검색 증강 생성(Retrieval-augmented generation, RAG)은 대규모 언어 모델에 개인 또는 도메인별 지식을 통합하는 표준입니다. 그러나 대부분의 RAG 시스템은 검색 단계에 결함이 있어 여전히 환각을 생성합니다. 대규모 언어 모델은 받은 정보만 처리할 수 있으며, 검색된 구절이 부적절하면 모델은 지원되지 않는 정보를 만들어냅니다. 따라서 RAG 시스템의 정확성과 신뢰성은 검색 기능에 크게 좌우됩니다. 이 글은 이러한 검색 약점에 대한 해결책으로 관계 인식 검색(relationship-aware retrieval)을 탐구합니다. 실용적인 구현으로서 무료 관계 인식 벡터 데이터베이스인 RudraDB-Opin을 소개합니다. RudraDB-Opin은 학습, 프로토타이핑 및 실제 프로젝트를 위해 설계되었습니다. 상당한 수의 벡터와 관계를 처리할 수 있습니다. 이러한 용량은 상당한 지식 기반을 모델링할 수 있게 합니다. 이 데이터베이스는 기사에서 논의된 다양한 검색 패턴을 시연하는 것을 목표로 합니다.