랭체인으로 RAG 개발하기: VectorRAG & GraphRAG(반양장)
현직 AI Specialist에게 배우는 RAG! 파이썬, 오픈AI, Neo4j로 실습하며 개념과 원리를 이해하고, 오픈AI와 딥시크 비교 분석까지!
Regular price
$32.58
Sale price
Regular price
✈️
Estimated delivery date 예상 배송일
Standard Shipping
불러오는 중...
주문일로부터 8-12 영업일
Express Shipping
불러오는 중...
주문일로부터 6-8 영업일
VectorRAG와 GraphRAG의 차이와 구현 방법을 기본 예제로 간단히!
OpenAI와 DeepSeek의 개념과 성능 차이를 실습을 통해 직접 확인한다.
VectorRAG와 GraphRAG, 두 RAG는 서로 어떻게 다를까요? 또 각각 어떤 데이터와 시나리오에서 활용하면 좋을까요? 이 책에서는 둘의 개념 및 원리를 비교하며 쉽게 이해할 수 있게 설명합니다. 이론을 핵심 위주로 간단히 살펴보고, 랭체인을 이용해 기본적인 예제를 구현하는 방법도 알아봅니다. GraphRAG를 구현할 때는 Neo4j에 데이터를 생성하고 검색하는 여러 방법에 대해 알아볼 것입니다. VectorRAG를 구현할 때는 오픈AI 모델 뿐만 아니라 딥시크 모델도 함께 알아보고 사용해볼 것입니다. 두 모델이 어느 정도의 성능 차이를 보이는지, 딥시크 모델을 로컬에 내려받아 안전하게 실행하면서 직접 확인해볼 수 있습니다. 이 책을 통해 RAG 및 LLM의 기초를 배우고, 기본적인 구현 방법을 경험해 보세요.
OpenAI와 DeepSeek의 개념과 성능 차이를 실습을 통해 직접 확인한다.
VectorRAG와 GraphRAG, 두 RAG는 서로 어떻게 다를까요? 또 각각 어떤 데이터와 시나리오에서 활용하면 좋을까요? 이 책에서는 둘의 개념 및 원리를 비교하며 쉽게 이해할 수 있게 설명합니다. 이론을 핵심 위주로 간단히 살펴보고, 랭체인을 이용해 기본적인 예제를 구현하는 방법도 알아봅니다. GraphRAG를 구현할 때는 Neo4j에 데이터를 생성하고 검색하는 여러 방법에 대해 알아볼 것입니다. VectorRAG를 구현할 때는 오픈AI 모델 뿐만 아니라 딥시크 모델도 함께 알아보고 사용해볼 것입니다. 두 모델이 어느 정도의 성능 차이를 보이는지, 딥시크 모델을 로컬에 내려받아 안전하게 실행하면서 직접 확인해볼 수 있습니다. 이 책을 통해 RAG 및 LLM의 기초를 배우고, 기본적인 구현 방법을 경험해 보세요.
Couldn't load pickup availability
출판사 리뷰
출판사 리뷰
개념과 원리를 핵심 위주로 간단하게!
기본 예제를 구현하며 배우는 RAG 입문!
이 책에서 다루는 내용: VectorRAG & GraphRAG
LLM 관련 기술의 핵심은 RAG입니다. RAG는 데이터 성격에 따라 VectorRAG와 GraphRAG로 구분할 수 있습니다. 이 책은 RAG 개념을 비롯해, 비슷하면서도 서로 다른 VectorRAG와 GraphRAG의 개념과 원리를 비교하며 알아봅니다. 기존에 사용했던 일반적인 RAG인 VectorRAG 방식과 데이터 간의 관계를 파악하고 활용할 수 있는 GraphRAG 방식을 각각 어떤 시나리오와 데이터에서 활용하면 좋을지 살펴보고, 랭체인을 이용한 구현 방법도 알아봅니다.
이 책에서 다루는 내용: 오픈AI & 딥씨크
랭체인을 이용해 본격적으로 구현하기에 앞서 RAG에 주로 활용되는 모델을 살펴볼 텐데, 이 책에서는 오픈AI 모델과 추론 모델, 그리고 오픈 소스인 딥씨크 모델의 원리와 배경에 대해 간단히 훑어봅니다. 이어서 VectorRAG를 구현한 동일한 랭체인 코드에서 오픈AI 모델과 딥씨크 모델을 각각 사용해볼 것입니다. 이로써 실제로 두 모델의 성능 차이가 어떤지 비교해볼 수 있습니다. 딥씨크 모델은 안전하게 사용하기 위해 Ollama를 통해 로컬에 내려받아 실행합니다.
