Amazon Bedrock으로 그래프 RAG 구현하기

본 글은 대규모 언어 모델(LLM)의 한계점인 최신 정보 반영 부족 및 환각 문제를 해결하기 위한 RAG(Retrieval Augmented Generation) 프레임워크를 소개하고, 특히 그래프 RAG의 개념과 Amazon Bedrock을 활용한 구현 방법을 다룹니다. 일반적인 RAG가 벡터 저장소를 사용하여 비구조화된 정보 검색에 효과적이지만, 정보의 분리 및 관계 반영의 한계가 있음을 지적합니다.

이에 대한 해결책으로 그래프 RAG는 핵심 개념 간의 복잡한 관계를 정의하고 데이터 연결성을 활용하여 정보 탐색의 정확성을 높입니다. 글에서는 Neo4j 그래프 데이터베이스와 CloudFormation을 이용한 사전 준비 과정을 거쳐, 벡터 검색과 그래프 순회를 결합한 그래프 RAG 구현 실습을 상세히 안내합니다.