PK-PDCA 브릿지
글자 크기
색

검색 증강 생성 (RAG) — 내 자료를 붙여 답하게

모델이 답하기 전에 지정한 문서에서 관련 부분을 찾아 붙여 답하는 방식이며, 노트북LM·프로젝트 파일이 이것이다.

쉬운 해설

검색 증강 생성(RAG, Retrieval-Augmented Generation)은 AI가 기억에만 의존하지 않고, 내가 준 자료에서 먼저 찾아 읽은 뒤 답하게 하는 방식입니다. 오픈북 시험과 같습니다.

사용자 입장에서는 도구가 이미 해 줍니다. 구글 노트북LM에 PDF를 올리거나, 클로드·챗GPT의 프로젝트에 파일을 넣으면 그 안에서 근거를 찾아 답하고 출처 위치를 보여 줍니다(기준 2026-09).

장점은 환각이 줄고 출처를 확인할 수 있다는 것, 한계는 자료에 없는 것은 답하지 못하거나 다시 기억으로 메운다는 것입니다. 그래서 "자료에 없으면 없다고 말해"라는 한 줄을 늘 붙입니다.

암기법
오픈북 시험 — 책(내 자료)을 먼저 펴고 답하게 한다.

예시 프롬프트

대괄호 [슬롯]은 프롬프트의 칸 이름, 중괄호 {빈칸}은 채울 값입니다. 복사하면 「내 프롬프트 보관함」에도 쌓입니다.

기본 · 내 자료 안에서만 답하기
[R·역할] 당신은 첨부한 자료만 근거로 답하는 조사원입니다.
[목표] 첨부 자료에서 {알고 싶은 것: 예 — 지원 자격과 제출 서류}를 찾아 정리해 주세요.
[규칙] 자료에 있는 내용만 쓰고, 문장마다 어느 자료 몇 쪽인지 표시하세요. 자료에 없으면 "자료에 없음"이라고 쓰세요.
[형식] 표(항목 · 내용 · 출처 위치).

인쇄 버튼이 동작하지 않는 환경에서는 「새 창에서 열기」 후 Ctrl+P(휴대폰: 공유→인쇄)를 누르면 PDF로 저장됩니다.