[#4 LLM Tutorial With RAG] LLM의무한한 가능성을 해방하는 LangChain

간단 소개

LangChain을 활용하여 LLM의 RAG 파이프라인을 구축하고, 웹 크롤링 기반 벡터 스토어 생성 및 정보 검색 방법을 소개합니다.

AI Summary

LangChain Expression Language (LCEL) 기초 및 응용
- LCEL을 사용하여 질문 -> LLM -> 답변 파이프라인을 정의하고 구현합니다.
- RAG를 위한 질문 -> 관련 정보 검색 -> 질문+관련 정보 -> LLM -> 답변 파이프라인을 LCEL로 구축합니다.
웹 크롤링을 통한 벡터 스토어 생성
- 인터넷 기사를 크롤링하여 RAG 시스템의 핵심 요소인 벡터 스토어를 구축합니다.
- Chunking/Splitting을 통해 참고 문서를 적절한 단위로 분할하여 정보 소실을 최소화합니다.
LCEL을 활용한 RAG 구현
- Retriever를 사용하여 벡터 스토어에서 관련 정보를 검색하고, 검색된 정보를 LLM에 제공하여 답변의 정확도를 향상시킵니다.
- RAG 적용 전후의 답변을 비교하여 RAG의 효용성을 입증합니다.