회사의 가장 중요한 인프라 운영 규칙은 노션의 깊숙한 페이지에 숨겨져 있고, 이번 달 마케팅 집행 지표는 모 대리 컴퓨터 바탕화면에 이름 모를 엑셀 파일로 방치되어 있으며, 시스템의 가장 치명적인 예외 조항이나 장애 복구 히스토리는 오직 퇴사를 한 달 앞둔 박 부장님의 머릿속에만 가물가물하게 존재합니다. 직장인이라면 하루에도 수십 번씩 마주하는 이 끔찍한 ‘정보의 파편화’ 현상은 인간 … 더 읽기
LLM RAG에 대한 글을 공유 받고, 이 글을 AI와 공부한 내용을 정리해서 업로드 합니다. [LINK] 1. 지식의 작업실: Obsidian을 위키의 IDE로 활용하기 LLM 위키를 구축하기 위한 가장 강력한 도구는 옵시디언(Obsidian)임. 옵시디언은 단순한 메모 앱이 아니라, 로컬 마크다운 파일을 기반으로 지식의 연결망을 시각화해주는 지식 관리 환경(IDE)이라는 것이다. 카파시는 “옵시디언은 IDE이고, LLM은 프로그래머이며, 위키는 코드베이스”라고 비유했음. 옵시디언을 … 더 읽기
LLM RAG에 대한 글을 공유 받고, 이 글을 AI와 공부한 내용을 정리해서 업로드 합니다. [LINK] 1. 지식의 위계 질서: Raw, Wiki, Schema의 3층 구조 설계 LLM 위키가 단순한 파일 뭉치로 전락하지 않으려면 엄격한 계층 구조가 필요함. 안드레이 카파시는 이를 세 가지 층위로 구분하여 관리할 것을 제안했음. ㄱ. 첫 번째 층은 ‘Raw Sources(원천 데이터)’임. 이것은 수정이 … 더 읽기
LLM RAG에 대한 글을 공유 받고, 이 글을 AI와 공부한 내용을 정리해서 업로드 합니다. [LINK] 1. 기존 RAG 방식의 구조적 결함과 지식의 휘발성 현재 대부분의 AI 서비스가 채택하고 있는 RAG(Retrieval-Augmented Generation)는 사용자의 질문이 들어오는 순간 관련 문서를 검색하여 답변을 생성하는 방식임. 하지만 이 방식은 근본적인 한계를 지니고 있다는 것이다. 질문이 발생할 때마다 원시 데이터(Raw Data)에서 … 더 읽기
