day2_practice/rag_chain.pymetadata.pyvectorstore.pyretriever.pyverify_sources.py

RAG 파이프라인: 색인은 한 번, 질의는 질문마다

문서를 잘라 벡터로 바꿔 Chroma에 넣는 색인 단계와, 질문 하나가 검색 | 프롬프트 | 모델 | 파서 를 지나며 답이 되는 질의 단계를 한 단계씩 따라갑니다. 질문 "연차 이월은 며칠까지 가능한가요?" 가 문자열에서 dict, 메시지, 답 문자열로 모양을 바꾸는 과정을 실제 코드 줄과 함께 봅니다.

한눈에 보는 구조

단계를 넘기면 지금 일하는 부품이 파란 테두리로 표시됩니다

이 시점의 데이터

질의 단계에서 값의 모양이 바뀌는 순서

str 질문→ dict {"context": str, "question": str}→ ChatPromptValue (메시지 2개)→ AIMessage→ str 답

가운데의 dict를 만드는 45행만 RAG에서 새로 등장하는 부분이고, 그 뒤의 prompt | llm | StrOutputParser() 는 1일차의 체인과 같습니다. dict의 context 칸은 검색기와 format_docs 를 거친 문자열, question 칸은 질문 원문입니다.

함정과 주의

상대 경로라서 day2_practice 안에서 실행해야 합니다. metadata.py 는 "docs/leave_policy.md", 벡터 DB를 여는 파일들은 "./chroma_db" 를 터미널의 현재 폴더 기준으로 찾습니다. (loaders.py 만 Path(__file__).parent 로 경로를 만듭니다.)
vectorstore.py 를 다시 돌리면 같은 청크가 한 벌 더 쌓입니다. 청크 ID를 지정하지 않으므로 실행할 때마다 새 ID로 추가됩니다. 사본인 load_db.py 까지 실행해도 마찬가지입니다. 다시 색인하려면 13~17행의 주석을 풀어 컬렉션을 지우거나 chroma_db 폴더를 지웁니다.
색인과 질의에 같은 임베딩 모델을 씁니다. rag_chain.py 가 DB를 열 때 embedding_function 을 다시 넘기는 것은 질문을 벡터로 바꿀 모델이 DB 안에 들어 있지 않기 때문입니다. 모델이 다르면 두 벡터의 거리 계산이 무의미해집니다.
메타데이터는 모델에게 자동으로 전달되지 않습니다. 모델이 (출처: docs/leave_policy.md) 라고 쓸 수 있는 것은 format_docs 가 청크 앞에 [docs/leave_policy.md] 를 글자로 붙였기 때문입니다. 부서나 개정일은 프롬프트에 들어가지 않습니다.
체인은 질문이 무엇이든 검색하고, verify_sources.py 는 같은 검색을 두 번 합니다. answer 쪽의 rag_chain 안에서 한 번, sources 쪽에서 한 번입니다. 그리고 sources 는 검색된 문서의 목록이지 모델이 실제로 근거로 삼은 문서의 목록이 아닙니다.

관련 파일

파일	단계	하는 일
`loaders.py`	색인	`TextLoader` 로 파일 하나, `DirectoryLoader` 로 폴더 전체를 Document 리스트로 읽어 보는 확인용 스크립트
`metadata.py`	색인	부서·개정일을 붙이고 300자/겹침 50으로 자르는 `load_chunks()` 정의
`vectorstore.py`	색인	청크를 임베딩해 Chroma 컬렉션 `sds_policies` 에 저장하고 거리 점수와 필터 검색을 확인 (`load_db.py` 는 사본)
`retriever.py`	질의	저장된 DB를 열어 검색기로 만들고 k 값과 MMR에 따른 차이를 관찰
`rag_chain.py`	질의	검색기, 프롬프트, 모델, 파서를 이은 RAG 체인. 다른 파일들이 import 해서 재사용
`verify.py`	검증	같은 질문을 RAG 없이, RAG로 던져 비교. 문서에 없는 질문 포함
`verify_sources.py`	검증	`RunnableParallel` 로 답과 검색된 근거 문서 목록을 함께 반환
`docs/*.md`	재료	연차·재택근무·출장 규정 세 편 (교육용 더미 데이터)