"RAG가 정확히 무엇인가요? 간단히 말해, 검색 증강 생성(Retrieval-Augmented Generation)의 약자입니다. 이 두 가지 측면, 즉 검색(retrieval)과 생성(generation)에 집중해 봅시다. 일반적인 생성형 AI(GenAI)의 경우, 사용자가 프롬프트(prompt)를 제공하면 GenAI 애플리케이션은 대규모 언어 모델을 사용하여 프롬프트에 대한 적절한 응답을 생성합니다. 이제 다양한 소스에서 정보를 검색한 다음 검색된 정보를 기반으로 응답을 생성하는 애플리케이션을 상상해 보세요. 이것이 바로 RAG GenAI가 작동하는 방식입니다. 생성된 예시에 컨텍스트를 제공합니다. 예시를 통해 더 자세히 살펴보겠습니다. GenAI 애플리케이션에 "고객 데이터베이스를 백업하는 가장 좋은 방법은 무엇인가요?"와 같은 질문을 한다면, 아마도 일반적인 답변만 나올 것입니다. 제가 말하고 있는 고객 데이터베이스의 세부 정보를 알지 못할 것입니다. 이제 모든 세부 정보가 포함된 설계 문서가 있다고 가정해 보겠습니다. 이 문서에는 데이터 스토어에 대한 섹션이 있고 Amazon DynamoDB에서 호스팅되는 고객 데이터베이스를 명시적으로 나열합니다. 이 설계 문서는 조직의 SharePoint에 업로드됩니다. 따라서 애플리케이션은 먼저 SharePoint에서 컨텍스트 정보를 검색하고, 검색된 정보로 프롬프트를 증강한 다음, 이를 기반으로 응답을 생성합니다. 이 경우 애플리케이션은 DynamoDB 데이터베이스를 백업하는 전략을 제공하고 설계 문서의 관련 섹션을 안내해 줄 것입니다."