지식 그래프와 GraphRAG¶

온톨로지부터 지식 그래프 구축, GraphRAG, 평가·프로덕션까지 손으로 만들어 보는 코스. 벡터 RAG가 어디서 막히는지 보고, 트리플로 지식을 모델링하고, Neo4j와 LLM으로 그래프를 짓고, GraphRAG로 검색해 벡터 RAG와 정면 비교한다. 마지막엔 도메인 지식 그래프 + GraphRAG 파이프라인 하나를 끝까지 굴려본다.

이 코스가 다루는 것 / 다루지 않는 것¶

다룬다

온톨로지 설계 · RDF/LPG · 트리플 · Neo4j/Cypher · LLM 엔티티·관계 추출 · GraphRAG(로컬/글로벌/커뮤니티) · 벡터 vs 그래프 비교 · 평가 · 프로덕션

가볍게만 언급

SPARQL · OWL 추론 · 그래프 임베딩(GNN) · Graphiti 같은 시간 인식 그래프

다루지 않는다

그래프 DB 내부 구현 · 대규모 분산 그래프 처리 · 시맨틱 웹 표준 전반

전제

Python 입문 · LLM/RAG 기본 감(임베딩·검색) · Colab 또는 로컬 도커

왜 이 코스인가¶

벡터 RAG는 "비슷한 문서"는 잘 찾지만, "A와 B가 어떻게 연결되는가"는 못 찾는다. 여러 사실을 가로질러 종합해야 하는 질문, 관계를 따라가야 하는 질문에서 벡터 검색은 무너진다. 지식 그래프는 그 빈자리를 메우고, GraphRAG는 그래프를 RAG에 붙여 "연결"을 검색 가능하게 만든다.

이 코스는 개념만 훑지 않는다. 실제로 그래프를 짓고, GraphRAG를 돌리고, 같은 질문을 벡터 RAG와 GraphRAG에 던져 어디서 갈리는지를 눈으로 본다.

어디로 갈까¶

학습 시스템 — 챕터는 어떻게 구성되는가
학습 내용 — 전체 14 챕터 + 캡스톤
Part 1 시작하기 — 벡터 RAG는 어디서 막히나