TTS 라이브러리 MeloTTS로 한국어 음성 합성해보기
TTS( text-to-speech ) 라이브러리인 MeloTTS를 사용하여 한국어 음성을 합성해봤습니다.
Ubuntu에 간단하게 PHP 개발환경 만들기 – XAMPP
우분투에 간편하게 PHP 개발환경을 로컬에 설치하는 방법을 찾아서 진행해보았습니다. XAMPP를 설치하면 Apache, MariaDB, PHP, Perl이 한번에 설치됩니다.
윈도우와 우분투 듀얼 부팅시 윈도우 시간 안 맞는 문제 해결
윈도우와 우분투 듀얼 부팅시 윈도우의 시간 안 맞는 문제를 해결하는 방법을 다룹니다. . 2024. 4. 15 2025. 4. 20 윈도우 11에서 동작 확인 2026. 2. 14 동작확인 . . 참고한 링크에는 우분투에서 조치하는 방법과 윈도우에서 조치하는 방법을 소개하고 있습니다. 본 포스트에서는 윈도우에서 조치하는 방법을 진행해봤습니다. . . 1. 왼쪽 아래에 있는 시계에서 마우스 우클릭한 후, … 더 읽기
Reranking 개념부터 구현까지 — CrossEncoder로 RAG 검색 정확도 높이기
Reranking에 대해 다루고 있습니다. 검색 결과의 순위를 재조정하여 사용자의 쿼리 의도에 더 정확히 부합하는 문서를 상위로 올리는 것이 목적이며 RAG의 정확도를 올리기위해서 사용됩니다. . 본 포스트는 클로드의 도움을 받아 작성되었습니다. . 2026. 2. 24 최초작성 . . Reranking & CrossEncoderReranking이란?Reranking이 필요한 이유실제 문장으로 비교하는 예시CrossEncoder의 학습 방법Fine-tuning 없이 범용 모델을 사용할 수 있는 이유점수 캘리브레이션 … 더 읽기
코사인 유사도의 개념과 원리
코사인 유사도(Cosine Similarity)의 개념과 원리를 간단히 정리하고 간단한 파이썬 예제를 살펴봅니다. . 본 포스트는 클로드의 도움을 받아 작성되었습니다. . 2026. 2. 11 최초작성 . 코사인 유사도의 개념과 원리 코사인 유사도란 무엇인가 수학적 근거: 내적(Dot Product) 내적이 유사도를 측정할 수 있는 이유 왜 크기로 나누는가 코사인 유사도 vs 유클리드 거리 왜 비슷한 문장이 같은 방향의 벡터가 … 더 읽기
RAG(Retrieval-Augmented Generation) 개념 및 구현
RAG(Retrieval-Augmented Generation)를 구현하는 7가지 RAG 방법론과 공통 기반 기술을 살펴보고 간단히 구현된 코드를 살펴봅니다. 본 포스트는 클로드의 도움을 받아 작성되었습니다. 최초작성 2026. 2. 5 7가지 RAG 방법론 RAG는 단순히 “검색해서 LLM에게 주면 끝”이 아닙니다. 실제로 RAG를 구현하고 운영하다 보면 수많은 문제에 부딪히게 됩니다. 검색 결과가 엉뚱하거나, 관련 없는 문서가 섞여 들어오거나, LLM이 문서 내용을 무시하고 … 더 읽기
RAG 구현에 필요한 공통 기반 기술
RAG 구현에 필요한 공통 기반 기술 모든 RAG에 공통으로 적용되는 핵심 기반 기술을 설명합니다. 본 포스트는 클로드의 도움을 받아 작성되었습니다. A. 청킹(Chunking) 전략 왜 청킹이 중요한가? RAG 성능의 30~40%는 청킹에서 결정됩니다. 이 말이 과장이 아닙니다. 청킹이란 긴 문서를 작은 조각으로 나누는 것입니다. 이 조각들이 벡터 데이터베이스에 저장되고, 검색의 단위가 됩니다. 청킹을 어떻게 하느냐에 따라: 가 … 더 읽기
Corrective RAG (교정 RAG)
7. Corrective RAG (교정 RAG) 본 포스트는 클로드의 도움을 받아 작성되었습니다. 7.1 Corrective RAG란 무엇인가요? Corrective RAG는 “틀린 답을 전제로 설계된” RAG입니다. 검색 결과가 잘못되었거나 부족할 수 있다는 것을 인정하고, 이를 감지하고 교정하는 메커니즘을 내장하고 있습니다. 일반 RAG는 낙관적입니다. “검색하면 좋은 결과가 나올 거야”라고 가정합니다. 하지만 현실에서는: Corrective RAG는 비관적(또는 현실적)입니다. “검색 결과가 틀렸을 수 … 더 읽기
Agentic RAG (에이전트 RAG)
6. Agentic RAG (에이전트 RAG) 본 포스트는 클로드의 도움을 받아 작성되었습니다. 6.1 Agentic RAG란 무엇인가요? Agentic RAG는 RAG를 단발 호출이 아니라 행위(behavior)로 확장한 것입니다. AI가 단순히 “검색하고 답변”하는 것이 아니라, 목표를 달성하기 위해 계획 → 검색 → 실행 → 관찰 → 재계획의 사이클을 반복합니다. 일반 RAG를 생각해보면, 사용자가 질문하면 한 번 검색하고, 한 번 생성해서 … 더 읽기
Self-RAG (자기 평가 RAG)
5. Self-RAG (자기 평가 RAG) 본 포스트는 클로드의 도움을 받아 작성되었습니다. 5.1 Self-RAG란 무엇인가요? Self-RAG는 LLM이 스스로 판단하고 평가하는 RAG입니다. 핵심은 모델이 외부의 지시 없이 스스로 다음 질문들에 답한다는 것입니다: 일반 RAG는 어떤 질문이든 무조건 검색부터 합니다. 하지만 생각해보면, “1 더하기 1은?”이나 “Python에서 for 문 어떻게 써?”같은 질문에는 검색이 필요 없습니다. LLM이 이미 알고 있는 … 더 읽기