이 책의 실습 시나리오: 기초 예제 구현하기
다양한 시나리오로 랭체인을 이용해 RAG를 구현해봅니다. 예제는 누구나 따라할 수 있고, 가장 기본이 되는 쉬운 기초 예제로 준비했으며, 오픈AI 모델과 딥씨크 모델의 차이 & VectorRAG와 GraphRAG의 차이를 이해할 수 있습니다. 마지막으로 코파일럿에서도 Vector 검색과 Graph 검색이 활용되므로, 코파일럿에서 사용하는 검색 방식과 VectorRAG, GraphRAG의 차이를 간단히 비교해봅니다.
[VectorRAG 예제]
? 자동차 데이터 검색하기
? 웹 데이터 검색하기
? PDF에서 데이터 검색하기
? 랭체인 메모리 사용하기
? 여러 파일에서 데이터 가져와 검색하기
[GraphRAG 예제]
? 축구 데이터 검색하기
? PDF 파일 불러와서 검색하기
? 영화 데이터 검색하기
? 자동차 데이터 검색하기
? 건강 데이터 검색하기
기본 예제를 구현하며 배우는 RAG 입문!
이 책에서 다루는 내용: VectorRAG & GraphRAG
LLM 관련 기술의 핵심은 RAG입니다. RAG는 데이터 성격에 따라 VectorRAG와 GraphRAG로 구분할 수 있습니다. 이 책은 RAG 개념을 비롯해, 비슷하면서도 서로 다른 VectorRAG와 GraphRAG의 개념과 원리를 비교하며 알아봅니다. 기존에 사용했던 일반적인 RAG인 VectorRAG 방식과 데이터 간의 관계를 파악하고 활용할 수 있는 GraphRAG 방식을 각각 어떤 시나리오와 데이터에서 활용하면 좋을지 살펴보고, 랭체인을 이용한 구현 방법도 알아봅니다.
이 책에서 다루는 내용: 오픈AI & 딥씨크
랭체인을 이용해 본격적으로 구현하기에 앞서 RAG에 주로 활용되는 모델을 살펴볼 텐데, 이 책에서는 오픈AI 모델과 추론 모델, 그리고 오픈 소스인 딥씨크 모델의 원리와 배경에 대해 간단히 훑어봅니다. 이어서 VectorRAG를 구현한 동일한 랭체인 코드에서 오픈AI 모델과 딥씨크 모델을 각각 사용해볼 것입니다. 이로써 실제로 두 모델의 성능 차이가 어떤지 비교해볼 수 있습니다. 딥씨크 모델은 안전하게 사용하기 위해 Ollama를 통해 로컬에 내려받아 실행합니다.
이 책의 실습 시나리오: 기초 예제 구현하기
다양한 시나리오로 랭체인을 이용해 RAG를 구현해봅니다. 예제는 누구나 따라할 수 있고, 가장 기본이 되는 쉬운 기초 예제로 준비했으며, 오픈AI 모델과 딥씨크 모델의 차이 & VectorRAG와 GraphRAG의 차이를 이해할 수 있습니다. 마지막으로 코파일럿에서도 Vector 검색과 Graph 검색이 활용되므로, 코파일럿에서 사용하는 검색 방식과 VectorRAG, GraphRAG의 차이를 간단히 비교해봅니다.
[VectorRAG 예제]
? 자동차 데이터 검색하기
? 웹 데이터 검색하기
? PDF에서 데이터 검색하기
? 랭체인 메모리 사용하기
? 여러 파일에서 데이터 가져와 검색하기
[GraphRAG 예제]
