호한 질의 → 환각 발생 가능

  3. SQL 방언 차이: DBMS별 함수·문법 차이로 일관성 저하

• 결론: 한계는 있으나, AWS/GCP 등 주요 클라우드 기업이 활발히 연구 중

향후 일정

• 다음 모임: 9/10(수) 저녁

• 스터디 진행: 저녁식사 + 반주로 대체

• 11월 말 성광 발표회: 주제 및 진행 형태 논의 예정

• 스터디 과제: 자유 주제 → 동일 방식으로 블로그 작성