Docs faviconDOCS우성짱의 문서
Tag7건YouTube 4Article 3

#vector-search

이 태그와 연결된 문서를 한곳에서 모아보고, 함께 자주 등장하는 연관 태그까지 이어서 탐색할 수 있습니다.

연관 태그

#accuracy-parity공동문서 1 · 연관도 38%#agent-memory-layering공동문서 1 · 연관도 38%#automated-web-research공동문서 1 · 연관도 38%#centralized-metric-definitions공동문서 1 · 연관도 38%#configurable-private-execution공동문서 1 · 연관도 38%#context-linking공동문서 1 · 연관도 38%#context-persistence-operations공동문서 1 · 연관도 38%#cubesemanticloader공동문서 1 · 연관도 38%#curated-recall-layer공동문서 1 · 연관도 38%#daily-memory공동문서 1 · 연관도 38%

문서 목록

총 7건 중 1-7건

RAG 5분만에 설명해드림 - RAG가 뭔지 모르면 AI 답변은 전부 틀릴 수 있습니다
YouTube2026년 10월 26일

RAG 5분만에 설명해드림 - RAG가 뭔지 모르면 AI 답변은 전부 틀릴 수 있습니다

RAG는 필요한 자료를 찾아 AI 답변의 근거로 붙이는 방식이며, 이를 썼다는 사실만으로 답을 믿지 말고 원문부터 최종 답변까지 확인해야 한다.

ZeroCho TV
#document-chunking#keyword-search#vector-search#evidence-verification
[한영자막] 코딩 에이전트의 Agentic Search와 Vector Search, 직접 평가해봤습니다 — Braintrust
YouTube2026년 10월 15일

[한영자막] 코딩 에이전트의 Agentic Search와 Vector Search, 직접 평가해봤습니다 — Braintrust

Braintrust의 코딩 에이전트 비교 실험에서는 Agentic Search와 Vector Search의 정확도가 같았지만, Vector Search의 비용이 약 4배 높았으며 이 결과는 소규모 데이터와 구현상의 한계를 전제로 해석해야 한다.

Tech Bridge
#ai-evaluation#agentic-search#vector-search#observability
Automating Web Research
Article2026년 8월 25일

Automating Web Research

LangChain 팀은 자율 웹 연구 에이전트를 실험한 뒤, 병렬 검색과 문서 검색을 결합한 단순하고 설정 가능한 리트리버를 구현했다.

langchain.com
#gpt4all#langchain#langsmith#retrieval-observability
Cube x LangChain: Building AI experiences with LLMs and the semantic layer
Article2026년 8월 25일

Cube x LangChain: Building AI experiences with LLMs and the semantic layer

Cube와 LangChain의 통합은 시맨틱 계층의 메타데이터 검색을 자연어 기반 SQL 생성에 연결해 정확성과 예측 가능성을 높이는 접근을 제시한다.

langchain.com
#cubesemanticloader#faiss#langchain#centralized-metric-definitions
AWS vector solutions: Build agentic AI where your data lives
Article2026년 8월 20일

AWS vector solutions: Build agentic AI where your data lives

AWS 벡터 솔루션은 벡터 검색을 기존 데이터가 있는 저장소에 직접 추가하고, 새 워크로드에는 지연 시간·비용·접근 패턴에 맞는 엔진을 선택해 에이전트형 AI가 조직 지식을 정확하고 맥락 있게 활용하도록 지원한다.

aws.amazon.com
#service-design#amazon-dynamodb#amazon-opensearch-service#amazon-s3-vectors
The Massive OpenClaw Memory Mistake You''''re Making Right Now
YouTube2026년 3월 7일

The Massive OpenClaw Memory Mistake You''''re Making Right Now

이 영상의 핵심은 “메모리를 많이 저장하는 것”이 아니라 **메모리의 역할을 나누는 것**입니다. 현재 작업은 Obsidian 같은 작업기억 계층에, 장기 회상은 하이브리드 검색 계층에, 틀리면 안 되는 사실은 SQLite 같은 결정론적 저장소에 분리해야 OpenClaw가 장기 운영 가능한 에이전트로 바뀐다는 주장입니다.

Zac Frulloni
#obsidian-vault#vector-search#agent-architecture-explainer#prompt-library
I Gave My OpenClaw a Perfect Memory (Never Forget Again)
YouTube2026년 3월 5일

I Gave My OpenClaw a Perfect Memory (Never Forget Again)

OpenClaw의 성능 차이는 프롬프트 문구가 아니라 기억 아키텍처에서 갈리며, 일일 메모·큐레이션 메모·시맨틱 검색·자동 갱신을 함께 설계해야 에이전트가 실무 맥락을 안정적으로 이어간다. 핵심 투자 포인트는 “더 똑똑한 답변”이 아니라 “잊지 않는 운영 시스템”을 만드는 데 있다.

Zach Babiarz
#context-persistence-operations#daily-memory#memory-md#vector-search