? 축구 데이터 검색하기
? PDF 파일 불러와서 검색하기
? 영화 데이터 검색하기
? 자동차 데이터 검색하기
? 건강 데이터 검색하기
목차
목차
1장 VectorRAG & GraphRAG 개념 이해하기
1.1 RAG란 무엇인가?
___1.1.1 RAG란?
___1.1.2 RAG의 필요성
___1.1.3 RAG 핵심 원리
___1.1.4 RAG 구현 방법
1.2 VectorRAG란 무엇인가?
___1.2.1 벡터란?
___1.2.2 벡터 처리 과정
___1.2.3 벡터 저장소
___1.2.4 VectorRAG란?
___1.2.5 VectorRAG는 언제 사용하나요?
1.3 GraphRAG란 무엇인가?
___1.3.1 그래프란?
___1.3.2 GraphDB: Neo4j
___1.3.3 GraphRAG란?
___1.3.4 GraphRAG는 언제 사용하나요?
2장 OpenAI 개념과 원리 이해하기
2.1 OpenAI란?
2.2 OpenAI 모델
___2.2.1 GPT 시리즈
___2.2.2 ChatGPT
___2.2.3 DALL·E 시리즈
___2.2.4 Whisper
___2.2.5 Sora
___2.2.6 임베딩
2.3 ChatGPT의 원리
___2.3.1 트랜스포머란?
___2.3.2 트랜스포머가 등장한 이유
2.4 OpenAI 추론 모델: o3-mini
___2.4.1 추론을 해야 하는 질문
___2.4.2 정답이 확실한 질문
2.5 OpenAI 모델 사용 시 고려사항
3장 DeepSeek 개념과 원리 이해하기
3.1 DeepSeek란?
3.2 DeepSeek가 부각된 배경
3.3 DeepSeek-R1의 원리
3.4 DeepSeek 모델
3.5 DeepSeek 모델 사용 시 고려사항
4장 실습 환경 준비하기
4.1 아나콘다 설치 및 구성
___4.1.1 아나콘다 설치하기
___4.1.2 아나콘다 가상 환경 구성하기
4.2 API 키 준비하기
4.3 DeepSeek 모델 준비하기
4.4 Neo4j 설치 및 구성하기
___4.4.1 Neo4j 설치하기
___4.4.2 Neo4j 사용 방법 익히기
___4.4.3 Neo4j에서 Cypher 사용하기
5장 VectorRAG 실습: OpenAI API 사용
5.1 자동차 데이터 검색하기
5.2 웹 데이터 검색하기
5.3 PDF에서 다육이 데이터 검색하기
5.4 랭체인의 메모리 사용하기
5.5 여러 파일에서 데이터 가져와 검색하기
5.6 랭체인 & 라마인덱스 비교
5.7 VectorRAG에 부적합한 사례
6장 VectorRAG 실습: DeepSeek 모델 사용
6.1 자동차 데이터 검색하기
6.2 웹 데이터 검색하기
6.3 PDF에서 다육이 데이터 검색하기
6.4 랭체인의 메모리 사용하기
6.5 여러 파일에서 데이터 가져와 검색하기
7장 GraphRAG 실습
7.1 랭체인에서 그래프 사용하기
7.2 축구 데이터 검색하기
___7.2.1 축구 데이터 생성하기
___7.2.2 축구 데이터 검색하기
7.3 PDF 파일 불러와서 검색하기
7.4 영화 데이터 검색하기
___7.4.1 영화 데이터 생성하기
___7.4.2 영화 데이터 검색하기
7.5 자동차 데이터 검색하기
___7.5.1 자동차 데이터 생성하기
___7.5.2 자동차 데이터 검색하기
7.6 건강 데이터 검색하기
___7.6.1 건강 데이터 생성하기
___7.6.2 건강 데이터 검색하기
8장 Copilot과 GraphRAG 비교 및 RAG의 사회적 영향
8.1 Copilot에서 사용하는 그래프 기반 검색과 GraphRAG 비교
___8.1.1 Copilot에서 사용하는 검색
___8.1.2 일반적인 RAG와 Copilot 검색 비교
8.2 RAG 패러다임 이후: 다음 단계는?
___8.2.1 RAG의 한계와 발전 방향
___8.2.2 AI Agent와 강화학습
8.3 RAG의 사회적 영향
___8.3.1 신뢰성과 투명성 문제
___8.3.2 AI의 윤리적 고려 사항
___8.3.3 정책 및 규제 이슈
8.4 인간 삶의 변화
___8.4.1 업무의 변화
___8.4.2 개인 삶의 변화
찾아보기
1.1 RAG란 무엇인가?
___1.1.1 RAG란?
___1.1.2 RAG의 필요성
___1.1.3 RAG 핵심 원리
___1.1.4 RAG 구현 방법
1.2 VectorRAG란 무엇인가?
___1.2.1 벡터란?
___1.2.2 벡터 처리 과정
___1.2.3 벡터 저장소
___1.2.4 VectorRAG란?
___1.2.5 VectorRAG는 언제 사용하나요?
1.3 GraphRAG란 무엇인가?
