문서와 질문을 숫자 벡터로 변환한다.
텍스트와 이미지를 벡터로 바꿔 가까운 것을 찾는다
LLM과 RAG에서는 문서 조각을 embedding으로 저장하고, 질문 벡터와 가까운 후보를 검색한다.
HNSW 같은 근사 검색 구조로 빠르게 찾는다.
가까운 벡터 후보를 점수와 함께 돌려준다.
권한, 날짜, 카테고리 조건으로 후보를 좁힌다.
| 운영 판단 | 판단 |
|---|---|
| 강점 | 의미 기반 검색, 추천, RAG 검색 후보 생성 |
| 주의 | 정답 보장 검색이 아니라 유사 후보 검색 |
| 관리 | chunk 크기, embedding 모델, 재색인 비용을 함께 봄 |
핵심: Vector DB는 “비슷한 의미의 후보를 빠르게 찾는” 저장소이며, 최종 판단은 랭킹과 검증이 함께 맡는다.