특정 YouTube 영상의 댓글에 대한 자연어 분석 RAG 시스템 개발 with LangGraph + Qdrant
YouTube 댓글의 정보 과부하를 RAG로 해결하는 분석 시스템을 LangGraph와 Qdrant로 구현했습니다.댓글 수집, 의미 검색, 응답 생성을 분리하고 MVP 한계와 개선점까지 정리했습니다.
#RAG#LangGraph
71005분
필터 1
RAG 시대, Vector DB 비교 가이드: Vespa vs Milvus vs Qdrant
RAG 구현에 필요한 벡터 DB로 Vespa, Milvus, Qdrant를 설치·사용성·성능 기준으로 비교했습니다. 프로젝트 규모와 검색 요구사항에 따라 적합한 선택지를 정리했습니다.
#RAG#Vector DB
163005분
영화 추천 여정으로 이해하는 Qdrant 벡터 데이터베이스
Qdrant의 Collection, Point, CRUD, 검색 기능을 영화 추천 예시로 설명했습니다. 벡터 검색과 필터, Scroll로 유사 영화 추천과 대용량 탐색을 다루었습니다.
#Qdrant#RAG
23005분
RAG의 발전과 효용성에 대한 소회
RAG는 LLM의 한계를 보완하며 실무에서 빠르게 활용할 수 있는 방식으로 정리했습니다. 다만 성능은 문서 추출과 임베딩, 커스터마이징 이해도에 크게 좌우된다고 보았습니다.
#RAG#LLM
29005분
AKS에 Qdrant 배포하기: 쉽게 시작하는 Qdrant와 RAG 개발 환경
AKS에 Qdrant를 배포해 RAG 개발 환경을 빠르게 구성하는 방법을 소개했습니다. Kubernetes 설정과 Ingress 튜닝으로 저장성과 외부 접근성을 확보했습니다.
#Kubernetes#RAG
37005분