도넛의용기_IT

https://api.ncloud-docs.com/docs/clovastudio-ragreasoning RAG Reasoning api.ncloud-docs.com 위의 내용은 RAG Reasoning의 공식 문서이다. 이번에 RAG Reasoning을 조금 더 쉽게 이해하려면 요청 응답 예시와 파라미터를 살펴보는게 좋을 것 같다. 그 전에 RAG Reasoning의 작동 방식을 이해하는게 좋다.간단하게 사용자 질문을 입력AI가 답변에 필요한 검색 함수(Function)를 선택해 호출검색 결과(문서 등)를 받아, 그 근거를 바탕으로 최종 답변을 생성이렇게 3단계로 나누어진다. Step 1 . 유저의 요청curl --location --request POST 'https://clovastudio.strea..

https://api.ncloud-docs.com/docs/clovastudio-reranker 리랭커 api.ncloud-docs.com우선 위의 내용은 리랭커를 활용하는 방법에 대한 공식 문서이다. "검색한 문서와 사용자 쿼리 간 연관도를 평가하여 관련성 높은 문서들을 선택하고, 그 결과를 요약 및 압축하여 RAG 답변을 생성합니다. 전체 검색 문서가 아닌 사용자 쿼리와 연관도가 높은 문서만 선별하여 사용하기 때문에 토큰 소비를 효율적으로 절감하면서도 신뢰도 높은 결괏값을 얻을 수 있습니다." 라고 문서에 작성되어있는데 https://www.ncloud-forums.com/topic/525/ 리랭커 활용법 : CS 문의에 답변하는 RAG 시스템 구현하기최근 LLM을 활용한 RAG 시스템 구축이 활발..

미래에셋 AI 페스티벌에 참여하며....RAG를 다뤄볼 기회가 생겼다.https://github.com/rlaalsgh988238/AnalystAI GitHub - rlaalsgh988238/AnalystAI: 2025 미래에셋증권 AI 페스티벌2025 미래에셋증권 AI 페스티벌. Contribute to rlaalsgh988238/AnalystAI development by creating an account on GitHub.github.com(자세한 내용은 리드미에...) 우선 간략하게 RAG에 대해서 설명하자면 검색기반 생성형 AI이다.https://guide.ncloud-docs.com/docs/rag-overview AI를 사용하면 할루시네이션이 자주 발생하게 되는데 검색 기반으로 답변을 생성..