___1.3.1 그래프란?
___1.3.2 GraphDB: Neo4j
___1.3.3 GraphRAG란?
___1.3.4 GraphRAG는 언제 사용하나요?
2장 OpenAI 개념과 원리 이해하기
2.1 OpenAI란?
2.2 OpenAI 모델
___2.2.1 GPT 시리즈
___2.2.2 ChatGPT
___2.2.3 DALL·E 시리즈
___2.2.4 Whisper
___2.2.5 Sora
___2.2.6 임베딩
2.3 ChatGPT의 원리
___2.3.1 트랜스포머란?
___2.3.2 트랜스포머가 등장한 이유
2.4 OpenAI 추론 모델: o3-mini
___2.4.1 추론을 해야 하는 질문
___2.4.2 정답이 확실한 질문
2.5 OpenAI 모델 사용 시 고려사항
3장 DeepSeek 개념과 원리 이해하기
3.1 DeepSeek란?
3.2 DeepSeek가 부각된 배경
3.3 DeepSeek-R1의 원리
3.4 DeepSeek 모델
3.5 DeepSeek 모델 사용 시 고려사항
4장 실습 환경 준비하기
4.1 아나콘다 설치 및 구성
___4.1.1 아나콘다 설치하기
___4.1.2 아나콘다 가상 환경 구성하기
4.2 API 키 준비하기
4.3 DeepSeek 모델 준비하기
4.4 Neo4j 설치 및 구성하기
___4.4.1 Neo4j 설치하기
___4.4.2 Neo4j 사용 방법 익히기
___4.4.3 Neo4j에서 Cypher 사용하기
5장 VectorRAG 실습: OpenAI API 사용
5.1 자동차 데이터 검색하기
5.2 웹 데이터 검색하기
5.3 PDF에서 다육이 데이터 검색하기
5.4 랭체인의 메모리 사용하기
5.5 여러 파일에서 데이터 가져와 검색하기
5.6 랭체인 & 라마인덱스 비교
5.7 VectorRAG에 부적합한 사례
6장 VectorRAG 실습: DeepSeek 모델 사용
6.1 자동차 데이터 검색하기
6.2 웹 데이터 검색하기
6.3 PDF에서 다육이 데이터 검색하기
6.4 랭체인의 메모리 사용하기
6.5 여러 파일에서 데이터 가져와 검색하기
7장 GraphRAG 실습
7.1 랭체인에서 그래프 사용하기
7.2 축구 데이터 검색하기
___7.2.1 축구 데이터 생성하기
___7.2.2 축구 데이터 검색하기
7.3 PDF 파일 불러와서 검색하기
7.4 영화 데이터 검색하기
___7.4.1 영화 데이터 생성하기
___7.4.2 영화 데이터 검색하기
7.5 자동차 데이터 검색하기
___7.5.1 자동차 데이터 생성하기
___7.5.2 자동차 데이터 검색하기
7.6 건강 데이터 검색하기
___7.6.1 건강 데이터 생성하기
___7.6.2 건강 데이터 검색하기
8장 Copilot과 GraphRAG 비교 및 RAG의 사회적 영향
8.1 Copilot에서 사용하는 그래프 기반 검색과 GraphRAG 비교
___8.1.1 Copilot에서 사용하는 검색
___8.1.2 일반적인 RAG와 Copilot 검색 비교
8.2 RAG 패러다임 이후: 다음 단계는?
___8.2.1 RAG의 한계와 발전 방향
___8.2.2 AI Agent와 강화학습
8.3 RAG의 사회적 영향
___8.3.1 신뢰성과 투명성 문제
___8.3.2 AI의 윤리적 고려 사항
___8.3.3 정책 및 규제 이슈
8.4 인간 삶의 변화
___8.4.1 업무의 변화
___8.4.2 개인 삶의 변화
찾아보기
저자
저자
서지영
마이크로소프트에서 Data & AI Specialist로 근무 중이며, 정보관리기술사와 컴퓨터시스템응용기술사로 20년 넘게 IT 분야에서 일하고 있다. 고려대학교 대학원에서 빅데이터 및 인공지능에 대한 전문적인 연구를 진행하면서 『모두의 인공지능 기초 수학』(길벗, 2020), 『딥러닝 텐서플로 교과서』(길벗, 2021), 『딥러닝 파이토치 교과서』(길벗, 2022), 『챗GPT, 거부할 수 없는 미래』(길벗, 2023) 『랭체인으로 LLM 기반의 AI 서비스 개발하기』(길벗, 2024), 『랭체인 & 랭그래프로 AI 에이전트 개발하기』(길벗, 2025) 등을 저술했다.
Payment & Security
Payment methods
Your payment information is processed securely. We do not store credit card details nor have access to your credit card information.

