▶️25분

[영상] GraphRAG 실무 적용 심층탐구

KG 기반 Q&A

학습 목표

Vector RAG / GraphRAG / Hybrid RAG 세 패턴의 검색 흐름과 비용 구조를 비교한다 Microsoft GraphRAG 의 'Community Detection + Summarization' 단계가 왜 글로벌 질의에 강한지 설명한다 엔티티 추출 → 관계 구축 → 커뮤니티 탐지 → 요약까지의 파이프라인을 다이어그램으로 그릴 수 있다 프로덕션 GraphRAG 의 비용 (인덱싱 비용 vs 질의 비용) 트레이드오프를 인식한다

플레이어 로딩 중...

핵심 포인트

• Vector RAG 는 '비슷한 청크 검색' — 추론 불가. GraphRAG 는 '연결된 사실 탐색' — Why/How 답변 가능
• Microsoft GraphRAG 는 인덱싱 비용이 크지만(1회), 글로벌 요약 질의에 LLM 콜 수십 분의 1로 줄임
• 실무 권장: 로컬 사실 질의 = Vector RAG 단독으로 충분, 글로벌/구조 질의 = GraphRAG 가 압승
• 엔티티 추출 품질이 전체 시스템을 결정 — 도메인 사전 + few-shot 예시가 정확도의 80%

이전 다음