법률 AI 검색 실험기 (10) — Query Prep 마무리: 무엇을 남기고 무엇을 버렸나
법률 RAG의 query preparation 계층에서 유지한 구조화 및 라우팅 전략과 버린 재작성 및 분해 실험을 최종 정리합니다.
법률 AI 검색 실험기 (9) — Source Router: 8개 컬렉션을 지능적으로 라우팅하기
법령, 판례, 해석례 등 성격이 다른 8개 Qdrant 컬렉션을 질문에 맞게 선택하는 Source Router의 설계와 실험을 정리합니다.
법률 AI 검색 실험기 (8) — 1차 아키텍처 확정: 실험에서 운영으로
한 달간의 법률 RAG 실험을 운영 아키텍처로 전환하며 선택한 검색 파이프라인, 구성 요소와 설계 결정을 정리합니다.
법률 AI 검색 실험기 (7) — Graph RAG 도입기: Neo4j로 조문 간 의미 관계 구축
벡터 검색이 놓치는 관련 조문을 연결하기 위해 Neo4j로 법률 의미 관계 그래프를 구축하고 Graph RAG를 적용한 과정을 정리합니다.
법률 AI 검색 실험기 (6) — 하이브리드 검색과 쿼리 분해 실험기
복수 정답 법률 질문에서 벡터 및 키워드 하이브리드 검색과 쿼리 분해를 적용한 과정과 성능 변화를 정리합니다.
법률 AI 검색 실험기 (5) — Query Rewriting: 프롬프트 진화와 subQuery 실험
법률 QA 검색 품질을 높이기 위해 query rewriting 프롬프트를 개선하고 subQuery 분해를 실험한 결과와 한계를 정리합니다.
법률 AI 검색 실험기 (4) — Query Rewriting: Prerewriter 도입과 모델 비교
법률 RAG 검색어를 개선하는 Prerewriter를 도입하고 여러 LLM의 쿼리 재작성 품질, 속도와 비용을 비교합니다.
법률 AI 검색 실험기 (3) — 복수 정답 문제와 LLM Selector 모델 비교
검색 결과에 정답 근거가 있어도 최종 선택에서 누락되는 복수 정답 문제와 LLM Selector 모델별 성능을 비교합니다.