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 지어내거나, 비용이 폭발하거나… 이런 문제들을 해결하기 위해 다양한 RAG 방법론이 발전해왔습니다.

이 7가지 방법론은 서로 독립적인 것이 아니라, 문제를 인식하고 해결해나가는 진화의 과정입니다. Naive RAG의 한계를 느끼고 Advanced RAG가 나왔고, 시스템이 복잡해지면서 Modular RAG가 필요해졌고, 특수한 요구사항에 맞춰 Graph RAG, Self-RAG, Agentic RAG, Corrective RAG가 등장했습니다.

1. Naive RAG (기본 RAG)

https://webnautes.com/%EC%A0%80%EC%9E%A5%EC%86%8C/117

2. Advanced RAG (고급 RAG)

https://webnautes.com/%EC%A0%80%EC%9E%A5%EC%86%8C/120

3. Modular RAG

https://webnautes.com/%EC%A0%80%EC%9E%A5%EC%86%8C/124

4. Graph RAG (그래프 RAG)

https://webnautes.com/%EC%A0%80%EC%9E%A5%EC%86%8C/126

5. Self-RAG (자기 평가 RAG)

https://webnautes.com/%EC%A0%80%EC%9E%A5%EC%86%8C/128

6. Agentic RAG (에이전트 RAG)

https://webnautes.com/%EC%A0%80%EC%9E%A5%EC%86%8C/130