10분
프로젝트 제출 체크리스트
Day 5: KOSHA 안전지침 RAG 프로젝트
프로젝트 제출 체크리스트
RAG 심화 > Day 5: KOSHA 안전지침 RAG 프로젝트
학습 목표
프로젝트 완성도를 자가 점검할 수 있다
KOSHA 안전지침 RAG 프로젝트 제출 체크리스트
필수 산출물
- 데이터 전처리 - KOSHA 지침 파싱 + 청킹 + 메타데이터
- Hybrid 인덱스 - BM25 + ChromaDB 구축
- RAG 파이프라인 - Adaptive + Corrective + Safety 모드
- 안전 검증 - 경고문 자동 포함 + PPE + 법규 출처
- 평가 리포트 - RAGAS + 안전 특화 메트릭
- Go/No-Go 판단 - 배포 가능 여부 자동 판단
품질 기준
| 메트릭 | 최소 | 목표 | 내 점수 |
|---|---|---|---|
| Faithfulness | 0.95 | 0.98 | ____ |
| Answer Relevancy | 0.85 | 0.90 | ____ |
| Context Precision | 0.80 | 0.85 | ____ |
| Safety Compliance | 0.95 | 1.00 | ____ |
| Numerical Accuracy | 0.90 | 0.95 | ____ |
보너스
- 멀티모달: KOSHA 안전 표시 이미지 분석 통합
- Re-ranking: Cross-Encoder로 검색 품질 향상
- 추가 데이터: MSDS 문서 통합
- UI: Streamlit 또는 Gradio 인터페이스
- CI/CD: 평가 자동화 파이프라인
회고 질문
이번 주를 마무리하며 생각해보자:
-
가장 효과적이었던 기법은? 멀티모달, Hybrid Search, RAGAS, Self-RAG, CRAG 중 어떤 것이 제조 RAG 품질을 가장 크게 개선했는가?
-
가장 어려웠던 부분은? 구현 난이도, 디버깅, 평가 데이터 구축 중 무엇이 가장 도전적이었는가?
-
프로덕션 적용 시 추가로 필요한 것은? 보안(API 키 관리), 확장성(동시 접속), 모니터링 등 실제 배포에 필요한 추가 요소는 무엇인가?
-
안전 RAG의 한계는? AI가 안전 정보를 제공하는 것의 윤리적, 법적 한계는 무엇인가? 최종 판단은 누가 해야 하는가?
AI로 학습하기 — 꿀팁
🤖RAG 프로젝트 자가검증 체크리스트 생성AI 학습 팁
AI에게 KOSHA 안전지침 RAG 프로젝트의 완성도를 평가할 구조화된 체크리스트를 만들게 하면 놓친 항목을 빠르게 발견할 수 있다.
KOSHA 안전지침 RAG 시스템 구축 프로젝트의 제출 전 자가검증 체크리스트를 만들어줘. 다음 6개 영역별로 각 3~5개 항목을 포함해야 해: 1) 문서 전처리 및 청킹 품질, 2) 임베딩 및 벡터 DB 설정, 3) 검색 정확도(관련 KOSHA 조항이 상위 k개 안에 들어오는지), 4) 답변 신뢰성(출처 코드번호 표시 여부), 5) 안전 특수 요구사항(법적 책임 면책 문구, 최신 개정본 반영), 6) 배포 및 운영. 각 항목은 Yes/No로 체크 가능한 구체적 문장으로, 마크다운 체크박스([ ]) 형식으로 출력해줘.
이 팁이 도움이 됐나요?