본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.
https://fastcampus.info/4n8ztzq
(~6/20) 50일의 기적 AI 환급반💫 | 패스트캠퍼스
초간단 미션! 하루 20분 공부하고 수강료 전액 환급에 AI 스킬 장착까지!
fastcampus.co.kr
이번 실습은 기존의 단순한 청킹 방식을 뛰어넘어 계층적 구조를 활용한 Parent-Child Document RAG 시스템을 직접 구현해볼 수 있는 매우 유익한 시간이었습니다.
가장 인상 깊었던 부분은 Parent-Child 청킹 전략의 효과였습니다. Parent 청크(2000자)와 Child 청크(400자)로 나누어 저장하는 방식이 처음에는 복잡해 보였지만, 실제로 구현해보니 그 장점이 명확했습니다. Child 청크로 정밀한 검색을 수행한 후 Parent 청크로 맥락을 제공하는 방식은 검색 정확도와 맥락 보존이라는 두 마리 토끼를 잡는 효과적인 해결책이었습니다.
Docling을 활용한 PDF-to-Markdown 변환 부분도 특히 흥미로웠습니다. 단순히 텍스트를 추출하는 것이 아니라 문서의 구조적 정보(헤더, 섹션 등)를 보존하면서 MarkdownHeaderTextSplitter로 의미 단위별로 분할하는 과정은 실무에서 바로 활용할 수 있는 실용적인 기술이었습니다.
기술적으로는 QdrantVectorStore와 InMemoryStore의 조합, 그리고 ParentDocumentRetriever의 동작 원리를 이해하는 과정이 도전적이었지만, 실습을 통해 각 컴포넌트가 어떻게 연동되는지 체감할 수 있었습니다. 특히 bge-m3 임베딩 모델을 Ollama를 통해 로컬에서 활용하는 방식은 비용 효율적인 RAG 시스템 구축에 대한 새로운 관점을 제공했습니다.
아쉬운 점이 있다면, 다양한 문서 유형(표, 이미지 포함 문서 등)에서의 성능 비교나 청킹 사이즈 최적화에 대한 더 깊은 실험이 있었다면 좋았을 것 같습니다. 하지만 전반적으로 이론과 실습의 균형이 잘 잡힌 강의였으며, 실무에서 고품질 RAG 시스템을 구축하는 데 필요한 핵심 개념들을 탄탄히 익힐 수 있는 시간이었습니다.
하지만 실습에 대해서 이론적으로 어떻게 하는건지 설명이 자세해서 더욱 좋은 시간이였습니다.
