재순위화·질의 분해·Agentic Retrieval

개요

추가 검색 단계의 이득과 비용을 평가한다.

먼저 키워드·벡터·하이브리드 검색, Context Engineering의 핵심 개념을 확인하세요.

핵심 개요

재순위화는 이미 찾은 후보를 질문과의 관련성으로 다시 정렬하는 단계입니다. 후보 검색에서 빠진 문서를 재순위화만으로 되살릴 수는 없습니다.

질의 분해는 복합 질문을 부분 질문으로 나누는 방법이고 Agentic Retrieval은 결과에 따라 검색 계획을 바꾸는 접근입니다. 검색 횟수와 지연·권한·중단 조건을 제한해야 합니다.

필요한 용어

• 재순위화: 기존 후보의 관련성 순서를 다시 계산하는 작업
• 질의 분해: 여러 사실이 필요한 질문을 부분 질문으로 나누는 작업

작동 과정

1. 질문이 요구하는 사실과 근거를 분해합니다.
2. 각 검색의 후보·권한·문서 ID를 기록합니다.
3. 재순위화 뒤 근거 충족과 실행 예산을 확인합니다.

풀이 예제

아래 입력과 기록은 직접 만든 교육용 가상 자료입니다.

입력·조건

질문은 두 지역의 최신 환불 규정을 비교하는 것입니다. 후보에는 지역 A 문서만 있습니다.

판단·결과

지역 B의 자료를 추가로 찾아야 하며 A 후보의 순서를 바꾸는 것으로는 충분하지 않습니다.

이렇게 판단한 이유

정렬 품질과 후보의 범위는 다른 문제입니다. 필요한 사실을 모두 덮는지 별도 확인해야 합니다.

흔한 실패와 복구

재순위 점수가 높다는 이유로 최신성·권한 검사를 생략하지 않습니다. 관련성과 적용 가능성은 별도입니다.

확인 문제

참고 자료

1. Microsoft: Retrieval augmented generation  — 검색과 모델 입력 결합의 단계.
2. Anthropic: Building effective agents  — 고정 workflow와 자율 agent의 설계 패턴.

자료 확인: 2026-10-21. 사례·문항·실습은 자체 제작했습니다. 외부 서비스 호출과 실제 모델 품질 측정은 학습자가 별도 환경에서 수행합니다.

검색 에이전트가 같은 문서를 반복 검색하며 답을 내지 못합니다. 중단·추가 검색·보류 조건을 설계하세요.