Weaviate가 RAG 애플리케이션을 어떻게 가능하게 하는지 알아보세요! Retrieval–Augmentation–Generation의 각 단계를 직접 구현해 보며 RAG 워크플로를 처음부터 끝까지 손으로 만들어 봅니다. 이 이해를 바탕으로 2장에서는 Weaviate를 사용해 더 견고하고 최적화된 RAG 워크플로를 구축하게 됩니다.

RAG으로 시작해 더 풍부하게!

LLM으로 텍스트 생성하기

텍스트 임베딩 생성하기

텍스트 임베딩 비교하기

"R", "A", "G"를 하나로 묶기

Weaviate로 배우는 RAG 기본기

RAG 워크플로를 직접 코딩하는 것도 좋지만, Weaviate 같은 도구가 제공하는 최적화를 놓칠 수 있어요. 이 장에서는 임베딩, 저장, 검색, 응답 생성을 모두 Weaviate 하나로 처리해 봅니다!

Weaviate로 RAG 워크플로 실행하기

PDF 텍스트 추출과 청킹(Chunking)

Weaviate 시작하기

Weaviate에서 쿼리 실행하기

처음부터 끝까지 RAG

Weaviate로 End-to-End RAG 구축

이전 장에서는 PDF 문서의 텍스트만 사용해 문서 청크를 만들고, 이미지 콘텐츠는 제외했어요. 이로 인해 검색과 생성에 유용할 수 있는 문맥이 많이 손실됩니다! 이번 장에서는 ColPali 멀티모달 모델을 사용해 텍스트와 이미지를 함께 임베딩하고 생성하여, 모델 응답에 더 풍부한 문맥을 제공해 보겠습니다.

텍스트와 이미지로 RAG 구현하기

멀티모달 RAG 준비하기

Weaviate로 Multi-Modal RAG 수행하기

축하합니다!

멀티모달 RAG

간단한 LLM 호출부터 Weaviate를 활용한 멀티모달 RAG 워크플로까지 단계별로 배워 보세요! PDF 문서를 처리해 문단, 제목, 표 등 핵심 텍스트를 추출하는 방법을 익힙니다. 이 데이터를 Weaviate에 임베딩하고 저장하여 검색에 활용하고, 생성 모델에 전달할 효과적인 검색 프롬프트를 설계해 볼 거예요. 마지막으로, PDF를 이미지처럼 다뤄 그래프나 도표에서 놓친 문맥까지 포착합니다. ColPali 멀티모달 임베딩 모델과 OpenAI의 멀티모달 생성 모델을 함께 사용해 이미지와 문서를 대상으로 대화형 질의응답을 시작해 보세요!

Working with the OpenAI API

Weaviate로 RAG 마스터하기! 텍스트와 이미지를 임베드하고 벡터, BM25, 하이브리드 검색 실험하기.

Weaviate로 배우는 End-to-End RAG

Weaviate로 RAG 마스터하기! 검색용 텍스트와 이미지를 임베드하고, vector, BM25, hybrid search를 실험합니다.

"R", "A", "G"를 하나로 묶기

Weaviate로 배우는 End-to-End RAG

연습 안내

실습형 인터랙티브 연습문제