pageindex-rag은(는) 무엇을 하나요?
임베딩이나 벡터 스토어 없이 추론 기반 검색과 답변 생성을 지원하는 벡터리스 RAG를 구축합니다.
개요
이 스킬은 전통적인 임베딩과 벡터 데이터베이스 없이 작동하는 RAG(Retrieval-Augmented Generation) 시스템을 구현합니다. 문서는 페이지 단위로 인덱싱되고, 쿼리는 간단한 추론 규칙(예: 키워드 매칭, 빈도 분석)을 사용하여 가장 관련성 높은 페이지를 검색합니다. 검색된 내용은 LLM에 컨텍스트로 제공되어 최종 답변이 생성됩니다.
작동 방식
- 문서 인덱싱: 문서를 페이지(또는 청크)로 분할하고 각 페이지에 고유 인덱스를 할당합니다.
- 쿼리 처리: 사용자 쿼리를 분석하여 관련 키워드를 추출합니다.
- 페이지 검색: 키워드 매칭이나 간단한 TF-IDF 유사도를 사용하여 가장 관련성 높은 페이지 인덱스를 찾습니다.
- 답변 생성: 검색된 페이지 내용을 LLM에 컨텍스트로 전달하여 답변을 생성합니다.
지원 플랫폼
- Claude Code
- Cursor
- Codex
- 기타 AI 에이전트 플랫폼
사용 예시
# 스킬 활성화 (Claude Code 예시)
claude use Deafened-vascularstructure846/pageindex-rag
환경 변수
| 변수명 | 설명 | 기본값 |
|---|---|---|
DOCUMENT_DIR | 문서가 위치한 디렉토리 경로 | ./docs |
INDEX_FILE | 페이지 인덱스 파일 경로 | ./page_index.json |
LLM_MODEL | 사용할 LLM 모델 이름 | gpt-4 |
설치
- 저장소를 클론합니다.
- 필요한 의존성을 설치합니다 (예:
pip install -r requirements.txt). - 환경 변수를 설정합니다.
- 문서를
DOCUMENT_DIR에 배치합니다. - 스킬을 실행합니다.
라이센스
MIT