409 Agentic RAG 설계
검색, 판단, 재검색, 도구 호출, 답변 검증 단계를 에이전트 방식으로 설계해 더 능동적인 RAG 구조를 만드는 과정이다.
0. 교육을 하는 이유와 궁극적인 목표
이 교육의 궁극적 목표는 학습자가 단순 1회 검색 RAG의 한계를 이해하고, 질문을 분석해 필요한 검색 전략을 선택하고 답변을 검증하는 Agentic RAG 흐름을 설계하는 것이다.
참고한 유료형 교육 흐름
- 한국·미국·영국·유럽의 민간 AI 엔지니어링 부트캠프처럼 개념 설명보다 작동하는 검색·응답 시스템을 매 차시 완성하는 흐름
- 전문 생성형 AI 개발 과정처럼 문서 수집, 임베딩, 벡터DB, 검색, 프롬프트, 평가를 하나의 파이프라인으로 연결하는 흐름
- 기업형 AI 자동화 워크숍처럼 실제 PDF·PPT·DOCX·규정집·교육자료를 대상으로 지식베이스를 구축하는 흐름
- 상용 RAG 서비스 개발 교육처럼 보안, 정확도, 출처 표시, 검색 품질, 운영 비용, 배포 가능성을 함께 평가하는 흐름
1일차 · Agentic RAG 구조와 검색 전략 · 3시간
능동형 RAG 설계
Agentic RAG 설계 과정의 1단계 실전 개발 활동
| 구분 | 세부 내용 | 실천·실습 방법 |
|---|---|---|
| 목표 1 | 기본 RAG 한계 분석 | 단일 검색으로 답하기 어려운 비교 질문, 다단계 질문, 문서 밖 질문 사례를 테스트한다. 질문 분해, 재검색, 필터 검색, 답변 검증이 필요한 상황을 유형별로 정리한다. |
| 목표 2 | 에이전트 흐름 설계 | 질문 분석, 검색 계획, 1차 검색, 부족 판단, 재검색, 답변 작성, 검증 단계를 플로우차트로 만든다. 각 단계에서 LLM이 판단할 내용과 코드가 직접 처리할 내용을 구분한다. |
| 사용 플랫폼 | Python, LangGraph 선택, LangChain Agents 선택, LlamaIndex Workflow 선택, ChromaDB 또는 Qdrant, OpenAI API 선택 |
|---|---|
| 강사 스펙 | RAG 심화, 에이전트 워크플로우, LangGraph 또는 LangChain Agent, 검색 전략·검증 설계 지도 가능자 |
| 수업대상 | 고등학생 이상, RAG 기초 구현 경험자 또는 AI 서비스 심화 학습자 |
| 소요시간 | 총 6시간 · 1일 3시간씩 2일 편성 |
| 준비물 | 복합 질문 데이터셋, 문서 지식베이스, Python 환경, 워크플로우 설계지, API 키 선택 |
| 산출물 | Agentic RAG 설계 2일 완성 RAG 프로젝트, 코드, 테스트 질문지, 검색 품질 개선 기록 |
| 평가방법 | 실습 완성도 35%, 검색·응답 정확도 30%, 오류수정·개선 20%, 발표·문서화 15% |
2일차 · Agentic RAG 프로토타입 · 3시간
재검색·검증 시스템 구현
Agentic RAG 설계 과정의 2단계 실전 개발 활동
| 구분 | 세부 내용 | 실천·실습 방법 |
|---|---|---|
| 목표 1 | 재검색 로직 구현 | 검색 결과가 부족하거나 질문이 복합적일 때 하위 질문을 생성해 다시 검색하는 흐름을 구현한다. 검색 결과 수, 유사도 점수, 출처 다양성을 기준으로 재검색 여부를 판단한다. |
| 목표 2 | 답변 검증과 발표 | 최종 답변이 검색 근거와 일치하는지 검증 프롬프트로 확인하고 근거 없는 문장을 표시한다. 일반 RAG와 Agentic RAG 결과를 비교해 개선된 점과 비용·속도 증가 문제를 발표한다. |
| 사용 플랫폼 | Python, LangGraph 선택, LangChain Agents 선택, LlamaIndex Workflow 선택, ChromaDB 또는 Qdrant, OpenAI API 선택 |
|---|---|
| 강사 스펙 | RAG 심화, 에이전트 워크플로우, LangGraph 또는 LangChain Agent, 검색 전략·검증 설계 지도 가능자 |
| 수업대상 | 고등학생 이상, RAG 기초 구현 경험자 또는 AI 서비스 심화 학습자 |
| 소요시간 | 총 6시간 · 1일 3시간씩 2일 편성 |
| 준비물 | 복합 질문 데이터셋, 문서 지식베이스, Python 환경, 워크플로우 설계지, API 키 선택 |
| 산출물 | Agentic RAG 설계 2일 완성 RAG 프로젝트, 코드, 테스트 질문지, 검색 품질 개선 기록 |
| 평가방법 | 실습 완성도 35%, 검색·응답 정확도 30%, 오류수정·개선 20%, 발표·문서화 15% |