Vector 검색과 Knowledge Graph를 결합한 고정밀 문서 기반 시스템
금융권 폐쇄망 환경을 위해 설계된 Vector + Graph 하이브리드 지식 검색 시스템 단순 키워드 검색을 넘어 문서 간의 복잡한 인과 관계를 추론하여 정확한 답변을 제공 성능 평가(Evaluation) 도구를 통해 답변의 신뢰성을 검증
Vector 검색과 Knowledge Graph를 결합한 고정밀 문서 기반 시스템
금융권 폐쇄망 환경을 위해 설계된 Vector + Graph 하이브리드 지식 검색 시스템
| 검색 정밀도 | 캐시 임계값 | 인프라 | 개발 인원 |
|---|---|---|---|
| +30% 향상 | |||
| (Vector 단독 대비) | Score 0.92+ 답변 | ||
| 즉시 캐시 반환 | On-Premise | ||
| 폐쇄망 독립 구동 | 1인 전담 | ||
| 아키텍처~구현 |
FastAPI PGVector Neo4j LangChain BGE-M3 Docker RAGAS vLLM
GitHub: github.com/BasilSangwon/Hybrid-RAG-Chatbot
문제: 금융권 폐쇄망에서 단일 Vector RAG로는 문서 간 복합 관계를 추론할 수 없고, 외부 API 사용이 불가
해결: Vector(PGVector) + Graph(Neo4j) Hybrid RAG + LLM Factory 추상화로 Cloud/On-Premise 무중단 전환
결과:
| 항목 | 상세 내용 |
|---|---|
| 진행 기간 | 2025.11 ~ 2025.12 (기술 검증 및 아키텍처 설계) |
| 담당 역할 | System Architect & Lead Developer (1인 전담) |
| • 폐쇄망 구동을 위한 LLM 백엔드 추상화 계층 설계 | |
| • 비정형 데이터의 정형화(Graph) 파이프라인 및 스키마 설계 | |
| • RAG 시스템의 정확도(Accuracy) 및 응답 속도(Latency) 최적화 | |
| 핵심 기술 | Hybrid RAG (Vector + Graph), PGVector, Neo4j, LangChain, RAGAS, vLLM, Docker, FastAPI |
| 주요 성과 | • On-Premise 아키텍처 수립으로 폐쇄망 내 독립 배포 환경 확보 |
| • 문서 간 관계 추론이 가능한 Hybrid RAG 도입으로 검색 정밀도 30% 향상 | |
| • 정량적 성능 평가(Evaluation) 파이프라인 구축을 통한 기술 도입 타당성 확보 |
기존 단일 Vector RAG의 **'정확도 한계'**와 금융권 '망분리(On-Premise)' 요건 동시 해결 필요