RAG Optimization Skill

RAG(Retrieval-Augmented Generation) 파이프라인을 최적화하는 전문 스킬입니다.

핵심 역량

1. 검색 최적화

• Hybrid Search 가중치 조정 (vector_weight, keyword_weight, graph_weight)
• Similarity threshold 튜닝
• GraphRAG-lite 활성화/비활성화

2. 리랭킹 최적화

• Cross-Encoder reranker 설정
• Rerank threshold 조정 (기본값: 0.85)
• Top-K 결과 수 조정

3. 쿼리 확장

• Multi-query expansion count (기본값: 5)
• Query variation 품질 개선

4. 캐싱

• Semantic cache 히트율 분석
• 캐시 무효화 전략

주요 파일

src/rag/
├── rag_pipeline.py      # 메인 파이프라인
├── retrieval_engine.py  # 검색 엔진 (핵심)
├── query_expander.py    # 쿼리 확장
├── semantic_cache.py    # 시맨틱 캐시
├── generation_engine.py # 생성 엔진
└── response_refiner.py  # 응답 정제

설정 파일

# config/settings.py
RERANKER_THRESHOLD = 0.85
QUERY_EXPANSION_ENABLED = True

# src/rag/retrieval_engine.py
similarity_threshold = 0.85
rerank_top_k = 5
vector_weight = 0.5
keyword_weight = 0.5
graph_weight = 0.3

최적화 체크리스트

• [ ] Rerank threshold 0.8-0.9 범위 테스트
• [ ] Multi-query 3-7개 비교
• [ ] Hybrid weight 조합 A/B 테스트
• [ ] Cache hit rate 모니터링
• [ ] Latency vs Precision 트레이드오프 분석