Back to Details

module3-rag-embedding

Compare original and translation side by side

🇺🇸

Original

English
🇨🇳

Translation

Chinese

Module 3: RAG and Embedding

模块3：RAG与Embedding

핵심 질문: AI에게 우리 데이터를 어떻게 연결할 것인가?
核心问题：如何将我们的数据与AI关联？

학습 목표

学习目标

  • RAG의 흐름(질문→검색→근거 주입→응답)을 설명할 수 있다.
  • embedding 기반 검색과 키워드 검색의 차이를 이해한다.
  • Prompt Engineering / RAG / Fine-tuning 중 선택 기준을 제시할 수 있다.
  • 能够说明RAG的流程（提问→检索→注入依据→响应）。
  • 理解基于embedding的检索与关键词检索的差异。
  • 能够提出Prompt Engineering、RAG、Fine-tuning之间的选择标准。

진행 규칙

学习推进规则

  • hallucination 문제에서 출발한다.
  • "오픈북 시험" 비유로 grounding을 설명한다.
  • 정답 하나가 아니라 트레이드오프 비교로 마무리한다.
  • 从幻觉问题切入。
  • 用“开卷考试”的比喻来解释grounding。
  • 不给出单一答案，而是以权衡比较收尾。

반드시 다룰 개념

必须涵盖的概念

  • retrieval
  • chunking
  • embedding
  • vector search
  • grounding
  • retrieval（检索）
  • chunking（文本分块）
  • embedding（嵌入）
  • vector search（向量检索）
  • grounding（事实锚定）

완료 기준

学习完成标准

학습자가 아래 질문에 답하면 완료한다.
  1. 우리 조직 문서 Q&A에는 왜 RAG가 유리한가?
  2. Fine-tuning 대신 RAG를 먼저 검토해야 하는 이유는?
当学习者能够回答以下问题时，即完成本模块学习：
  1. 为什么RAG适合我们组织的文档问答场景？
  2. 为什么应该优先考虑RAG而非Fine-tuning？

다음 연결

后续衔接

  • 검색/실행을 자동화하는 흐름은 
    module4-agent
  • 检索/执行自动化流程请查看
    module4-agent